[發明專利]一種基于圖卷積神經網絡的產業圖譜融合方法

有效

• 申請號: 201911394386.8
• 申請日: 2019-12-30
• 公開（公告）號: CN111159426B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 熊盛武;陳小英;陳偉;王盛;謝澤豐
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N3/0464;G06N3/0499;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

本發明公開了一種基于圖卷積神經網絡的產業圖譜融合方法，基于構建的若干產業子圖譜，通過構建圖譜的局部實體子圖，利用圖譜中的屬性三元組的屬性嵌入將實體的結構嵌入轉換到相同的向量空間當中，形成實體嵌入向量，將實體對齊問題轉換為圖匹配的問題，進一步利用圖注意力的方法，形成局部匹配向量，在通過GCN使局部匹配信息在圖中傳播，形成圖級的匹配向量，最終通過一個雙層的前饋神經網絡得到圖譜中實體對齊。本發明通過屬性嵌入將實體的結構嵌入轉換到相同向量空間中，緩解了預對齊實體不足的問題，進一步利用圖注意力將圖譜中實體對齊問題轉化為圖匹配問題。為優化產業結構，優化區域結構，提升產業核心競爭力，提供了智力支持。

技術領域

本發明屬于深度學習與自然語言處理技術領域，涉及一種基于圖卷積神經網絡的產業圖譜融合方法，為宏觀經濟領域提供決策支持。

背景技術

近年來，人工智能在全球蓬勃發展，其成功離不開知識圖譜的貢獻。構建以工業領域汽車產業為代表的特定領域知識圖譜，為推進湖北新型工業化進程，優化產業結構，優化區域結構，提升產業核心競爭力，服務于全省工業高質量發展提供了智力支持。本發明專利主要是通過實體對齊技術將汽車產業領域新能源汽車產業圖譜、燃油汽車產業圖譜、網聯汽車產業圖譜有效融合，形成包含產業結構、產業分布、產業分工、產業內企業關系等因素的汽車產業圖譜。

當前實體對齊技術，傳統的方法主要分為兩種：一種是基于實體的標簽信息。在實際的應用過程中效果并不是很理想，并且跨語言的知識圖譜實體對齊很大程度上取決與機器翻譯的效果；另一種是基于人工定義特征。這種方法在不同的問題背景下涉及的特征有所不同，很難遷移到其他應用場景。近幾年，基于嵌入表示的學習方法越來越流行，主要是通過將知識圖譜中的關系三元組以及屬性三元組中的實體映射為低維向量空間中的一個點。在現行的技術實現中，多是關注知識圖譜中的關系三元組，考慮到其局部結構信息，但是很少有工作考慮到屬性三元組的信息。因此在實體對齊的過程中，考慮到圖譜中大量的屬性三元組，利用圖級的全局匹配信息對于圖譜融合非常重要。

發明內容：

為了解決上述技術問題，本發明提供了一種基于圖卷積神經網絡的產業圖譜融合方法。

本發明所采用的技術方案是：一種基于圖卷積神經網絡的產業圖譜融合方法，其特征在于，包括以下步驟：

步驟1：基于構建的若干產業子圖譜，將產業子圖譜內實體、關系以及屬性向量化；

步驟2：通過構建與當前實體直接相連的鄰接實體集合，得到實體的局部子圖，將實體局部子圖中的三元組分為屬性三元組h，r，a和關系三元組h，r，t；其中，h表示三元組中頭實體的嵌入向量，r表示三元組中關系的嵌入向量，a表示屬性三元組中屬性值向量，t表示三元組中尾實體的嵌入向量。

步驟3：在實體局部子圖中使用實體的屬性字符嵌入將實體的結構嵌入轉換到同一向量空間當中，得到同一向量空間不同知識圖譜中實體的嵌入表示；

步驟4：將知識圖譜中實體對齊的問題轉換為實體局部子圖的圖匹配問題，進一步利用圖注意力方法，首先獲得實體局部子圖中實體的局部匹配向量；

步驟5：利用圖卷積神經網絡GCN，在整個圖中傳播局部匹配信息，為每個實體局部子圖生成一個圖級的全局匹配向量；

步驟6：將圖級的全局匹配向量作為一個雙層前饋神經網絡輸入，并在輸出層運用softmax函數獲得最后實體對齊的概率。

本發明基于構建的若干產業子圖譜，通過構建圖譜的局部實體子圖，利用圖譜中的屬性三元組的屬性嵌入將實體的結構嵌入轉換到相同的向量空間當中，形成實體嵌入向量，將實體對齊問題轉換為圖匹配的問題，進一步利用圖注意力的方法，形成局部匹配向量，在通過GCN使局部匹配信息在圖中傳播，形成圖級的匹配向量，最終通過一個雙層的前饋神經網絡得到圖譜中實體對齊。