1.一种知识图谱链接预测方法，其特征在于，包括：对基于目标内容构建的初始知识图谱进行实体类型规范化处理和关系类型规范化处理，得到规范化知识图谱；对所述规范化知识图谱中的每两种实体类型之间各种目标实体对应的若干种目标实体关系进行分组处理，以得到目标数量组实体关系样本；其中，一组所述实体关系样本中所有所述目标实体关系对应同两种实体类型；实体关系包括头实体、关系类型和尾实体；通过图神经网络将所述目标数量组所述实体关系样本均衡分发至若干计算节点得到计算节点数量个样本组，通过副本网络并行训练所述计算节点数量个样本组，以更新所述计算节点数量个样本组，得到链接预测模型，以实现知识图谱链接预测；每个所述计算节点中存在一个所述图神经网络的所述副本网络；其中，所述通过副本网络并行训练所述计算节点数量个样本组，以更新图神经网络参数，得到链接预测模型，包括：通过所述副本网络并行训练所述计算节点数量个样本组得到初次预测结果，并对每个所述计算节点进行梯度计算得到每个所述计算节点对应的目标梯度；进行所有所述计算节点之间的梯度共享，并计算平均梯度以实现所述计算节点之间的梯度融合；通过图神经网络基于所述平均梯度并行处理所述节点数量个样本组对应的所述初次预测结果得到最终预测结果，以更新图神经网络参数，得到链接预测模型；其中，所有节点的所述最终预测结果都相同。
2.根据权利要求1所述的知识图谱链接预测方法，其特征在于，不同所述实体关系样本中所述目标实体关系的数量相同，且，不同所述样本组中所述实体关系样本的数量相同。
3.根据权利要求2所述的知识图谱链接预测方法，其特征在于，所述对所述规范化知识图谱中的每两种实体类型之间各种目标实体对应的若干种目标实体关系进行分组处理，以得到目标数量组实体关系样本，包括：确定所述规范化知识图谱中的每两种实体类型之间各种目标实体对应的目标实体关系的初始数量，并根据目标规则选取一个所述初始数量作为参考数量；去除小于所述参考数量的所述初始数量，并将其它所述初始数量的所述目标实体关系进行分组处理以得到目标数量组包括所述参考数量个所述目标实体关系的实体关系样本。
4.根据权利要求1所述的知识图谱链接预测方法，其特征在于，所述对基于目标内容构建的初始知识图谱进行实体类型规范化处理和关系类型规范化处理，得到规范化知识图谱，包括：确定基于目标内容构建的初始知识图谱；确定所述目标内容对应的规范化的若干种实体类型，并确定每两种实体类型之间每两种实体对应的规范化实体关系；将所述初始知识图谱中的表示同一内容的若干初始实体归类为同一实体，并将归类后目标实体归类至对应的实体类型中；将每两种实体类型之间每两个目标实体对应的初始实体关系归类至所述规范化实体关系中，以确定每两个目标实体之间的目标实体关系；统计归类结果得到规范化知识图谱。
5.根据权利要求4所述的知识图谱链接预测方法，其特征在于，所述将每两种实体类型之间每两个目标实体对应的初始实体关系归类至所述规范化实体关系中，以确定每两个目标实体之间的目标实体关系，包括：确定所述初始知识图谱中的每两种实体类型之间每两个目标实体对应的初始实体关系；通过检索系统确定所述规范化实体关系中与所述初始实体关系最相似的目标实体关系，并将所述初始实体关系归类至所述目标实体关系。
6.根据权利要求5所述的知识图谱链接预测方法，其特征在于，所述通过检索系统确定所述规范化实体关系中与所述初始实体关系最相似的目标实体关系，并将所述初始实体关系归类至所述目标实体关系之后，还包括：利用语义相似度模型对所述初始实体关系进行编码得到第一编码函数，并对其它初始实体关系进行编码得到第二编码函数；基于所述第一编码函数和所述第二编码函数计算所述初始实体关系与所述其它初始实体关系之间的余弦相似度；将所述余弦相似度满足相似条件的所述其它初始实体关系归类至所述目标实体关系。
7.根据权利要求1所述的知识图谱链接预测方法，其特征在于，所述通过所述副本网络并行训练所述计算节点数量个样本组得到初次预测结果，包括：确定每个样本组中的第一种实体类型对应的第一实体关系和第二种实体类型对应的第二实体关系；基于所述第一实体关系得到所述第一种实体类型的第一初级嵌入表示，基于所述第二实体关系得到所述第二种实体类型得到第二初级嵌入表示；基于所述第一初级嵌入表示和所述第二初级嵌入表示训练得到所述第一种实体类型与所述第二种实体类型之间每两个目标实体对应的初次预测结果；对每个所述计算节点进行梯度计算得到每个所述计算节点对应的目标梯度；其中，所述第一实体关系为所述第一种实体类型与除所述第二种实体类型的其它实体类型之间的实体关系；所述第二实体关系为所述第二种实体类型与除所述第一种实体类型的其它实体类型之间的实体关系。
8.一种知识图谱链接预测装置，其特征在于，包括：规范化处理模块，用于对基于目标内容构建的初始知识图谱进行实体类型规范化处理和关系类型规范化处理，得到规范化知识图谱；分组处理模块，用于对所述规范化知识图谱中的每两种实体类型之间各种目标实体对应的若干种目标实体关系进行分组处理，以得到目标数量组实体关系样本；其中，一组所述实体关系样本中所有所述目标实体关系对应同两种实体类型；实体关系包括头实体、关系类型和尾实体；并行训练模块，用于通过图神经网络将所述目标数量组所述实体关系样本均衡分发至若干计算节点得到计算节点数量个样本组，通过副本网络并行训练所述计算节点数量个样本组，以更新图神经网络参数，得到链接预测模型，以实现知识图谱链接预测；每个所述计算节点中存在一个所述图神经网络的所述副本网络；其中，所述并行训练模块，具体用于通过所述副本网络并行训练所述计算节点数量个样本组得到初次预测结果，并对每个所述计算节点进行梯度计算得到每个所述计算节点对应的目标梯度；进行所有所述计算节点之间的梯度共享，并计算平均梯度以实现所述计算节点之间的梯度融合；通过图神经网络基于所述平均梯度并行处理所述节点数量个样本组对应的所述初次预测结果得到最终预测结果，以更新图神经网络参数，得到链接预测模型；其中，所有节点的所述最终预测结果都相同。
9.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的知识图谱链接预测方法。
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的知识图谱链接预测方法。
