[發明專利]半結構化數據的表示學習

在審

• 申請號: 202011021589.5
• 申請日: 2020-09-25
• 公開（公告）號: CN114254180A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 壽林鈞;公明;王雪云;姜大昕
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G06F16/9532
• 分類號: G06F16/9532;G06F16/901;G06F16/832;G06F40/30
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 張立達

1.一種用于獲得目標數據的表示的方法，包括：

獲得目標數據，所述目標數據至少包括半結構化數據；

生成所述目標數據的初始數據表示；

識別所述目標數據中的多個組分之間的關系；以及

基于所述初始數據表示和所述關系來生成所述目標數據的數據表示。

2.根據權利要求1所述的方法，其中，所述關系包括以下至少之一：標題-內容關系、表頭-單元關系、主體-屬性關系、單元-單元關系。

3.根據權利要求1所述的方法，還包括：

生成用于表示所述關系的關系信息，并且

其中，所述生成數據表示包括：

基于所述初始數據表示和所述關系信息來生成所述數據表示。

4.根據權利要求3所述的方法，其中，所述生成關系信息包括：

構建與所述目標數據相對應的圖；以及

從所述圖中導出所述關系信息。

5.根據權利要求4所述的方法，其中，所述構建圖包括：

將所述目標數據中的多個組分設置成多個節點；

確定所述多個節點之間的一組邊；以及

將所述多個節點和所述一組邊組合成所述圖。

6.根據權利要求5所述的方法，其中，所述確定一組邊包括，對于所述多個節點中的每兩個節點：

確定與所述兩個節點相對應的兩個組分之間是否存在關系；以及

響應于確定所述兩個組分之間存在關系，確定所述兩個節點之間存在邊。

7.根據權利要求4所述的方法，其中，所述導出所述關系信息包括：

獲取所述圖中的每兩個節點之間的邊信息；

計算與所述圖中的每個節點相關聯的邊的數量；以及

基于所述邊信息和所述數量來導出所述關系信息。

8.根據權利要求3所述的方法，其中，所述初始數據表示包括多個初始節點表示，所述多個初始節點表示分別對應于所述目標數據中的多個組分，并且所述生成所述數據表示包括：

利用所述關系信息將所述多個初始節點表示更新為多個節點表示；以及

將所述多個節點表示組合成所述數據表示。

9.根據權利要求8所述的方法，其中，所述更新所述多個初始節點表示包括，對于每個初始節點表示：

對與所述初始節點表示相對應的節點的鄰居節點的表示進行聚合；以及

基于經聚合的鄰居節點的表示來更新所述初始節點表示。

10.根據權利要求1所述的方法，其中，所述初始數據表示是通過上下文語言模型來生成的，所述上下文語言模型的預訓練至少包括：

屏蔽目標數據樣本中的與一個或多個組分相對應的全部詞條；以及

對于所述全部詞條中的每個詞條，利用與所述詞條相對應的上下文表示來預測所述詞條。

11.根據權利要求1所述的方法，其中，所述數據表示是通過圖推理模塊來生成的，所述圖推理模塊的預訓練至少包括：

屏蔽目標數據樣本中的與一個或多個組分相對應的全部詞條；以及

對于所述一個或多個組分中的每個組分，利用與所述組分相對應的節點的鄰居節點的表示來預測與所述組分相對應的詞條。

12.根據權利要求1所述的方法，其中，所述目標數據還包括查詢。

13.根據權利要求12所述的方法，其中，所述關系包括所述查詢與所述半結構化數據中的各個組分之間的關系。

14.根據權利要求12所述的方法，還包括：

基于所述數據表示來計算所述查詢與所述半結構化數據之間的匹配度。