[发明专利]自动知识图谱嵌入方法和系统

说明书

提供了一种自动知识图谱嵌入方法和系统，所述方法包括：建立用于知识图谱嵌入模型的评分函数的统一表示；基于所述统一表示构建评分函数搜索空间；针对特定知识图谱，在所述评分函数搜索空间中搜索出相应评分函数；使用搜索出的所述评分函数来训练所述特定知识图谱的嵌入模型；以及利用所述嵌入模型获得所述特定知识图谱的嵌入表示。

技术领域

本申请涉及人工智能领域中的知识图谱嵌入技术，更具体地讲，涉及一种自动知识图谱嵌入方法和系统。

背景技术

随着信息网络技术的快速发展，各种信息网络数据内容呈现爆炸式增长的态势。这样的内容通常具有大规模、异质多元、组织结构松散的特点，给人们有效获取信息和知识提出了挑战。知识图谱(KG，Knowledge Graph)是语义网络的知识库，能够用可视化技术描述知识资源及其载体，并挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

知识图谱作为一种特殊的图形结构，实体作为节点，关系作为有向边，最近引起了很多人的兴趣。在知识图谱中，每个边缘被表示为具有(头部实体，关系，尾部实体)这一形式的三元组(h，r，t)，以指示两个实体h(即，头部实体)和t(即，尾部实体)通过关系r连接，例如(NewYork，isLocatedIn，USA)可表示NewYork位于USA。在过去的几十年中建立了许多大型知识图谱，例如WordNet，Freebase，DBpedia，YAGO。它们改进了各种下游应用，例如结构化搜索、问答和实体推荐等。

在知识图谱中，一个基本问题是如何量化给定三元组(h，r，t)的相似性，以便可以执行后续应用。最近，知识图谱嵌入(KGE，Knowledge Graph Embedding)已经出现并发展成为用于此目的一种方法。知识图谱嵌入旨在寻找低维度的实体和关系的向量表示(即，嵌入(embedding))，以便可以量化它们的相似性。具体说来，给定一组观察到的事实(即，三元组)，知识图谱嵌入尝试学习该三元组中的实体和关系的低维向量表示，以便可以量化三元组的相似性。可通过评分函数(Score Function)来测量这种相似度，评分函数可用于基于给定关系构建模型以用于衡量实体之间的相似性。要构建知识图谱嵌入模型，最重要的是设计并选择合适的评分函数。由于不同的评分函数在捕捉相似性方面有其自身的弱点和优势，因此评分函数的选择对于知识图谱嵌入的性能至关重要。

通常，评分函数是由人设计和选择的，也是知识图谱嵌入最重要的视角，它可以显著影响嵌入的质量

为了生成高质量的嵌入，评分函数应该具有可扩展性和表现力。可扩展性意味着基于评分函数的知识图谱嵌入模型的参数针对实体和关系的数量不应该增长得比线性更快，而表现力要求评分函数能够处理知识图谱中的共同关系，即对称、反对称、一般不对称和反向关系。

然而，由人类设计的新评分函数提升的性能逐渐变得微不足道。这主要是由于不同的知识图谱在关系中有不同的模式，因此适应一个知识图谱的评分函数可能不会在另一个知识图谱上有一致的表现。此外，如何在众多评分函数中为知识图谱本身选择最好的一个评分函数也已经成为一个非常重要的问题。

发明内容

根据本发明的实施例，提供了一种自动知识图谱嵌入方法，所述方法包括：建立用于知识图谱嵌入模型的评分函数的统一表示；基于所述统一表示构建评分函数搜索空间；针对特定知识图谱，在所述评分函数搜索空间中搜索出相应评分函数；使用搜索出的所述评分函数来训练所述特定知识图谱的嵌入模型；以及利用所述嵌入模型获得所述特定知识图谱的嵌入表示。