[發明專利]一種使用共享參數卷積神經網絡的知識圖譜表示方法

有效

• 申請號: 202011347873.1
• 申請日: 2020-11-26
• 公開（公告）號: CN112487201B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 王震;杜昊桐;朱培燦;王榕;姚權銘
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 西安瀚匯專利代理事務所(普通合伙) 61279
• 代理人: 汪重慶

本發明提供了一種使用共享參數卷積神經網絡的知識圖譜表示方法；包括如下步驟：將實體表示向量變換成二維的實體表示矩陣；將關系表示向量設置為卷積層的參數；將實體表示矩陣通過兩層卷積層，再通過一層全連接層，得到特征向量；將特征向量與實體嵌入層的參數做點積，得到分類概率。本發明使用的共享參數方法，在兩層卷積網絡中使用了相同的參數，降低了空間資源開銷，相比于兩層不同參數的卷積網絡，使得參數得到充分訓練，提升了表示效果，并提高了使用本發明生成的表示向量進行關系預測任務的準確率。

技術領域

本發明屬于人工智能領域；尤其涉及一種使用共享參數卷積神經網絡的知識圖譜表示方法。

背景技術

隨著互聯網和大數據時代的到來，信息的爆炸式增長帶來了海量的信息冗余，這種從信息缺失到信息過剩的轉變，給人們快速高效地獲取知識帶來了干擾。2012年，谷歌將知識圖譜技術融合到其搜索引擎中，從海量網頁中抽取命名實體及其屬性，并提取它們之間的關系，進行重新整合，大大提升了其搜索效率，知識圖譜的熱度也隨之上升。

知識圖譜是描述現實世界概念、實體及其關系的知識庫，它采用三元組來表示知識，其構成形式為(實體a，關系，實體b)。實體指的是抽象的概念或具體的實例，關系指的是實體之間存在的某種聯系。這樣的關系使其可以基于圖的結構來表示：其中圖的節點表示實體或概念，節點之間的邊表示實體或概念之間的關系。也可以這樣說，知識圖譜是一種描述知識的語義網絡。

現有大型知識圖譜，諸如Wikidata、Yago、DBpedia，富含海量世界知識，但在其構建過程注定會使其中包含的知識不具有完整性,即知識庫無法包含全部的已知知識.此時知識圖譜補全技術就顯得尤為重要,任何現有的知識圖譜都需要通過補全來不斷完善知識本身,甚至可以推理出新的知識。

近年來，表示學習在知識圖譜上的運用獲得了巨大成功，顯著提高了知識圖譜的表示與自動補全性能。表示學習使用分布式表示方法，將實體與關系映射到低維連續向量空間中，解決了之前知識圖譜表示學習中的稀疏性問題，同時也提高了效率。但是，現有的知識圖譜表示學習方法會初始化兩種維度的關系表示矩陣，往往面臨參數量過多，空間復雜度高，訓練效率低下的問題，無法應用到實際場景。因此本發明使用參數共享卷積的表示學習方法，將關系表示作為卷積核參數，直接與實體表示進行卷積運算交互，輸出的結果作為知識圖譜補全的依據。

發明內容

本發明的目的是提供了一種使用共享參數卷積神經網絡的知識圖譜表示方法。

本發明是通過以下技術方案實現的：

本發明涉及一種使用共享參數卷積神經網絡的知識圖譜表示方法，包括如下步驟：

將實體表示向量變換成二維的實體表示矩陣；將關系表示向量設置為卷積層的參數；將實體表示矩陣通過兩層卷積層，再通過一層全連接層，得到特征向量；將特征向量與實體嵌入層的參數做點積，得到分類概率。

具體步驟為：

數據預處理：