[發明專利]三元組的篩選方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202110465765.2
• 申請日: 2021-04-28
• 公開（公告）號: CN113495964A
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 陳歡歡;王新;王翔宇;班泰瑜
• 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;G06F40/216;G06F40/295
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉穎

本申請實施例提供了一種三元組的篩選方法、裝置、設備及可讀存儲介質，獲取三元組庫，在候選三元組中獲取互斥三元組集合，獲取各個互斥三元組的置信度，將互斥三元組集合中置信度高的互斥三元組，作為篩選結果。三元組庫包括多個候選三元組以及候選三元組的信息源，候選三元組從屬于候選三元組的信息源的文本數據中提取，互斥三元組集合中任意兩個互斥三元組為表達的知識同時成立的概率等于0的候選三元組，由于，互斥三元組的置信度用于指示互斥三元組的信息源表達知識的概率，互斥三元組集合中置信度高的互斥三元組的準確度高，本方案依據互斥三元組的信息源表達知識的概率從互斥三元組集合中篩選三元組，提高了三元組的準確度。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種三元組的篩選方法、裝置、設備及可讀存儲介質。

背景技術

知識是信息接收者通過對信息的提煉和推理而獲得的正確結論，是人對自然世界、人類社會以及思維方式與運動規律的認識與掌握，是人的大腦通過思維重新組合和、系統化的信息集合。知識圖譜是依據三元組建立的結構化的語義知識庫，可以用來描述事物以及事物間的相互聯系。

三元組是最簡單，應用最普遍的一種知識表達方式，三元組的格式為[第一實體-關系-第二實體]，其中，第一實體和第二實體是具體事物的表達，關系指示第一實體和第二實體之間的聯系，具體包括屬性、類別、值等，例如，三元組1[李明-出生地-上海]，其中“李明”是三元組1中的第一實體，“上?！笔侨M1中的第二實體，“出生地”表示“李明”和“上海”的關系，所以，三元組1 構成了知識圖譜中的一條知識“李明的出生地是上?！?。

在現有技術中，基于預設的規則在文本數據中提取三元組，顯然實體的數量龐大，且實體間的關系復雜因此，現有技術提取的三元組的準確度低。

發明內容

本申請提供了一種三元組的篩選方法、裝置、設備及可讀存儲介質，目的在于提高三元組的準確度，如下：

一種三元組的篩選方法，包括：

獲取三元組庫，所述三元組庫包括多個候選三元組以及每一所述候選三元組的信息源，所述候選三元組從屬于所述候選三元組的信息源的文本數據中提取；

在所述候選三元組中獲取互斥三元組集合，所述互斥三元組集合由多個互斥三元組組成，任意兩個所述互斥三元組為表達的知識同時成立的概率等于0的候選三元組；

獲取所述互斥三元組的置信度，所述互斥三元組的置信度用于指示所述互斥三元組的信息源表達知識的概率；

將所述互斥三元組集合中置信度高的互斥三元組，作為篩選結果。

可選地，候選三元組的獲取過程，包括：

獲取待處理文本數據，所述待處理文本數據包括：以預設實體為搜索條件搜索得到的結果數據；

將所述待處理文本數據的各個文本片段輸入至預先訓練好的三元組預測模型，將所述三元組預測模型的輸出作為候選三元組，所述三元組預測模型以第一樣本文本片段為輸入，以所述第一樣本文本片段中的三元組為目標輸出，訓練得到。

可選地，所述獲取待處理文本數據，包括：

獲取候選文本數據，所述候選文本數據為以所述預設實體為搜索條件，搜索得到的排序前N的結果數據，N為預設數值；

獲取各個所述候選文本數據的文本知識密度，所述候選文本數據的文本知識密度用于指示所述候選文本數據表達知識的概率，所述候選文本數據包括的動詞越多，和/或所述候選文本數據包括的知識片段越多，所述候選文本數據的文本知識密度越大；

若所述候選文本數據的文本知識密度大于第一預設閾值，將所述候選文本數據作為所述待處理文本數據。

可選地，獲取各個所述候選文本數據的文本知識密度，包括：