[發明專利]知識圖譜表示學習方法及系統

在審

• 申請號: 202011230923.8
• 申請日: 2020-11-06
• 公開（公告）號: CN112487104A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 胡碧峰;侯樂;趙從志
• 申請（專利權）人: 和美（深圳）信息技術股份有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F40/30;G06F16/36;G06N20/00
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 安娜

本發明提供一種知識圖譜表示學習方法及系統，該方法包括：根據知識圖譜中的三元組的首實體、尾實體以及關系實體，計算初始評價函數；根據所述首實體及對應的實體類型、尾實體及對應的實體類型，計算用于表征屬于相同實體類型的實體之間關系的第一關系參數，以及計算用于表征屬于相關實體類型的實體之間關系的第二關系參數；將所述初始評價函數減去所述第一關系參數與第二關系參數的和作為最終評價函數，通過最小化所述最終評價函數，學習得到所述三元組的向量表示。本發明計算簡單高效，能滿足大規模知識圖譜的時效性要求。

技術領域

本發明涉及領域知識圖譜技術領域，尤其涉及一種知識圖譜表示學習方法及系統。

背景技術

在當前知識表示技術中，考慮層級實體類型作為實體的外部信息方面，主要方法是，將實體類型作為投影矩陣。首先將實體(頭實體/尾實體)映射到投影矩陣，該投影矩陣為各層級實體類型對應的投影矩陣的組合，再計算三元組的得分函數。

該方法考慮了含層級的實體類型，然而，由于每個實體類型都需要學習一個投影矩陣，導致計算復雜度較高，不能滿足大規模知識圖譜的時效性要求。

發明內容

有鑒于此，本發明提供一種知識圖譜表示學習方法以及系統，計算簡單高效，能滿足大規模知識圖譜的時效性要求。

一方面，本發明提供一種知識圖譜表示學習方法，包括:根據知識圖譜中的三元組的首實體、尾實體以及關系實體，計算初始評價函數；其中，所述首實體表示為：所述首實體所屬實體類型的中心向量與所述首實體所屬實體類型指向所述首實體的殘差向量之和；所述尾實體表示為：所述尾實體所屬實體類型的中心向量與所述尾實體所屬實體類型指向所述尾實體的殘差向量之和；

根據所述首實體及對應的實體類型、尾實體及對應的實體類型，計算用于表征屬于相同實體類型的實體之間關系的第一關系參數，以及計算用于表征屬于相關實體類型的實體之間關系的第二關系參數；

將所述初始評價函數減去所述第一關系參數與第二關系參數的和作為最終評價函數，通過最小化所述最終評價函數，學習得到所述三元組的向量表示。

進一步地，所述首實體所屬實體類型的中心向量表示為：所述首實體所屬實體類型的父實體類型的中心向量與所述首實體所屬實體類型的父實體類型指向所述首實體所屬實體類型的殘差向量之和；

所述尾實體所屬實體類型的中心向量表示為：所述尾實體所屬實體類型的父實體類型的中心向量與所述尾實體所屬實體類型的父實體類型指向所述尾實體所屬實體類型的殘差向量之和。

進一步地，根據所述首實體及對應的實體類型、尾實體及對應的實體類型，計算用于表征屬于相同實體類型的實體之間關系的第一關系參數的步驟通過如下公式實現：

其中，e表示實體，ε表示實體集合，t表示實體類型，表示實體類型集合，m_intra表示預設的用于表征同類型實體相似度的參數。

進一步地，根據所述首實體及對應的實體類型、尾實體及對應的實體類型，計算用于表征屬于相關實體類型的實體之間關系的第二關系參數的步驟通過如下公式實現：

其中，t_f表示父實體類型，T_f\{t_f}表示除父實體類型外其余實體類型集合，T_f\{t_f,t_i}表示除父實體類型、當前實體類型外其余實體類型集合，m_inter表示預設的用于表征相關類型實體相似度的參數。

進一步地，其中，m_inter為實體類型層數L的函數，具體為：

其中，N_L為第L層節點的數量。