[發明專利]知識圖譜學習方法和系統

在審

• 申請號: 202110339803.X
• 申請日: 2021-03-30
• 公開（公告）號: CN112905809A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 張永祺;姚權銘
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/33;G06N20/00
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 田方;曾世驍

1.一種知識圖譜學習方法，所述方法包括：

構建針對知識圖譜嵌入模型的關系矩陣的搜索空間，其中，關系矩陣指示關系嵌入向量中的各個元素的矩陣分布，并且所述搜索空間包括多種關系矩陣；

針對特定知識圖譜任務的使用關系矩陣的函數，在所述搜索空間中搜索對應優化關系矩陣候選的集合，并在所述優化關系矩陣候選的集合中確定與所述函數對應的優化關系矩陣；

基于使用所述優化關系矩陣的所述函數來訓練所述特定知識圖譜任務的嵌入模型；以及

利用所述嵌入模型獲得所述特定知識圖譜任務的嵌入表示，

其中，搜索優化關系矩陣候選的集合的步驟包括：

在所述搜索空間中確定第一數量的關系矩陣作為初始關系矩陣候選的集合，通過對初始關系矩陣候選的集合中的關系矩陣候選進行至少一次迭代更新操作來獲得所述優化關系矩陣候選的集合，

其中，在每次迭代更新操作中通過對當前關系矩陣候選的集合中的關系矩陣候選執行變異操作或交叉操作來生成包括第二數量的新關系矩陣的新關系矩陣集合，并基于所述新關系矩陣集合來更新當前關系矩陣候選的集合中的關系矩陣候選。

2.如權利要求1所述的方法，其中，所述關系矩陣g(r)是與關系嵌入向量r對應的K×K塊矩陣，其中，[g(r)]_ij＝diag(a_ij)，[g(r)]_ij表示關系矩陣g(r)中的第i行第j列的塊，a_ij∈{0，±r₁，...，±r_K}，r₁至r_K是通過將關系嵌入向量r分割為K個子嵌入向量而獲得的，1≤i≤K，1≤j≤K，并且i、j和K是正整數。

3.如權利要求2所述的方法，其中，

所述變異操作包括：以預定概率將從當前關系矩陣候選的集合中選擇的關系矩陣候選中的每個塊的值變異為其他塊值，以生成新關系矩陣，

所述交叉操作包括：從當前關系矩陣候選的集合中選擇兩個關系矩陣候選，并使新關系矩陣中的每個塊復用所述兩個關系矩陣候選之一的對應塊。

4.如權利要求2所述的方法，其中，包括在所述新關系矩陣集合中的新關系矩陣滿足以下約束條件(1)-(4)：

(1)在先前已被估計過模型性能的關系矩陣中不存在與所述新關系矩陣等效的關系矩陣；

(2)所述新關系矩陣中沒有零行和/或零列；

(3)所述新關系矩陣包括關系嵌入向量r的所有K個子嵌入向量r₁至r_K；并且

(4)所述新關系矩陣中沒有重復的行和/或列。

5.如權利要求4所述的方法，其中，所述初始關系矩陣候選的集合中的關系矩陣候選具有K個非零塊。

6.如權利要求2或4所述的方法，其中，基于所述新關系矩陣集合來更新當前關系矩陣候選的集合中的關系矩陣候選的步驟包括：

使用預設預測器來獲得所述新關系矩陣集合中的每個新關系矩陣的性能，并選擇性能最高的第三數量的新關系矩陣以形成分別對應的第三數量個所述函數；

基于所述第三數量個所述函數分別對所述特定知識圖譜任務的嵌入模型進行訓練，并對經過訓練的各個嵌入模型進行估計以確定所述第三數量個所述函數的對應模型性能；

基于所述第三數量個所述函數的對應模型性能，利用所述第三數量的新關系矩陣來更新所述關系矩陣候選的集合；

將第三數量的新關系矩陣及其對應模型性能存儲在預設記錄集合中，并基于所述預設記錄集合中存儲的關系矩陣及其對應模型性能來更新所述預測器。