[發明專利]知識表示方法、系統、存儲介質以及計算機設備

在審

• 申請號: 202011107288.4
• 申請日: 2020-10-16
• 公開（公告）號: CN114386607A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 王斌鋒;喬建行;馬征
• 申請（專利權）人: 北京鴻享技術服務有限公司
• 主分類號: G06N5/02
• 分類號: G06N5/02;G06F16/36;G06K9/62
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 王玉雙;朱穎嫻

本發明適用于知識表示技術領域，提供了一種知識表示方法、系統、存儲介質以及計算機設備，所述知識表示方法基于現有的知識圖譜，包括：獲取用戶下載的多個軟件，獲取多個所述軟件對應的標簽；獲取各個所述標簽的相似標簽；將所述標簽以及所述相似標簽構成三元組，所述三元組為第一三元組，所述第一三元組形成第一知識圖譜；將所述現有的知識圖譜與所述第一知識圖譜進行融合形成第二知識圖譜；所述第二知識圖譜中的三元組為第二三元組；基于廣度優先搜索算法BFS對所述第二知識圖譜進行采樣，獲得樣本三元組；對所有所述樣本三元組進行表示學習。借此，本發明可以豐富知識和提高泛化性能。

技術領域

本發明涉及知識表示技術領域，尤其涉及一種知識表示方法、系統、存儲介質以及計算機設備。

背景技術

在計算機視覺、自然語言處理、推薦系統，神經網絡、深度學習的應用越來越廣泛。在深度學習的應用過程中，Embedding這樣一種將離散變量轉變為連續向量的方式為神經網絡在各方面的應用帶來了很大幫助。其中基于知識圖譜表示學習已經獲得了廣泛關注，且已在一些工業場景成功落地。

在真實工程應用中，存在人工標記知識或者知識缺失的情況。人工標記知識成本較高，且將人力浪費在標注數據上，如果知識欠缺那么會導致知識表達不夠充分，學習效果不好的問題。同時，目前的知識圖譜表示學習，大多數主要基于直接相連的三元組構建訓練數據，泛化性低以及難以學習網絡結構表達。

綜上所述，現有技術在實際使用上顯然存在不便與缺陷，所以有必要加以改進。

發明內容

針對上述的缺陷，本發明的目的在于提供一種知識表示方法、系統、存儲介質以及計算機設備，可以豐富知識和提高泛化性能。

為了實現上述目的，本發明提供了一種知識表示方法，基于現有的知識圖譜，包括：

獲取用戶下載的多個軟件，獲取多個所述軟件對應的標簽；

獲取各個所述標簽的相似標簽；

將所述標簽以及所述相似標簽構成三元組，所述三元組為第一三元組，所述第一三元組形成第一知識圖譜；

將所述現有的知識圖譜與所述第一知識圖譜進行融合形成第二知識圖譜；所述第二知識圖譜中的三元組為第二三元組；

基于廣度優先搜索算法BFS對所述第二知識圖譜進行采樣，獲得樣本三元組；

對所有所述樣本三元組進行表示學習。

根據所述的知識表示方法，獲取用戶下載的多個軟件，獲取多個所述軟件對應的標簽的步驟包括：

根據所述用戶的軟件下載行為獲取多個所述軟件的ID，構成軟件的ID序列；

分別將多個所述軟件的ID映射為所述軟件對應的標簽的ID，獲得所述標簽的ID序列。

根據所述的知識表示方法，獲取各個所述標簽的相似標簽的步驟包括：

將所述標簽的ID序列中的各個所述標簽的ID進行向量表示；

根據兩兩所述標簽的ID的所述向量表示計算兩兩所述標簽的相似度；

根據兩兩所述標簽的相似度獲得各個所述標簽的相似標簽。

根據所述的知識表示方法，所述將所述標簽的ID序列中的所述標簽的ID進行向量表示的步驟包括：

將所述標簽的ID序列輸入至word2vec模型進行訓練；

基于訓練后的所述word2vec模型獲得所述標簽的ID的Embedding向量表示。