1.一种跨语言知识图谱对齐与融合方法，其特征在于，包括如下步骤：

步骤S1、获取两个不同语言的知识图谱网络，根据两个不同语言的知识图谱网络分别建立一阶子图网络，并基于所述一阶子图网络提取实体的一阶子图特征，构建两个不同语言的知识图谱网络中实体的一阶子图特征矩阵；

步骤S2、基于图卷积神经网络GCN构建对齐模型，分别获取两个不同语言的知识图谱网络中实体的结构特征矩阵、属性特征矩阵，并将实体的结构特征矩阵、属性特征矩阵和一阶子图特征矩阵输入到训练好的对齐模型中，获得两个不同语言的知识图谱网络中所有实体的结构特征嵌入向量矩阵、属性特征嵌入向量矩阵、子图特征嵌入向量矩阵，并对三种嵌入向量矩阵进行拼接；

其中，实体的结构特征、属性特征、子图特征三种嵌入向量矩阵的拼接结果的获取方法如式1所示：式中， 分别为知识图谱网络的结构特征嵌入向量矩阵、属性

特征嵌入向量矩阵、子图特征嵌入向量矩阵；P是大小为n×n的邻接矩阵，n是知识图谱网络中实体的数量； I为单位矩阵；是 的对角节点度矩阵；Hs(l)、Ha(l)、Hsgn(l)分别为输入到对齐模型第l层的实体的结构特征矩阵、属性特征矩阵和一阶子图特征矩阵；Ws(l)、Wa(l)、Wsgn(l)分别为实体的结构特征、属性特征、子图特征在对齐模型第l层的权重矩阵；[；]表示两个矩阵的拼接；σ为非线性激活函数；

步骤S3、将两个不同语言的知识图谱网络分别作为待对齐知识图谱网络、目标知识图谱网络，从待对齐知识图谱网络中选取待对齐实体，根据打分函数计算待对齐实体与目标知识图谱网络中各实体之间嵌入向量的相似度；

步骤S4、根据目标知识图谱网络中各实体与待对齐实体的嵌入向量的相似度高低，对目标知识图谱网络中的实体进行排序，获得待对齐实体的候选等效实体；

步骤S5、根据候选等效实体对两个不同语言的知识图谱网络进行融合。

2.根据权利要求1所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S1中，一阶子图特征的提取具体包括：步骤S1.1、从知识图谱的网络结构中检测子图；

步骤S1.2、基于所检测到的子图，构建子图网络；

步骤S1.3、基于one‑hot编码方法，对子图网络中所建立的节点进行编码，得到实体的一阶子图特征。

3.根据权利要求2所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S1.1中，从原知识图谱的网络结构中检测到的子图为线。

4.根据权利要求2所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S1.2中，基于所检测到的子图，构建子图网络的方法包括：遍历所有子图，判断两个子图是否共享知识图谱网络结构中的相同节点或链接，是，则在两个子图之间创建连边，得到子图网络。

5.根据权利要求2所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S1.3中，对子图网络中所建立的节点进行编码的方法为：判断知识图谱网络中的实体是否属于子图网络的节点集合中的某个子图，是，则在相应子图的编码位置标记为1，否，则在相应子图的编码位置标记为0。

6.根据权利要求1所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S3中，根据打分函数计算不同实体之间嵌入向量的相似度，如式5所示：式中，D(ei，ej)表示实体ei、ej之间的相似度；ds、da、dsgn分别为结构特征、属性特征、子图特征三种嵌入向量维度；α、β、γ均为超参数，α+β+γ＝1。

7.根据权利要求1所述的跨语言知识图谱对齐与融合方法，其特征在于，所述步骤S5中，根据候选等效实体对两个不同语言的知识图谱网络进行融合的方法为：对于待对齐知识图谱网络中未对齐的实体，根据目标知识图谱网络中该未对齐实体的等效实体，对将两个不同语言的知识图谱中的实体和关系进行合并，实现两个不同语言的知识图谱网络的融合。

8.根据权利要求1～7任一项所述的跨语言知识图谱对齐与融合方法的装置，其特征在于，包括依次连接的子图特征抽取模块、实体对齐模块、知识图谱融合模块；

所述子图特征抽取模块，用于将两个不同语言的知识图谱网络分别转换为一阶子图网络，并基于所述一阶子图网络提取实体的一阶子图特征，构建两个不同语言的知识图谱网络中实体的一阶子图特征矩阵；

所述实体对齐模块，基于GCN构建对齐模型，分别将两个不同语言的知识图谱网络中实体的结构特征矩阵、属性特征矩阵、一阶子图特征矩阵输入训练好的对齐模型，得到两个不同语言的知识图谱网络中实体的嵌入向量表示，并计算待对齐实体与目标知识图谱网络中所有实体之间嵌入向量的相似度，获取待对齐实体的候选等效实体；其中，实体的结构特征、属性特征、子图特征三种嵌入向量矩阵的拼接结果的获取方法如式1所示：式中， 分别为知识图谱网络的结构特征嵌入向量矩阵、属性

特征嵌入向量矩阵、子图特征嵌入向量矩阵；P是大小为n×n的邻接矩阵，n是知识图谱网络中实体的数量； I为单位矩阵；是 的对角节点度矩阵；Hs(l)、Ha(l)、Hsgn(l)分别为输入到对齐模型第l层的实体的结构特征矩阵、属性特征矩阵和一阶子图特征矩阵；Ws(l)、Wa(l)、Wsgn(l)分别为实体的结构特征、属性特征、子图特征在对齐模型第l层的权重矩阵；[；]表示两个矩阵的拼接；σ为非线性激活函数；

所述知识图谱融合模块，用于根据候选等效实体对两个不同语言的知识图谱网络进行融合。

9.一种存储介质，用于存储程序，其特征在于，所述程序用于实现权利1～7任一项所述的跨语言知识图谱对齐与融合方法。