[发明专利]基于多步关系路径的知识图谱表示学习方法

权利要求书

1.基于多步关系路径的知识图谱表示学习方法，其特征是，具体包括步骤如下：

步骤1、定义关系路径中关系间的组合操作，根据递归构成关系路径的嵌入，通过改进的路径约束分配资源算法来测量关系路径的可靠性；其中改进的路径约束分配资源算法的具体过程是：

首先，统计头实体和尾实体链接的概率λ；

然后，将传统路径约束分配资源算法的传统迭代公式中的概率1替换为上述统计得到的概率λ，得到改进的路径约束分配资源算法的改进迭代公式；

最后，通过给定头实体h的初始资源，并利用改进迭代公式来对路径p进行一步一迭代，得到最终流入尾实体t的资源，即该路径的可靠性R(p|h,t)；

步骤2、基于翻译模型，建立知识图谱中三元组的实体向量与关系向量的关系得分函数，以及实体向量与路径向量的路径得分函数，并根据关系得分函数和路径得分函数建立三元组的总得分函数；

步骤3、建立实体向量与关系向量或实体向量与路径向量的得分函数的损失函数，并通过最小化损失函数，学得实体、关系和路径的向量表示。

2.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤1中，所定义的关系路径中关系间的组合操作为长短时记忆网络。

3.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤2中，

所建立的关系得分函数E(h,r,t)为：

所建立的路径得分函数E(h,p,t)为：

总的得分函数G(h,r,t)为：

其中：h表示头实体，t表示尾实体，r表示关系，p表示路径，L₁表示L₁范式，L₂表示L₂范式，h表示头实体向量，t表示尾实体向量，r表示关系向量，p表示路径向量，R(p|h,t).表示给定头尾实体对(h,t)的关系路径p的可靠性，Z表示归一化因子，P(h,t)表示连接头尾实体对(h,t)的多步关系路径p的集合。

4.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤2中，翻译模型为TransE翻译模型。

5.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤3中，所建立的损失函数L为：

其中：(h,r,t)表示正例关系三元组，(h,p,t)表示正例路径三元组，S＝{(h,r,t)}∪{(h,p,t)}表示正例三元组集合；(h′,r′,t′)表示随机替换掉头实体h、关系r或尾实体t所构建的负例关系三元组，(h,p′,t)表示随机替换掉路径p所构建的负例路径三元组；L(h,r,t)表示关系三元组(h,r,t)基于边际的损失函数，L(h,p,t)表示路径三元组(h,p,t)基于边际的损失函数，R(p|h,t)表示给定头尾实体对(h,t)的关系路径p的可靠性，Z表示归一化因子，γ为设定的边际值，S^-＝{(h′,r,t)}∪{(h,r′,t)}∪{(h,r,t′)}∪{(h,p′,t)}表示负例三元组集合；E(h,r,t)表示正例关系三元组(h,r,t)的得分函数，E(h′,r′,t′)表示负例关系三元组(h′,r′,t′)的得分函数，E(h,p,t)表示正例路径三元组(h,r,t)的得分函数，E(h,p′,t)表示负例路径三元组的得分函数。