[發明專利]動態知識圖譜補全方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010425243.5
• 申請日: 2020-05-19
• 公開（公告）號: CN111881219A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陸韻;沈貝倫;儲宇晗;李永強;陳浩;陳宇;馮遠靜
• 申請（專利權）人: 杭州中奧科技有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06N7/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張磊

1.一種動態知識圖譜補全方法，其特征在于，應用于電子設備，所述方法包括：

獲取待補全的動態知識圖譜的四元組關系式，其中，所述四元組關系式包括頭實體、尾實體、關系及動態事件發生的時間；

通過訓練好的所述動態知識圖譜的概率預測模型對所述待補全的動態知識圖譜的缺失部分進行預測，以獲得多個預測結果及每個預測結果對應的概率，其中，所述待補全的動態知識圖譜的缺失部分包括頭實體、尾實體及關系中的任意一種；

將概率最大的預測結果作為最終預測值對所述待補全的動態知識圖譜進行補全。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

計算聯合概率模型；

通過多個訓練樣本對所述聯合概率模型進行訓練獲得訓練好的概率預測模型，其中，所述訓練樣本包括完整的動態知識圖譜。

3.根據權利要求2所述的方法，其特征在于，計算聯合概率模型，包括：

通過多關系鄰近聚合器獲取所述訓練樣本中的頭實體或尾實體的鄰近領域的特征向量；

根據所述頭實體或尾實體的鄰近領域的特征向量計算所述訓練樣本的聯合概率模型。

4.根據權利要求2所述的方法，其特征在于，所述通過多個訓練樣本對所述聯合概率模型進行訓練獲得訓練好的概率預測模型，包括：

將多個所述訓練樣本輸入至聯合概率模型中進行訓練，并輸出訓練結果，其中，所述訓練結果包括頭實體訓練結果、尾實體訓練結果和關系訓練結果中的任意一種；

通過預測損失函數計算所述訓練結果與期望輸出結果的差異值，并調整所述聯合概率模型的模型參數，其中，所述預測損失函數包括頭實體預測損失函數、尾實體預測損失函數及關系預測損失函數中的至少一種；

重復上述步驟，直至所述訓練結果與期望輸出結果的差異值收斂或達到訓練次數達到預設值，獲得訓練好的所述動態知識圖譜的概率預測模型。

5.根據權利要求3所述的方法，其特征在于，所述通過多關系鄰近聚合器獲取所述訓練樣本中的頭實體或尾實體的鄰近領域的特征向量，包括：

使用以下公式表示所述訓練樣本中的頭實體的鄰近領域的特征向量：

其中，h為頭實體，t為尾實體，τ為動態事件發生的時間，即時間戳，表示在頭實體在時間戳τ下的鄰近領域的頭實體或尾實體的集合，表示集合中全部元素的數量，e_t為尾實體t對應的向量表示。

6.根據權利要求5所述的方法，其特征在于，根據所述頭實體或尾實體的鄰近領域的特征向量計算所述訓練樣本的聯合概率模型，包括：

計算動態知識圖譜在時間戳τ時刻下的條件概率公式：

P(E_τ|G_τ-1,…,G_τ-m-1)∝P(t_τ|_τ,r_τ,{G_τ-1,…,G_τ-m-1})，其中，G_τ＝{(,r,t,τ′)∈G|τ′＝τ}表示在時刻τ發生的動態事件集合，E_τ表示τ時刻發生的事件，且E_τ＝(_τ,r_τ,t_τ)；

將所述訓練樣本中的頭實體的鄰近領域的特征向量f(h,τ)代入所述動態知識圖譜在時間戳τ時刻下的條件概率公式，獲得所述訓練樣本的聯合概率模型：

。

7.一種動態知識圖譜補全裝置，其特征在于，所述裝置應用于電子設備，所述裝置包括：

關系式獲取模塊，用于獲取待補全的動態知識圖譜的四元組關系式，其中，所述四元組關系式包括頭實體、尾實體、關系及動態事件發生的時間；

預測模塊，用于通過訓練好的所述動態知識圖譜的概率預測模型對所述待補全的動態知識圖譜的缺失部分進行預測，以獲得多個預測結果及每個預測結果對應的概率，其中，所述待補全的動態知識圖譜的缺失部分包括頭實體、尾實體及關系中的任意一種；

補全模塊，用于將概率最大的預測結果作為最終預測值對所述待補全的動態知識圖譜進行補全。