基于两步式框架的有向超图链式预测方法

本发明公开了基于两步式框架的有向超图链式预测方法，获取具有多个实体间关系的有向超图；将有向超图输入神经网络模型进行训练，获取节点集中每个节点的嵌入向量后，利用基于Tucker分解的评分函数获得两种评分来评估超边是否存在；BiLSTM模型生成一个包含所有顺序信息的嵌入向量；同样的过程发生在反向隐藏层组中，得到两个不同的嵌入向量；将两个嵌入向量连接成一个向量，得到超边表示，发送到Softmax层获得方向分数；使用梯度下降法更新模型参数。本发明将Tucker分解推广到高维，引入张量环分解算法来降低模型的复杂度，从理论上证明了为超边评分的模积结果与参与计算的节点顺序无关。