本發(fā)明屬于知識圖譜更新優(yōu)化，更具體地，涉及一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、圖神經(jīng)網(wǎng)絡（graph?neural?networks,?gnns）是一種基于圖結(jié)構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡模型，用于處理和分析具有復雜關(guān)系和互連性的數(shù)據(jù)。

2、圖神經(jīng)網(wǎng)絡包括：

3、圖（graph）：由節(jié)點（nodes）和邊（edges）組成，節(jié)點代表實體，邊代表實體之間的關(guān)系。

4、節(jié)點特征（node?features）：每個節(jié)點有一個特征向量，表示節(jié)點的屬性或狀態(tài)。

5、邊特征（edge?features）：每條邊也可以有一個特征向量，表示邊的屬性或狀態(tài)。

6、但是現(xiàn)有技術(shù)中并沒有一種技術(shù)方案，能夠基于圖神經(jīng)網(wǎng)絡對情報知識圖譜進行優(yōu)化。

技術(shù)實現(xiàn)思路

1、為解決以上技術(shù)問題，本發(fā)明提出一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，所述情報知識圖譜為衛(wèi)星數(shù)據(jù)的知識圖譜，包括：

2、對所述情報知識圖譜進行拓撲，生成情報知識圖譜拓撲圖，其中，所述情報知識圖譜拓撲圖中節(jié)點代表衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點，邊代表節(jié)點之間的關(guān)系；

3、設置特征更新模型，當存在新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點時，提取新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，通過所述特征更新模型，并根據(jù)新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，對相對應的節(jié)點進行更新；

4、設置更新后數(shù)據(jù)準確度評估模型，對更新后的節(jié)點進行數(shù)據(jù)準確度評估，將評估結(jié)果反饋給用戶。

5、進一步的，所述特征更新模型包括：

6、，

7、其中，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征，為門控循環(huán)單元，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征，為第個節(jié)點的所有鄰居節(jié)點集合，為注意力頭的數(shù)量，為情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征。

8、進一步的，計算情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重包括：

9、，

10、其中，為帶泄露線性整流函數(shù)，為第個注意力頭的權(quán)重的轉(zhuǎn)置，為轉(zhuǎn)置，為第個注意力頭的節(jié)點特征變換矩陣，為特征連接操作符，為第個注意力頭的邊特征變換矩陣，為第個節(jié)點到第個節(jié)點的邊的權(quán)重，為第個節(jié)點的所有鄰居節(jié)點集合中第層的第個節(jié)點的特征。

11、進一步的，所述更新后數(shù)據(jù)準確度評估模型包括：

12、，

13、其中，為優(yōu)化性能評估值，為情報知識圖譜拓撲圖的邊集合，為第個節(jié)點當前的特征，為第個節(jié)點當前的特征，為第一超參數(shù)，為情報知識圖譜拓撲圖的節(jié)點集合，為第個節(jié)點的初始特征，為第二超參數(shù)，為第個節(jié)點的時間損失函數(shù)。

14、進一步的，第個節(jié)點的時間損失函數(shù)包括：

15、，

16、其中，為總的時間步長數(shù)，為第個節(jié)點在時間步長的特征，為第個節(jié)點在時間步長的特征，為第三超參數(shù)，為第個節(jié)點在時間步長的特征。

17、本發(fā)明還提出一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，所述情報知識圖譜為衛(wèi)星數(shù)據(jù)的知識圖譜，包括：

18、拓撲模塊，用于對所述情報知識圖譜進行拓撲，生成情報知識圖譜拓撲圖，其中，所述情報知識圖譜拓撲圖中節(jié)點代表衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點，邊代表節(jié)點之間的關(guān)系；

19、更新模塊，用于設置特征更新模型，當存在新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點時，提取新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，通過所述特征更新模型，并根據(jù)新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，對相對應的節(jié)點進行更新；

20、評估模塊，用于設置更新后數(shù)據(jù)準確度評估模型，對更新后的節(jié)點進行數(shù)據(jù)準確度評估，將評估結(jié)果反饋給用戶。

21、進一步的，所述特征更新模型包括：

22、，

23、其中，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征，為門控循環(huán)單元，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征，為第個節(jié)點的所有鄰居節(jié)點集合，為注意力頭的數(shù)量，為情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重，為情報知識圖譜拓撲圖第層的第個節(jié)點的特征。

24、進一步的，計算情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重包括：

25、，

26、其中，為帶泄露線性整流函數(shù)，為第個注意力頭的權(quán)重的轉(zhuǎn)置，為轉(zhuǎn)置，為第個注意力頭的節(jié)點特征變換矩陣，為特征連接操作符，為第個注意力頭的邊特征變換矩陣，為第個節(jié)點到第個節(jié)點的邊的權(quán)重，為第個節(jié)點的所有鄰居節(jié)點集合中第層的第個節(jié)點的特征。

27、進一步的，所述更新后數(shù)據(jù)準確度評估模型包括：

28、，

29、其中，為優(yōu)化性能評估值，為情報知識圖譜拓撲圖的邊集合，為第個節(jié)點當前的特征，為第個節(jié)點當前的特征，為第一超參數(shù)，為情報知識圖譜拓撲圖的節(jié)點集合，為第個節(jié)點的初始特征，為第二超參數(shù)，為第個節(jié)點的時間損失函數(shù)。

30、進一步的，第個節(jié)點的時間損失函數(shù)包括：

31、，

32、其中，為總的時間步長數(shù)，為第個節(jié)點在時間步長的特征，為第個節(jié)點在時間步長的特征，為第三超參數(shù)，為第個節(jié)點在時間步長的特征。

33、總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下有益效果：

34、本發(fā)對所述情報知識圖譜進行拓撲，生成情報知識圖譜拓撲圖，其中，所述情報知識圖譜拓撲圖中節(jié)點代表衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點，邊代表節(jié)點之間的關(guān)系；設置特征更新模型，當存在新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點時，提取新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，通過所述特征更新模型，并根據(jù)新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，對相對應的節(jié)點進行更新；設置更新后數(shù)據(jù)準確度評估模型，對更新后的節(jié)點進行數(shù)據(jù)準確度評估，將評估結(jié)果反饋給用戶。本發(fā)明通過以上技術(shù)方案，能夠根據(jù)新的衛(wèi)星數(shù)據(jù)對情報知識圖片進行更新，并且進行評估，從而解決了數(shù)據(jù)更新準確度不高且效率低的問題，從而完成知識圖譜優(yōu)化。

技術(shù)特征：

1.一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，所述情報知識圖譜為衛(wèi)星數(shù)據(jù)的知識圖譜，其特征在于，包括：

2.如權(quán)利要求1所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，其特征在于，所述特征更新模型包括：

3.如權(quán)利要求2所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，其特征在于，計算情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重包括：

4.如權(quán)利要求3所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，其特征在于，所述更新后數(shù)據(jù)準確度評估模型包括：

5.如權(quán)利要求4所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法，其特征在于，第個節(jié)點的時間損失函數(shù)包括：

6.一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，所述情報知識圖譜為衛(wèi)星數(shù)據(jù)的知識圖譜，其特征在于，包括：

7.如權(quán)利要求6所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，其特征在于，所述特征更新模型包括：

8.如權(quán)利要求7所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，其特征在于，計算情報知識圖譜拓撲圖第層中從第個節(jié)點到第個節(jié)點的注意力權(quán)重包括：

9.如權(quán)利要求8所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，其特征在于，所述更新后數(shù)據(jù)準確度評估模型包括：

10.如權(quán)利要求9所述的一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化系統(tǒng)，其特征在于，第個節(jié)點的時間損失函數(shù)包括：

技術(shù)總結(jié)
本發(fā)明公開一種基于圖神經(jīng)網(wǎng)絡的情報知識圖譜優(yōu)化方法及系統(tǒng)，該方法包括：對所述情報知識圖譜進行拓撲，生成情報知識圖譜拓撲圖，其中，所述情報知識圖譜拓撲圖中節(jié)點代表衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點，邊代表節(jié)點之間的關(guān)系；設置特征更新模型，當存在新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點時，提取新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，通過所述特征更新模型，并根據(jù)新的衛(wèi)星數(shù)據(jù)的數(shù)據(jù)點的特征，對相對應的節(jié)點進行更新；設置更新后數(shù)據(jù)準確度評估模型，對更新后的節(jié)點進行數(shù)據(jù)準確度評估，將評估結(jié)果反饋給用戶。

技術(shù)研發(fā)人員：莫然,楊威,王義,韓陽,王濤,王穎,姚永祥,王赟,端海旺,朱忠敏,劉玉東
受保護的技術(shù)使用者：成都國恒空間技術(shù)工程股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9