[發(fā)明專利]面向多源知識圖譜融合的實(shí)體對齊方法、裝置與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110726190.5
• 申請日: 2021-06-29
• 公開（公告）號: CN113641826A
• 公開（公告）日: 2021-11-12
• 發(fā)明（設(shè)計）人: 鄂海紅;林學(xué)淵;宋文宇;宋美娜
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張夢瑤

本申請公開一種面向多源知識圖譜融合的實(shí)體對齊方法、裝置與系統(tǒng)，涉及大數(shù)據(jù)處理技術(shù)領(lǐng)域，該方案包括：提取知識圖譜中實(shí)體的實(shí)體特征，根據(jù)實(shí)體的實(shí)體特征生成實(shí)體嵌入矩陣，并根據(jù)實(shí)體嵌入矩陣獲取知識圖譜的實(shí)體表示；根據(jù)實(shí)體表示計算實(shí)體與相鄰實(shí)體的關(guān)系信息，根據(jù)關(guān)系信息增強(qiáng)實(shí)體表示得到完整實(shí)體表示；依據(jù)完整實(shí)體表示獲取最終實(shí)體嵌入矩陣；根據(jù)最終實(shí)體嵌入矩陣和數(shù)據(jù)集計算損失函數(shù)；采用雙向全局過濾策略對損失函數(shù)和實(shí)體的屬性信息進(jìn)行處理生成迭代正樣本集和迭代負(fù)樣本集，通過樣本集對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練。上述方案解決了現(xiàn)有技術(shù)中實(shí)體與關(guān)系之間的影響交互不足和低質(zhì)量自舉的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種面向多源知識圖譜融合的實(shí)體對齊方法、裝置與系統(tǒng)。

背景技術(shù)

知識圖譜(Knowledge Graph，簡稱KG)，由點(diǎn)(實(shí)體)和邊(實(shí)體間的關(guān)系，實(shí)體屬性)組成，在人工智能的多項(xiàng)研究與應(yīng)用中扮演著舉足輕重的角色，它作為問答、推薦系統(tǒng)等領(lǐng)域的技術(shù)基石，受到了廣泛關(guān)注。廣泛應(yīng)用于知識驅(qū)動的AI任務(wù)，如問答模型、推薦系統(tǒng)、搜索引擎等等。通用知識圖譜及領(lǐng)域知識圖譜由不同組織機(jī)構(gòu)、專家或自動化及半自動化系統(tǒng)構(gòu)建形成，彼此之間存在著知識的重疊和交叉，因此，合并(融合)兩個知識圖譜對擴(kuò)大現(xiàn)有知識圖譜、提升下游任務(wù)等有特殊意義。

實(shí)體對齊是多源知識圖譜自動融合(合并/集成)的關(guān)鍵步驟，其效果和知識圖譜自動融合(合并/集成)的效果直接相關(guān)，因此實(shí)體對齊算法的準(zhǔn)確率尤為重要。由于不同的知識圖譜對于實(shí)體各方面信息的表達(dá)差異性較大，現(xiàn)有針對實(shí)體對齊的方法，大多基于圖神經(jīng)網(wǎng)絡(luò)模型(GNN)、基于卷積的模型、基于膠囊網(wǎng)絡(luò)的模型等模型，通過知識圖譜特有的三元組結(jié)構(gòu)的學(xué)習(xí)來傳播對齊信息，但是以下缺點(diǎn)：

(1)交互不足。對實(shí)體為中心的模型來說，實(shí)體和關(guān)系之間的隱性交互是很難建模的，和關(guān)系為中心的模型恰恰相反。而現(xiàn)有技術(shù)的工作集中在圖的連通性上，忽略了關(guān)系類型、關(guān)系方向、實(shí)體信息對關(guān)系表示的貢獻(xiàn)等等。

(2)低質(zhì)量自舉。為解決缺少預(yù)對齊種子數(shù)據(jù)的缺點(diǎn)提出的自舉方法認(rèn)為，如果模型對其預(yù)測的結(jié)果有信心，那這個結(jié)果應(yīng)該視為正確，作為額外的數(shù)據(jù)也加入模型訓(xùn)練，這樣模型效果還能提升，BootEA、MRAEA都是優(yōu)秀且經(jīng)典的自舉方法，但都嚴(yán)重依賴于模型本身的效果，而且生成的數(shù)據(jù)錯誤率高，質(zhì)量低，且只能生成正例，不能生成負(fù)例，這導(dǎo)致對預(yù)測結(jié)果利用率較低的問題。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種面向多源知識圖譜融合的實(shí)體對齊方法，對實(shí)體和關(guān)系之間的隱性交互進(jìn)行了建模，提高了實(shí)體與關(guān)系之間的交互；其次，根據(jù)損失函數(shù)和實(shí)體的屬性信息，采用結(jié)合屬性的雙向全局過濾策略(ABGS)的迭代策略來生成高質(zhì)量的半監(jiān)督數(shù)據(jù)，且進(jìn)一步生成包含正例和負(fù)例的“對齊實(shí)體對”，以降低生成的數(shù)據(jù)錯誤率，和提高對預(yù)測結(jié)果的利用率。

本發(fā)明的第二個目的在于提出一種面向多源知識圖譜融合的實(shí)體對齊裝置。

本發(fā)明的第三個目的在于提出一種面向多源知識圖譜自動化集成的數(shù)據(jù)服務(wù)系統(tǒng)。

本發(fā)明的第四個目的在于提出一種非臨時性計算機(jī)可讀存儲介質(zhì)。

為達(dá)上述目的，本申請第一方面實(shí)施例提出了一種面向多源知識圖譜融合的實(shí)體對齊方法，包括：

提取知識圖譜中實(shí)體的實(shí)體特征，根據(jù)所述實(shí)體的實(shí)體特征生成實(shí)體嵌入矩陣，并根據(jù)所述實(shí)體嵌入矩陣獲取所述知識圖譜的實(shí)體表示；

根據(jù)所述實(shí)體表示計算所述實(shí)體與所述相鄰實(shí)體的關(guān)系信息，并根據(jù)所述關(guān)系信息增強(qiáng)所述實(shí)體表示，以得到所述知識圖譜的完整實(shí)體表示；

根據(jù)所述完整實(shí)體表示獲取完整實(shí)體嵌入矩陣，根據(jù)所述完整實(shí)體嵌入矩陣獲取最終實(shí)體嵌入矩陣；