[發明專利]表示學習方法及裝置

在審

• 申請號: 201810822334.5
• 申請日: 2018-07-24
• 公開（公告）號: CN110851609A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 賈巖濤;劉冬;李馮福
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

1.一種表示學習方法，其特征在于，所述方法包括：

根據融合文本的知識圖譜的三元組中實體的類型，確定所述實體的類型表示向量，所述實體包括頭實體和尾實體；

根據所述三元組中關系的類型，確定所述關系的類型表示向量；

根據所述實體的文本信息，確定所述實體的上下文表示向量；

根據所述關系的權重值，確定所述關系的上下文表示向量；

根據所述實體的類型表示向量、所述實體的上下文表示向量、所述關系的類型表示向量以及所述關系的上下文表示向量，構建所述三元組的打分函數；

根據所述三元組的打分函數，構建目標函數；

最小化所述目標函數，學習所述實體的表示向量和所述關系的表示向量。

2.根據權利要求1所述的表示學習方法，其特征在于，在所述根據融合文本的知識圖譜的三元組中實體的類型，確定所述實體的類型表示向量之前，所述方法還包括：

初始化所述頭實體的表示向量、所述尾實體的表示向量、所述關系的表示向量、實體類型表示矩陣、關系類型表示矩陣、詞表示矩陣以及權重值的表示向量。

3.根據權利要求2所述的表示學習方法，其特征在于，所述根據融合文本的知識圖譜的三元組中實體的類型，確定所述實體的類型表示向量，包括：

根據所述頭實體的類型，確定所述頭實體的類型標識向量；

根據公式確定所述頭實體的類型表示向量；其中，f₁(h)表示所述頭實體的類型表示向量，W_etype表示所述實體類型表示矩陣，v_etype(h)表示所述頭實體的類型標識向量；

根據所述尾實體的類型，確定所述尾實體的類型標識向量；

根據公式確定所述尾實體的類型表示向量；其中，f₁(t)表示所述尾實體的類型表示向量，v_etype(t)表示所述尾實體的類型標識向量。

4.根據權利要求2所述的表示學習方法，其特征在于，所述根據所述三元組中關系的類型，確定所述關系的類型表示向量，包括：

根據所述關系的類型，確定所述關系的類型標識向量；

根據公式：確定所述關系的類型表示向量；其中，g₁(r)表示所述關系的類型表示向量，W_rtype表示所述關系類型表示矩陣，v_rtype(r)表示所述關系的類型標識向量。

5.根據權利要求2所述的表示學習方法，其特征在于，所述根據所述實體的文本信息，確定所述實體的上下文表示向量，包括：

根據所述頭實體的文本信息，確定與所述頭實體相關的詞；

根據公式：確定所述頭實體的上下文表示向量；其中，f₂(h)表示所述頭實體的上下文表示向量，α、β為取值在0到1之間的常數，v_h表示所述頭實體的表示向量，w_i表示與所述頭實體相關的詞，ε₁表示所有與所述頭實體相關的詞構成的集合，W_word表示詞表示矩陣，V_vocubalary(w_i)表示w_i的標識向量；

根據所述尾實體的文本信息，確定與所述尾實體相關的詞；

根據公式：確定所述尾實體的上下文表示向量；其中，f₂(t)表示所述尾實體的上下文表示向量，v_t表示所述尾實體的表示向量，m_i表示與所述尾實體相關的詞，ε₂表示所有與所述尾實體相關的詞構成的集合，V_vocubalary(m_i)表示m_i的標識向量。