[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

本申請涉及一種知識圖譜關系推理方法、裝置、計算機設備和存儲介質。所述方法包括：提取知識圖譜中的實體集和關系集得到當前三元組集；從當前三元組集中提取匹配預定義的知識規則的三元組得到當前訓練集；根據當前訓練集，采用第一損失函數訓練當前授課模型并使得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三元組集；根據更新后的當前三元組集，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訓練集，重復進行訓練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，根據目標學習模型進行推理得到推理結果。

技術領域

本申請涉及知識圖譜技術領域，特別是涉及一種知識圖譜關系推理方法、裝置、計算機設備和存儲介質。

背景技術

知識圖譜是知識工程中以圖的形式組織的知識集群，其由不同類型的實體作為節點、關系作為連接節點的邊所構成的。在知識圖譜中，實體指真實世界中的客觀物體，或者人類思想中的抽象概念。關系則是描述兩個實體之間的實際關系。

傳統技術中，通過機器學習訓練模型進行關系推理時，通常訓練的模型都是基于具體領域的知識庫進行模型訓練，而由于各個領域之間的數據的相似度特征并不相同，導致在某一個領域訓練出來的模型很難遷移至另一個領域使用，從而使得訓練出來的模型用于關系推理效果并不好。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高關系推理效果的知識圖譜關系推理方法、裝置、計算機設備和存儲介質。

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；

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；

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。

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，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：