[發明專利]一種融合實體和關系描述的知識圖譜表示學習方法

有效

• 申請號: 201810053803.1
• 申請日: 2018-01-19
• 公開（公告）號: CN108197290B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 古天龍;栗永芳;常亮;李鳳英;祝曼麗;羅義琴
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

1.一種融合實體和關系描述的知識圖譜表示學習方法，其特征是，具體包括步驟如下：

步驟1.通過基于神經網絡的端到端模型對網絡中實體和關系的文本描述信息進行聯合抽取，并利用平衡因子將抽取的實體和關系的文本描述信息與知識圖譜中實體和關系的結構化信息結合，通過實體與關系之間基于翻譯的模型，根據預測對象的不同來定義衡量關系和實體對之間相互關聯的得分函數：

當預測的是頭實體或尾實體時，則得分函數f(h,r,t)定義為：

當預測的是關系時，則得分函數f(h,r,t)定義為：

其中，μ是平衡因子，h是頭實體向量，t是尾實體向量，r是頭實體和尾實體之間的關系向量，h_s是頭實體的結構化向量，t_s是尾實體的結構化向量，r_s是關系的結構化向量，h_d是頭實體的文本描述向量，t_d是尾實體的文本描述向量，r_d是關系的文本文本描述向量，L₁是范式，L₂是L₂范式；

步驟2.基于得分函數建立實體與關系的損失函數，并通過最小化損失函數來學習結構化信息與文本信息融合之后的實體和關系，以達到優化目標。

2.根據權利要求1所述的一種融合實體和關系描述的知識圖譜表示學習方法，其特征是，步驟1中，平衡因子μ的取值范圍為[0,1]。

3.根據權利要求1所述的一種融合實體和關系描述的知識圖譜表示學習方法，其特征是，步驟2中，所建立的損失函數L為：

其中，[f(h,r,t)+γ-f(h',r,t')]₊＝max(0,f(h,r,t)+γ-f(h',r,t'))；γ為設定的邊界值；(h,r,t)表示知識圖譜的三元組即正例三元組，h表示頭實體，t表示尾實體，r表示頭實體和尾實體之間的關系，f(h,r,t)表示正例三元組的得分函數，S(h,r,t)表示正例三元組集合；(h',r,t')表示隨機替換掉頭實體h和尾實體t所構建的負例三元組，f(h',r,t')表示負例三元組的得分函數，S′(h,r,t)表示負例三元組集合。

4.根據權利要求1或3所述的一種融合實體和關系描述的知識圖譜表示學習方法，其特征是，步驟2中，采用隨機梯度下降算法最小化損失函數。