[發明專利]一種獲取實體訓練集的數據處理系統

在審

• 申請號: 202210927603.0
• 申請日: 2022-08-03
• 公開（公告）號: CN114996413A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 劉羽;張正義;林方;李一
• 申請（專利權）人: 中科雨辰科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/36;G06F40/295;G06K9/62
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 安娜

1.一種獲取實體訓練集的數據處理系統，其特征在于，所述系統包括：數據庫，處理器和存儲有計算機程序的存儲器，其中，所述數據庫包括：預設的實體類型集S={S₁，S₂，...，S_i，...，S_m}，S_i為第i個實體類型列表，i的取值為1到m，m為實體類型數量；

當所述計算機程序被處理執行時，實現以下步驟：

S101、從S中獲取S_i對應的第一實體向量集Tⁱ={Tⁱ₁，Tⁱ₂，...，Tⁱ_r，...，Tⁱ_s}，Tⁱ_r=（Tⁱ_r1，Tⁱ_r2，...，Tⁱ_rg，...，Tⁱ_rzr），Tⁱ_rg為S_i對應的第r個第一實體向量集中的第g個第一實體向量，g的取值為1到zr，zr為S_i對應的第r個第一實體向量集中第一實體向量的數量，r的取值為1到s，s為S_i對應的第一實體向量集的數量；

S103、當zr=K時，對Tⁱ_r進行處理，獲取相似度D⁰，K為預設實體數量閾值；

S105、當D⁰＞d時，將Tⁱ_r存儲至實體訓練集L中，d為預設相似度閾值；

S107、當zr＞K時，對Tⁱ_r進行處理，獲取第二實體向量集B并將B存儲至L中；

其中，S103中對Tⁱ_r進行處理的方式與S107中對Tⁱ_r進行處理的方式不一致。

2.根據權利要求1所述的系統，其特征在于，在S101中，Tⁱ_rg=（ɑ_g、β_g、λ_g、η_g、μ_g），其中，ɑ_g為第g個第一實體向量的本體，β_g為第g個第一向量實體對應的第一關聯關系，λ_g為第g個第一關聯關系對應的第一關聯實體，η_g為第g個第一關聯實體對應的第二關聯關系，μ_g為第g個第二關聯關系對應的第二關聯實體。

3.根據權利要求2所述的系統，其特征在于，所述第一關聯實體為以第一實體為起始點實體進行一跳后的關聯實體，所述第一關聯關系為第一實體與第一關聯實體之間的關聯關系，所述第二關聯關系為第一實體下位一跳關聯實體對應的關聯關系，所述第二關聯實體為以第一實體為起始點實體進行兩跳后的關聯實體。

4.根據權利要求1所述的系統，其特征在于，在S103中，K=2。