[發(fā)明專利]知識圖譜多跳推理方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202011242473.4
• 申請日: 2020-11-09
• 公開（公告）號: CN112528033A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設計）人: 李涓子;呂鑫;韓旭;侯磊;張鵬;唐杰;許斌
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 張睿

1.一種知識圖譜多跳推理方法，其特征在于，包括：

若判斷獲知未達到預設的最大跳數，則根據當前訪問實體對應的狀態(tài)和目標知識圖譜中所述當前訪問實體的出邊，獲取所述當前訪問實體對應的動作列表；

根據所述當前訪問實體對應的狀態(tài)和所述當前訪問實體對應的動作列表，獲取所述當前訪問實體對應的動作列表中的一個動作中的實體，作為下一訪問實體；

其中，所述當前訪問實體對應的狀態(tài)包括所述當前訪問實體、待補全三元組中的關系、歷史路徑信息、所述待補全三元組中未知實體的初步預測結果；所述歷史路徑信息，指從所述待補全三元組中的已知實體，經過各訪問實體，到達所述當前訪問實體的路徑；所述當前訪問實體對應的動作列表中的動作，包括所述目標知識圖譜中所述當前訪問實體的擴展關系和所述擴展關系指向的實體；所述擴展關系包括補充關系和所述目標知識圖譜中所述當前訪問實體的出邊表示的關系；任一所述補充關系指向的實體，與所述目標知識圖譜中與所述當前訪問實體的任一出邊指向的實體不同。

2.根據權利要求1所述的知識圖譜多跳推理方法，其特征在于，所述根據當前訪問實體對應的狀態(tài)和目標知識圖譜中所述當前訪問實體的出邊，獲取所述當前訪問實體對應的動作列表之前，還包括：

根據表示學習模型、所述待補全三元組中的已知實體和關系，獲取所述待補全三元組中未知實體的初步預測結果；

其中，所述表示學習模型，是根據所述目標知識圖譜中已有的三元組進行預訓練后獲得的。

3.根據權利要求2所述的知識圖譜多跳推理方法，其特征在于，所述根據當前訪問實體對應的狀態(tài)和目標知識圖譜中所述當前訪問實體的出邊，獲取所述當前訪問實體對應的動作列表的具體步驟包括：

根據所述當前訪問實體對應的狀態(tài)，確定目標知識圖譜中第一數量的關系，作為補充關系；

對于每一補充關系，根據所述表示學習模型、中間三元組中的已知實體和關系，獲取第二數量的所述中間三元組中未知實體的預測結果，作為所述每一補充關系指向的實體；

將各所述補充關系、各所述補充關系指向的實體和所述目標知識圖譜中所述當前訪問實體的出邊，獲取所述當前訪問實體對應的動作列表；

其中，所述中間三元組中的已知實體為所述當前訪問實體，所述中間三元組中的關系為所述每一補充關系。

4.根據權利要求1至3任一所述的知識圖譜多跳推理方法，其特征在于，所述根據所述當前訪問實體對應的狀態(tài)和所述當前訪問實體對應的動作列表，獲取所述當前訪問實體對應的動作列表中的一個動作中的實體，作為下一訪問實體的具體步驟包括：

根據所述當前訪問實體對應的狀態(tài)和所述當前訪問實體對應的動作列表輸入策略網絡，輸出所述當前訪問實體對應的動作列表中的一個動作中的實體，作為所述下一訪問實體；

其中，所述策略網絡，是根據目標知識圖譜中已有的三元組進行訓練后獲得的。

5.根據權利要求3所述的知識圖譜多跳推理方法，其特征在于，所述根據所述當前訪問實體對應的狀態(tài)，確定目標知識圖譜中第一數量的關系，作為補充關系之前，還包括：

根據預設的比例、所述當前訪問實體的出邊的數量和預設的動作數量閾值，獲取補充動作的數量；

根據所述補充動作的數量和所述第二數量，獲取所述第一數量。

6.根據權利要求3或5所述的知識圖譜多跳推理方法，其特征在于，所述根據所述當前訪問實體對應的狀態(tài)，確定目標知識圖譜中第一數量的關系，作為補充關系的具體步驟包括：

根據所述當前訪問實體對應的狀態(tài)，獲取所述目標知識圖譜中各關系的注意力權值；

獲取所述注意力權值最大的所述第一數量的關系，作為所述補充關系。

7.根據權利要求6所述的知識圖譜多跳推理方法，其特征在于，所述根據所述當前訪問實體對應的狀態(tài)，獲取所述目標知識圖譜中各關系的注意力權值的具體步驟包括：

根據多層感知器、softmax函數、所述當前訪問實體對應的狀態(tài)和所述目標知識圖譜中的各關系，獲取所述目標知識圖譜中每一關系的注意力權值。