[發明專利]知識圖譜建立的方法和裝置

在審

• 申請號: 201910849080.0
• 申請日: 2019-09-09
• 公開（公告）號: CN112463974A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 段戎;胡康興
• 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;G06F16/35
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 王雷;時林

本申請提供了人工智能領域中的一種知識圖譜建立的方法，所述方法包括：獲取語料；對所述語料中的實體進行聚類，以得到目標聚類結果；根據所述目標聚類結果，確定所述語料中的新增實體與種子圖譜中的實體的相似度；根據所述相似度，將所述新增實體添加至所述種子圖譜。通過上述方法，能夠在語料不足的情況下對種子圖譜進行擴展，避免了對人工的依賴。相對于依賴專家手工梳理從而建立知識圖譜的方式，極大的提高了效率，節約人力成本。

技術領域

本申請涉及自然語言處理領域，尤其涉及一種知識圖譜建立的方法及裝置。

背景技術

人工智能(artificial intelligence,AI)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。換句話說，人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。人工智能也就是研究各種智能機器的設計原理與實現方法，使機器具有感知、推理與決策的功能

隨著人工智能技術的不斷發展，讓人機之間能夠通過自然語言進行交互的自然語言人機交互系統變的越來越重要。人機之間能夠通過自然語言進行交互，就需要系統能夠識別出人類自然語言的具體含義。通常，系統通過采用對自然語言的句子進行關鍵信息提取來識別句子的具體含義。

知識圖譜由相互連接的節點和邊組成，提供了從“關系”的角度去分析問題的能力。知識圖譜被越來越多的應用到知識管理中。知識圖譜的每個節點可以是一個實體。可以對包含的實體數量較少的種子圖譜進行擴展，從而實現知識圖譜的建立。開放域知識圖譜的建立一般需要大量語料，語料中包括大量的實體。通過機器學習的方式，確定語料中新增的實體與種子圖譜中的實體的相似度，從而根據相似度將語料中的實體與種子圖譜中的實例連接，建立知識圖譜。

對于語料較少的特定領域，如企業內部或特定的領域，知識圖譜的構建，擴展以及校驗，大量依賴專家經驗，因此建立知識圖譜，工作量大，人工成本高。

發明內容

本申請提供一種知識圖譜建立的方法和裝置，能夠在語料缺乏的情況下，實現知識圖譜的建立。

第一方面，提供一種知識圖譜建立的方法，包括：獲取語料；對所述語料中的實體進行聚類，以得到目標聚類結果；根據所述目標聚類結果，確定所述語料中的新增實體與種子圖譜中的實體的相似度；根據所述相似度，將所述新增實體添加至所述種子圖譜，以建立知識圖譜。

通過對語料中的實體進行聚類，能夠在語料較少的情況下確定語料中的新增實體與種子圖譜中的實體的相似度，對種子圖譜進行擴展，以建立知識圖譜。

結合第一方面，在一些可能的實現方式中，所述對所述語料中的實體進行聚類，以得到目標聚類結果，包括：根據M種初始聚類個數，對所述語料中的實體進行聚類，以得到與所述M種初始聚類個數一一對應的M種初始聚類結果，M為正整數；根據所述種子圖譜中實體的連接關系，從所述M種初始聚類結果中確定所述目標聚類結果。

通過從至少一種初始聚類結果中選擇目標聚類結果，提高目標聚類結果的準確性。

結合第一方面，在一些可能的實現方式中，所述種子圖譜包括與所述語料中的實體相同的共有實體，所述根據所述種子圖譜中實體的連接關系，從所述M種初始聚類結果中確定所述目標聚類結果，包括：根據所述種子圖譜中實體的連接關系以及每一個所述初始聚類結果，確定每一個所述初始聚類結果的分散度和可及性，所述分散度用于表示所述種子圖譜中的每個共有實體的近鄰結構在上所述初始聚類結果中的離散程度，所述近鄰結構由一個共有實體和所述共有實體在所述種子圖譜中的所有相鄰的共有實體組成，所述可及性用于表示在所述初始聚類結果的每個類中所述共有實體在所述種子圖譜中的最短距離；根據所述分散度和所述可及性，從所述初始聚類結果中確定所述目標聚類結果。