[發明專利]知識圖譜中三元組真實性檢測方法和裝置

有效

• 申請號: 202010417038.4
• 申請日: 2020-05-18
• 公開（公告）號: CN111339321B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 譚真;趙翔;王俞涵;郭得科;李欣奕;徐浩;肖衛東
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06K9/62;G06N3/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 董惠文

本申請涉及一種知識圖譜中三元組真實性檢測方法和裝置。所述方法包括：從文本中提取描述知識圖譜中三元組結構信息的第一向量和描述知識圖譜中三元組描述信息的第二向量，將第一向量和第二向量進行融合，得到融合向量，根據預先設置的膠囊網絡的網絡結構，構建用于定義三元組得分的評分函數，根據評分函數，構建用于訓練膠囊網絡的損失函數，根據融合向量構建樣本集，根據樣本集和損失函數對膠囊網絡模型進行訓練，得到訓練好的膠囊網絡，將待預測三元組對應的融合向量輸入訓練好的膠囊網絡，根據評分函數的輸出值，確定三元組的關系是否準確。采用本方法能夠提高三元組真實性檢測的準確率。

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中三元組真實性檢測方法和裝置。

背景技術

自Google于2012年首次提出知識圖譜的概念以來，它就以非常快的速度在人工智能領域發展。如今，與知識圖譜相關的研究和工作在人工智能的各個領域中都發揮了舉足輕重的作用。就其本身而言，知識圖譜通常以三元組(head, relation, tail)的方式存儲。三元組可顯示圖譜內部結構和關系的特征。近年來，關于表示學習，關系預測和圖譜補全的研究是基礎部分。它們也是知識圖譜中最重要的部分。有許多相關方法，例如TransE(Bordes et al., 2013), DistMult (Yang et al., 2014), ComplEx (Trouillon etal., 2016), ProjE (Shi and Weninger, 2017b) and RDF2Vec (Ristoski andPaulheim, 2016).這些方法的共同特點是對三元組真實性的判斷。有些人還使用膠囊網絡(Dai Quoc Nguyen et al., 2019)來判斷知識圖譜三元組的真實性。

知識圖在現實中應用時，通常會有新的實體出現。這些實體不在知識圖中，但是我們還需要判斷它們是否與圖中的實體有關系。在應用中使用知識圖譜時，如果僅使用或檢索圖譜中的實體和關系，即知識圖在使用過程中不再更改和更新，則我們將這種知識圖稱為靜態知識圖譜。在應用中，我們將使用和檢索不在知識圖譜中的實體，也就是說，知識圖譜在使用過程中發生更改和更新。我們稱這種知識圖譜為開放世界知識圖譜。例如，在回答“Is Beijing the capital of china”的問題時，我們需要判斷三元組(Beijing,capital_of, China)是否正確。如果三元組中的Beijing不是知識圖譜中的實體，那么在這種情況下，我們將此知識圖譜稱為開放世界知識圖。

然而傳統的三元組真實性檢測方法，是基于三元組中實體和關系的向量進行預測，無法體現實體與關系之間的關聯，從而導致三元組真實性檢測不準確。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠解決三元組真實性檢測不準確問題的知識圖譜中三元組真實性檢測方法和裝置。

一種知識圖譜中三元組真實性檢測方法，所述方法包括：

從文本中提取描述知識圖譜中三元組結構信息的第一向量和描述知識圖譜中三元組描述信息的第二向量；

將所述第一向量和所述第二向量進行融合，得到融合向量；

根據預先設置的膠囊網絡的網絡結構，構建用于定義三元組得分的評分函數；

根據所述評分函數，構建用于訓練所述膠囊網絡的損失函數；

根據所述融合向量構建樣本集，根據所述樣本集和所述損失函數對所述膠囊網絡模型進行訓練，得到訓練好的膠囊網絡；

將待預測三元組對應的融合向量輸入訓練好的膠囊網絡，根據所述評分函數的輸出值，確定三元組的關系是否準確。

在其中一個實施例中，還包括：從文本中提取知識圖譜中的三元組；將所述三元組輸入預先訓練的TransE模型，得到描述知識圖譜中三元組結構信息的第一向量。