[發明專利]一種基于表示學習的知識庫實體分類的計算方法

有效

• 申請號: 201710608234.8
• 申請日: 2017-07-24
• 公開（公告）號: CN107545033B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 李涓子;侯磊;金海龍;張鵬
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F40/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李官

1.一種基于表示學習的知識庫實體分類的計算方法，其特征在于，包括：

A：對于給定類別標注的知識庫中的實體，構造詞語-詞語、實體-詞語、類別-詞語、實體-類別一共4個層次的共現網絡，將語義信息整合到4個異構的共現網絡中；

B：基于所述4個異構的共現網絡，利用基于網絡的表示學習算法，學習得到每個實體和類別的向量表示；

C：基于所述實體和類別的向量表示，利用學習排序算法，學習實體和類別的映射矩陣，將實體和類別映射到同一個語義空間中；

D：根據所述向量表示和所述映射矩陣，計算實體和類別之間的相似度，利用自頂向下的搜索方法，給未標注的實體分配類別路徑。

2.根據權利要求1所述的方法，其特征在于，所述步驟A包括：

A1：構造word-word共現網絡G_ww，用于描述在實體描述中詞語級別的共現信息，形式化地表示為G_ww＝(V,E_ww)，每個結點代表一個word，邊上地權重ω_ij表示兩個詞在文本中的共現次數；

A2：構造entity-word共現網絡G_ew，是一個由entity和word構成的二分圖，形式化地表示為G_ew＝(ε∪V,E_ew)，邊上地權重ω_ij表示一個詞語w_j在一個實體e_i的文本描述中出現的次數；

A3：構造type-word共現網絡G_tw，是一個由type和word構成的二分圖，形式化地表示為邊上地權重ω_ij表示一個詞語w_j在一個類型t_i中出現的次數；

A4：構造entity-type共現網絡G_et，是一個由entity和type構成的二分圖，形式化地表示為實體e_i和類別t_j之間存在一條邊ω_ij＝1，當且僅當實體e_i屬于類別t_j；

其中，ω_ij表示一條邊上的權重；w_i表示一個詞語；t_i表示一個類別；e_i表示一個實體；G_ww表示詞語-詞語共現網絡；V表示所有詞語的集合；E_ww表示詞語-詞語共現網絡中邊的集合；G_ew表示實體-詞語共現網絡；ε表示所有實體的集合；E_ew表示實體-詞語共現網絡中邊的集合；G_tw表示類別-詞語共現網絡；表示所有類別的集合；E_tw表示類別-詞語共現網絡中邊的集合；G_et表示實體-類別共現網絡；E_et表示實體-類別共現網絡中邊的集合。