[發明專利]知識圖譜關系推理方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201810065416.X
• 申請日: 2018-01-23
• 公開（公告）號: CN108446769B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 康平陸;楊新宇;紀超杰
• 申請（專利權）人: 深圳市阿西莫夫科技有限公司
• 主分類號: G06N5/04
• 分類號: G06N5/04;G06N20/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種知識圖譜關系推理方法，所述方法包括：

獲取預定義的知識規則，根據所述預定義的知識規則更新當前知識圖譜；當前知識圖譜是根據知識庫建立的；

提取當前知識圖譜中的實體集和關系集，根據所述實體集和關系集得到當前第一三元組集；其中，實體集指的是知識圖譜中所有的實體所組成的集合，關系集指的是知識圖譜中所有的關系所組成的集合，三元組指的將知識以（頭實體，關系，尾實體）的形式進行表示，頭實體指的是在語料中充當主語的實體，尾實體指的是在語料中充當賓語的實體；

從所述當前第一三元組集中提取匹配所述預定義的知識規則的三元組得到當前第一訓練集；

將當前第一訓練集作為當前授課模型的訓練樣本同時作為當前學習模型的輸入，采用第一損失函數訓練當前授課模型并使得所述授課模型的輸出擬合當前學習模型的輸出，得到訓練好的當前授課模型及更新后的當前第一三元組集；

將所述更新后的當前第一三元組集作為當前學習模型的訓練樣本同時作為當前授課模型的輸入，采用第二損失函數訓練當前學習模型并使得當前學習模型的輸出擬合當前授課模型的輸出，得到訓練好的當前學習模型及更新后的當前第一訓練集并進入將當前第一訓練集作為當前授課模型的訓練樣本同時作為當前學習模型的輸入的步驟，直至訓練結果滿足收斂條件，得到目標學習模型；

獲取目標實體，根據所述目標學習模型進行推理得到所述目標實體對應的推理結果。

2.根據權利要求1所述的方法，其特征在于，所述提取知識圖譜中的實體集和關系集，根據所述實體集和關系集得到當前第一三元組集的步驟包括：

將實體集和關系集初始化為向量表示，得到當前向量集，所述當前向量集包括實體集對應的第一子向量集以及關系集對應的第二子向量集；

根據所述第一子向量集及第二子向量集得到當前第一三元組集。

3.根據權利要求2所述的方法，其特征在于，所述步驟根據所述第一子向量集及第二子向量集得到當前第一三元組集的步驟包括：

提取第一子向量集中所有的頭實體、所有的尾實體分別得到頭實體集和尾實體集；

將頭實體集中各個頭實體依次與尾實體集中各個尾實體進行組合得到實體對集；

將實體對集中各個實體對分別與第二子向量集中各個子向量進行組合得到當前第一三元組集。

4.根據權利要求1所述的方法，其特征在于，所述獲取目標實體，根據所述目標學習模型進行推理得到所述目標實體對應的推理結果的步驟包括：

根據當前目標實體從所述知識圖譜中提取預設跳數內的實體和關系，得到備選實體集合和備選關系集；

根據所述備選實體集合和所述備選關系集得到第二三元組集，將所述第二三元組集依次輸入所述學習模型得到各個第二三元組對應的預測結果。

5.根據權利要求1-3任意一項所述的方法，其特征在于，當訓練結果滿足收斂條件時，還得到目標授課模型，所述根據所述目標學習模型進行推理得到所述目標實體對應的推理結果的步驟包括：

根據所述目標實體及目標學習模型得到第一預測結果；

所述方法還包括：

根據目標實體及目標授課模型得到第二預測結果；

將第一預測結果、第二預測結果進行加權得到目標預測結果。