一种面向软知识的实体关系推理方法

本发明提供一种面向软知识的实体关系推理方法，基于多门控机制与实体对象属性信息的交通类知识表示学习模型，专门针对软知识表示与推理问题。相比现有技术，其仅利用实体自身属性、属性值及邻域子图信息，避免外部噪声干扰；通过输入门、输出门、属性值感知门等多门控机制和注意力机制动态感知关键语义，增强模型鲁棒性和可解释性；采用层次分析方法AHP预选关键属性，显著提高训练效率；融合邻域子图结构信息，增强知识推理能力，其适用于交通等领域的实时决策场景，在领域适用性、噪声鲁棒性、计算效率等方面均优于传统方法。