基于卷积神经网络的时序知识图谱补全方法、装置及设备

本申请涉及一种基于卷积神经网络的时序知识图谱补全方法、装置及设备，该方法属于时序知识图谱技术领域。所述方法将卷积神经网络应用于时序知识图谱中。一方面，利用卷积神经网络的表征学习能力，从输入信息中提取高阶特征；另一方面，卷积运算利用卷积核的参数共享机制和加权平均机制实现稀疏相乘和参数共享，有效减少权重参数的数量，使得网络能进行快速学习，同时也有效减少计算内存开销；有利于模型在大型数据集上获得较好的性能；同时，本方法中采用二维卷积增加实体/关系/时间嵌入表示之间的交互点，提高了模型的特征提取能力。