1.一种基于动态路径的知识图谱表示学习方法，其特征是，具体包括步骤如下：步骤1、基于翻译模型，建立知识图谱中三元组结构的实体向量与关系向量的优化目标，以及实体向量与路径向量的优化目标；其中实体向量与关系向量的优化目标为：

h+r＝t

实体向量与路径向量的优化目标为：

h+(p+α)＝t

式中，h表示头实体向量，t表示尾实体向量，r表示头实体和尾实体之间的关系向量，p表示头实体和尾实体之间的路径向量，α为动态因子向量；

步骤2、通过损失函数将同一对实体对所对应的关系向量与路径向量联系起来，并最小化损失函数，达到优化目标；其中损失函数为式中，γ表示设定的边际值，Z表示归一化因子，h表示头实体，r表示关系，t表示尾实体，h′表示随机替换的头实体，r′表示随机替换的关系，t′表示随机替换的尾实体，p表示关系路径，(h,r,t)表示正例关系三元组，(h′,r′,t′)表示随机替换掉头实体h、关系r或尾实体t所构建的负例关系三元组，(h,r′,t)表示随机替换掉关系r所构建的负例关系三元组，S表示正例关系三元组集合，S-表示随机替换掉头实体h、关系r或尾实体t的负例关系三元组集合，S-＝Sh′-∪Sr′-∪St′-＝{(h′,r,t)}∪{(h,r′,t)}∪{(h,r,t′)}，Sr′-表示随机替换掉关系r的负例关系三元组集合，P(h,t)表示连接头尾实体对的关系路径的集合，E(h,r,t)表示正例关系三元组的得分函数，E(h′,r′,t′)表示负例关系三元组的得分函数，R(p|h,t)表示头尾实体对的关系路径的可靠性，E(p,r)表示正例路径三元组的得分函数，E(p,r′)表示负例路径三元组的得分函数。

2.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

1中，所述翻译模型为PTransE翻译模型。

3.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，采用随机梯度下降方法最小化损失函数。

4.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，归一化因子Z为：

Z＝∑p∈P(h,t)R(p|h,t)

式中，p表示关系路径，P(h,t)表示连接头尾实体对的关系路径的集合，R(p|h,t)表示头尾实体对的关系路径的可靠性。

5.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，正例关系三元组(h,r,t)的得分函数E(h,r,t)为：式中，h表示头实体向量，t表示尾实体向量，r表示头实体和尾实体之间的关系向量，L1表示L1范式，L2表示L2范式。

6.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，负例关系三元组(h′,r′,t′)的得分函数E(h′,r′,t′)分为以下三种情况：当随机替换掉头实体h时：

当随机替换掉关系r时：

当随机替换掉尾实体t时：

式中，h′表示随机替换的头实体向量，r′表示随机替换的关系向量，t′表示随机替换的尾实体向量，L1表示L1范式，L2表示L2范式。

7.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，对于相同的头实体h和相同的尾实体t来说，正例关系三元组(h,r,t)对应的正例路径三元组(h,p,t)的得分函数E(p,r)为：式中，r表示头实体和尾实体之间的关系向量，p表示头实体和尾实体之间的路径向量，α为动态因子向量，L1表示L1范式，L2表示L2范式。

8.根据权利要求1所述的一种基于动态路径的知识图谱表示学习方法，其特征是，步骤

2中，对于相同的头实体h和相同的尾实体t来说，负例关系三元组(h,r′,t)对应的正例路径三元组(h,p,t)的得分函数E(p,r′)为：式中，r′表示随机替换的关系向量，p表示头实体和尾实体之间的路径向量，α为动态因子向量，L1表示L1范式，L2表示L2范式。