1.一种知识图谱的链路预测方法，其特征在于，包括：获取知识图谱中的实体向量和关系嵌入向量；

生成所述实体向量和关系嵌入向量的随机排列；

将随机排列的实体向量和关系嵌入向量整形为矩阵形式；

批量归一化处理矩阵中整形后的实体向量和关系嵌入向量；

对归一化处理后的实体向量和关系嵌入向量使用循环卷积进行卷积，卷积矢量化输出并反馈至全连接层，得到实体嵌入矩阵，预测出知识图谱的链路。

2.如权利要求1所述的知识图谱的链路预测方法，其特征在于，采用整形函数将随机排列的实体向量和关系嵌入向量整形为矩阵形式。

3.如权利要求2所述的知识图谱的链路预测方法，其特征在于，所述整形函数为Chequer函数，Chequer函数用于将随机排列的实体向量和关系嵌入向量中的元素交叉排列成m×n的矩阵，其中，m为构成实体向量的元素数量，其与构成关系嵌入向量的元素数量相同；n为排列的种类。

4.如权利要求2所述的知识图谱的链路预测方法，其特征在于，所述整形函数为Stack函数或Alternate函数。

5.如权利要求1所述的知识图谱的链路预测方法，其特征在于，将每个整形后的排列堆叠为一个单独的通道。

6.如权利要求1所述的知识图谱的链路预测方法，其特征在于，批量归一化处理的公式为：

其中，E[x]和Var[x]分别为均值和标准差；μ，σ分别是均值和标准差；δ、η为可学习参数；x为未批量归一化的数据，y为批量归一化后的数据。

7.如权利要求1所述的知识图谱的链路预测方法，其特征在于，把每个循环卷积的输出展平并连接成一个向量，然后将这个向量投影到嵌入空间，得到实体嵌入矩阵。

8.一种知识图谱的链路预测系统，其特征在于，包括：向量获取模块，其用于获取知识图谱中的实体向量和关系嵌入向量；

随机排列模块，其用于生成所述实体向量和关系嵌入向量的随机排列；

整形模块，其用于将随机排列的实体向量和关系嵌入向量整形为矩阵形式；

批量归一化处理模块，其用于批量归一化处理矩阵中整形后的实体向量和关系嵌入向量；

链路预测模块，其用于对归一化处理后的实体向量和关系嵌入向量使用循环卷积进行卷积，卷积矢量化输出并反馈至全连接层，得到实体嵌入矩阵，预测出知识图谱的链路。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7中任一项所述的知识图谱的链路预测方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的知识图谱的链路预测方法中的步骤。