CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）_第1页
CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）_第2页
CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）_第3页
CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）_第4页
CN115687640B 基于联邦学习的多任务知识图谱补全方法 （宁波大学）_第5页
已阅读5页，还剩18页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于联邦学习的多任务分别用来得到来自各个客户端经过安全聚合后次中央服务器参数聚合后反传为知识图谱补全方法的一轮操作；知识图谱由客户端本地训练2步骤S1、分别构造用于聚合实体嵌入表示和关系嵌入表步骤S2、各个客户端从两个中央服务器分别下载仅本步骤S3、各个客户端使用统一的知识图谱嵌入表示步骤S4、两个中央服务器分别聚合随机挑选的来自不同客户步骤S5、各个客户端从两个中央服务器分别下载更步骤S6、步骤S5参数收敛后得到基于联邦框架更新3识图谱三元组在本地的向量嵌入表示和联邦的向量嵌入表示各自所对应的得分函数进行4[0007]步骤S3、各个客户端使用统一的知识图谱嵌入表示方法5[0014]两个中央服务器分别得到来自各个客户端经过安全聚合后的实体和关系嵌入表端的实体嵌入表示，依据中央服务器更新规则更新这些来自各个客户端的实体嵌入表示的关系嵌入表示，依据中央服务器更新规则更新这些来自各个客户端的实体关系表示后，地的知识图谱表示学习，学习后得到的参数上传给两个不同的中央服务器进行聚合操作。6地知识图谱，使得学习到的知识图谱嵌入表示更加将知识图谱三元组在本地的向量嵌入表示和联邦的向量嵌入表示各自所对应的得分函数[0025]步骤S6.2、将进行连接操作后的得分函数作为特征向量输入到一个线性分类器[0034]步骤S3、各个客户端使用统一的知识图谱嵌入表示方法7将知识图谱三元组在本地的向量嵌入表示和联邦的向量嵌入表示各自所对应的得分函数[0046]步骤S6.2、将进行连接操作后的得分函数作为特征向量输入到一个线性分类器[0047]本发明的框架示意图如图2所示，以框架为基础对步骤S1至步骤S6中的内容作进[0050]1)实体服务器将所有客户端的实体聚集到同一个实体表T内，并构建一组对应的e指的是实体向量嵌入表示的维度大小，代表对应的向量空间。然后，实体服务器将实体向量矩阵E0根据存在矩阵分别将随机初始化8e指的是关系向量嵌入表示的维度大小，代9[0081]对于在客户端c的各个三元组(h,r,t)eGf,使用特定且统一的知识图谱嵌入[0094]首先，在完成基于联邦知识图谱和本地知识图谱的训练后，每一个三元组(h,r,t)eG'得到的知识图谱实体和关系向量表示，得分函数f(h,t)代表联邦场景下训练得到的知识图谱实体和关系向量表示。Wx+b，，[0103]输入：本地训练得分函数f(h,t),联邦训练得分函数'(h,t).[0106]以上仅是本发明的优选实施方式，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论