[发明专利]一种基于深度学习的知识图谱构建方法

权利要求书

1.一种基于深度学习的知识图谱构建方法，其特征在于，包括如下步骤：

步骤1：给定目标文本语句,使用双向长短时记忆循环神经网络模型和条件随机场模型识别所述目标文本语句中的目标实体；

步骤2：使用上下文敏感双向长短时记忆循环神经网络模型抽取两个所述目标实体之间的关系；

步骤3：使用向量空间模型对目标实体进行规范化，并将规范化后的所述目标实体映射到词典概念上；

步骤4：根据所述目标实体、所述目标实体之间的关系和概念构建知识图谱；

所述步骤2具体包括：

步骤21：将词向量e_i作为上下文敏感双向长短时记忆循环神经网络模型的输入，分别从右至左和从左至右循环计算，得到两个第三输出序列h’＝h'₁,h'₂,…h'_i,…h'_n和h”＝h”₁,h”₂,…h”_i,…h”_n；

步骤22：将两个所述第三输出序列h'和h”进行组合运算，得到最终序列h＝h₁,h₂,…h_i,…h_n；

步骤23：根据所述文本语句中任意两个目标实体与对应的词的相对位置将所述最终序列h划分成五组向量，并对每组所述向量进行池化处理，得到对应的五组输出向量；

步骤24：将所述五组输出向量进行串接，将串接后的向量输入至softmax分类器求得所有关系类型的概率，并输出最大概率，即为两个目标实体之间的关系。

2.根据权利要求1所述的基于深度学习的知识图谱构建方法，其特征在于，所述步骤1具体包括：

步骤11:采用双向长短时记忆循环神经网络模型计算所述目标文本语句中每个词x_i对应的所有可能标签的概率Z_i；

步骤12:采用条件随机场对所述目标文本语句中的每一个词x_i进行标注，计算出最优标注序列y^*，并根据所述最优标注序列y^*获取所述目标文本语句中的目标实体。

3.根据权利要求2所述的基于深度学习的知识图谱构建方法，其特征在于，所述步骤11具体包括：

步骤111：采用双向长短时记忆循环神经网络模型在预设查找表中查找所述目标文本语句x＝x₁,x₂,......,x_n中的每一个词x_i对应的词向量e_i；

步骤112：将所述词向量e_i作为双向长短时记忆循环神经网络模型的输入分别从右至左和从左至右扫描，得到两个第一输出序列

步骤113：将两个所述第一输出序列和进行串接，抽取两个所述第一输出序列和的特征，并计算每个词x_i对应的所有可能标签的概率Z_i。

4.根据权利要求3所述的基于深度学习的知识图谱构建方法，其特征在于，所述步骤113中抽取两个所述第一输出序列和的特征，并计算每个词x_i对应的所有可能标签的概率Z_i具体如下：

Z_i＝W₂·h_i′

其中，W₁表示隐层参数矩阵，b₁表示隐层偏置，h_i′表示第一输出序列中第i个值的隐层输出，W₂表示输出层参数矩阵,表示第一输出序列中第i个值,表示第一输出序列中第i个值。