[發明專利]游戲領域的知識圖譜關系匹配方法、模型構建方法及裝置

有效

• 申請號: 202010191888.7
• 申請日: 2020-03-18
• 公開（公告）號: CN111538843B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 徐波
• 申請（專利權）人: 廣州多益網絡股份有限公司;廣東利為網絡科技有限公司;多益網絡有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/216
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，包括：

獲取開放領域的關系匹配數據集；

基于TFIDF文本相似度的方法，從所述開放領域的關系匹配數據集中獲取適用于所述游戲領域的關系匹配數據集；

采集開放領域的自由文本，并對所述開放領域的自由文本進行預訓練，構建語言模型；其中，所述語言模型為知識圖譜關系匹配所需的模型結構；

根據所述游戲領域的關系匹配數據集，對所述語言模型進行增量訓練，以構建所述游戲領域的知識圖譜關系匹配模型；

所述基于TFIDF文本相似度的方法，從所述開放領域的關系匹配數據集中獲取適用于所述游戲領域的關系匹配數據集，包括：

分別采集開放領域的自由文本集合和所述游戲領域的自由文本集合；

依次獲取所述開放領域的關系匹配數據集中的關系匹配數據，作為待定關系匹配數據；

計算所述待定關系匹配數據中的問題在所述開放領域的自由文本集合中的TFIDF值，作為開放領域分布量；

計算所述待定關系匹配數據中的問題在所述游戲領域的自由文本集合中的TFIDF值，作為游戲領域分布量；

當所述待定關系匹配數據的開放領域分布量與游戲領域分布量的差值小于第一預設閾值時，將所述待定關系匹配數據作為目標關系匹配數據，并加入所述游戲領域的關系匹配數據集。

2.如權利要求1所述的游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，所述獲取開放領域的關系匹配數據集，包括：

采集開放領域的知識圖譜和問答數據集；其中，所述問答數據集中包括至少一個問答對；

將所述問答數據集中的問答對和所述知識圖譜中的三元組進行對齊操作，為每一問答對匹配對應的目標三元組；

將所述問答對的問題與對應目標三元組的關系構造“問題-關系”的關系匹配數據，以形成所述開放領域的關系匹配數據集。

3.如權利要求2所述的游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，所述將所述問答數據集中的問答對和所述知識圖譜中的三元組進行對齊操作，為每一問答對匹配對應的目標三元組，包括：

對所述開放領域的知識圖譜中三元組的客體建立反向索引；

針對每一問答對，從所述開放領域的知識圖譜中檢索出客體為所述問答對的答案的備選三元組；

計算每一所述備選三元組中的主體與關系在所述問答對的問題中的相似度，并獲取相似度最高的備選三元組作為所述問答對的目標三元組。

4.如權利要求3所述的游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，采用基于lcs字符匹配的相似度算法，計算每一所述備選三元組中的主體與關系在所述問答對的問題中的相似度。

5.如權利要求1所述的游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，所述當所述待定關系匹配數據的開放領域分布量與游戲領域分布量的差值小于第一預設閾值時，將所述待定關系匹配數據作為目標關系匹配數據，并加入所述游戲領域的關系匹配數據集之后，包括：

計算所述游戲領域的關系匹配數據集中每一目標關系匹配數據的關系與預設的游戲領域知識圖譜中的關系的相似度；

根據相似度大于第二預設閾值的游戲領域知識圖譜的關系，擴增與其對應的目標關系匹配數據，以擴增后的關系匹配數據集作為所述游戲領域的關系匹配數據集。

6.如權利要求1所述的游戲領域的知識圖譜關系匹配模型構建方法，其特征在于，所述采集開放領域的自由文本，并對所述開放領域的自由文本進行預訓練，構建語言模型，包括：

采集開放領域的自由文本，并采用transformer架構預訓練得到第一語言模型；

在所述第一語言模型中增加雙向LSTM層和attention層，并最后連接sigmoid函數，以形成所述語言模型。