[發明專利]一種知識圖譜處理方法及裝置

在審

• 申請號: 202110205667.5
• 申請日: 2021-02-24
• 公開（公告）號: CN113312488A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 王杰;陳佳俊;賀華瑞;吳楓
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/901;G06F40/30;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 林哲生

本發明公開了一種知識圖譜處理方法及裝置，獲取原始知識圖譜的三元組的集合；對三元組中的關系之間的語義關聯進行建模，確定原始知識圖譜的相關模式和相關系數；基于原始知識圖譜的相關模式和相關系數，確定嵌入向量；獲取三元組與三元組對應的領域連接的局部圖信息；基于局部圖信息確定原始知識圖譜的圖結構信息；基于嵌入向量和圖結構信息，獲取原始知識圖譜中缺失鏈的預測信息；基于缺失鏈的預測信息更新原始知識圖譜，獲得目標知識圖譜。本發明通過相關模式、相關系數和圖結構信息高效利用關系之間的相關性，實現了對知識圖譜的處理，使得提升了基于知識圖譜的模型的處理精度。

技術領域

本發明涉及自然語言處理技術領域，特別是涉及一種知識圖譜處理方法及裝置。

背景技術

知識圖譜是一種用圖模型來描述知識和建模事物之間關聯關系的技術方法。知識圖譜可以分為同構知識圖譜和異構知識圖譜，同構知識圖譜中所有實體為相同類型，所有關系也為相同類型，而異構知識圖譜的實體和關系可以為不同類型。因此，異構知識圖譜包含了更為豐富的信息，對知識推理準確性的提升有很大的幫助。異構知識圖譜一般采用三元組的方法對知識進行表示和存儲，實體對應三元組的起始實體和終止實體，關系對應三元組的關系。

對于現實世界的知識圖譜來說，新的實體不斷涌現，如電子商務知識圖譜中的新用戶和新產品，生物醫學知識圖譜中的新分子等。此外，知識圖譜通常面臨不完全性問題，即一些鏈接的缺失。為了解決這一問題通常會通過歸納鏈接預測完成。歸納鏈接預測的目的是預測知識圖譜中實體之間的缺失鏈接，其中涉及到的實體在訓練和推理階段是不同的。盡管歸納鏈接預測在實際應用中具有重要意義，但許多現有的研究都集中在直推式鏈接預測上，無法處理訓練中不出現的實體。

現有的歸納推理模型主要是通過學習知識圖譜中的邏輯規則來預測缺失鏈接。基于規則學習的方法根據觀察到的關系共現模式顯示地挖掘邏輯規則，這些規則具有內在的歸納性，因為學習的規則是獨立于實體，可以自然地推廣到新的實體。然而，現有的歸納推理方法在預測缺失鏈接沒有考慮相鄰三元組，會使得推理預測過程缺失信息，降低了模型的歸納推理能力，從而使得模型的精準性降低。

發明內容

針對于上述問題，本發明提供一種知識圖譜處理方法及裝置，提升了模型的歸納推理能力以及處理的精準性。

為了實現上述目的，本發明提供了如下技術方案：

一種知識圖譜處理方法，包括：

獲取原始知識圖譜的三元組的集合，所述三元組包括頭實體、尾實體以及所述頭實體和尾實體之間的關系；

對所述三元組中的關系之間的語義關聯進行建模，確定所述原始知識圖譜的相關模式和相關系數，所述相關模式表征所述原始知識圖譜中任意兩個關系之間的相關性與其拓撲結構高度相關的模式，所述相關系數表征所述原始知識圖譜中任意兩個關系之間的語義相關程度；

基于所述原始知識圖譜的相關模式和相關系數，確定嵌入向量；

獲取所述三元組與所述三元組對應的領域連接的局部圖信息；

基于所述局部圖信息確定所述原始知識圖譜的圖結構信息；

基于所述嵌入向量和所述圖結構信息，獲取所述原始知識圖譜中缺失鏈的預測信息；

基于所述缺失鏈的預測信息更新所述原始知識圖譜，獲得目標知識圖譜。

可選地，所述對所述三元組中的關系之間的語義關聯進行建模，確定所述原始知識圖譜的相關模式和相關系數，包括：

基于所述三元組中的關系之間的語義關聯，確定所述三元組的拓撲關系模式；

基于所述拓撲關系模式，將所述原始知識圖譜轉換為關系相關圖，所述關系相關圖中節點表示所述原始知識圖譜中的關系，所述關系相關圖中的邊表示所述原始知識圖譜中任意兩個關系之間的拓撲關系模式；