[發明專利]用于確定知識圖的設備和方法

在審

• 申請號: 202110471472.5
• 申請日: 2021-04-29
• 公開（公告）號: CN113590833A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: H·舒夫;H·阿德爾-武;N·T·武
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/295
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 劉晗曦;劉春元

1.用于確定知識圖（100）的方法，其特征在于以下步驟：為所述知識圖（100）提供（202，302）第一實體，提供（204，304）文本主體（104），提供（206，306）用于模型（102）的輸入數據（106），所述輸入數據是根據所述文本主體（104）和所述知識圖（100）的所述第一實體而定義的，利用所述模型（102）根據所述輸入數據（106）為用于所述知識圖（100）的三元組（112）確定（208，308）針對第二實體（）的預測（）、針對關系（）的預測（）以及確定針對用于所述三元組（112）的解釋（s_t）的預測（s_p），確定（210，310）由所述模型（102）分配給所述三元組（112）的第一概率和由所述模型（102）分配給針對所述解釋（s_t）的所述預測（s_p）的第二概率，根據所述第一概率和所述第二概率確定（212，312）針對所述三元組（112）的分類，以及如果所述分類滿足條件：根據針對所述解釋（s_t）的所述預測（s_p）確定（214，314）所述解釋（s_t）并且根據所述第一實體、針對所述第二實體（）的所述預測（）和針對所述關系（）的所述預測（）確定（214，314）用于所述知識圖（100）的所述三元組（112），其中根據所述第一概率和所述第二概率的特別是經加權的總和定義函數，并且其中根據所述函數訓練用于所述模型（102）的至少一個參數。

2.根據權利要求1所述的方法，其特征在于，提供（302）所述第二實體（）和所述關系（），確定（312）針對所述第二實體（）的所述預測（）與所述第二實體（）之間的表征兩個概率分布的差異的第一度量（CE₁），確定（312）針對所述關系（）的所述預測（）與所述關系（）之間的表征兩個概率分布的差異的第二度量（CE₂），確定（312）針對所述解釋（s_t）的所述預測（s_p）與所述解釋（s_t）之間的特別是加權了（λ_sp）的第三交叉熵的表征兩個概率分布的差異的第三度量（CE₃），其中所述函數是根據所述第一度量（CE₁）、所述第二度量（CE₂）和所述第三度量（CE₃）以及所述第一概率和所述第二概率的特別是加權了（λ_cc）的總和而定義的。

3.根據權利要求2所述的方法，其中，所述函數還是根據所述第一度量（CE₁）、所述第二度量（CE₂）和所述第三度量（CE₃）的總和而定義的。

4.根據權利要求1所述的方法，其中，表征兩個概率分布的差異的所述第一度量（CE₁）是下列中的至少一個：交叉熵、Kullback-Leibler散度和f散度，

和/或其中表征兩個概率分布的差異的所述第二度量（CE₂）是下列中的至少一個：交叉熵、Kullback-Leibler散度和f散度，

和/或其中表征兩個概率分布的差異的所述第三度量（CE₃）是下列中的至少一個：交叉熵、加權了（λ_sp）的交叉熵、Kullback-Leibler散度和f散度。

5.根據權利要求2至4中任一項所述的方法，其特征在于，提供訓練數據，其中所述訓練數據包括大量的由三元組（112）和分配給所述三元組（112）的解釋（s_t）構成的對，其中所述模型（102）包括分類器，根據所述訓練數據訓練所述分類器針對來自所述三元組（112）的所述第一實體確定針對所述關系（）的所述預測（）以及確定針對用于所述三元組（112）的所述解釋（s_t）的所述預測（s_p）。