[发明专利]基于分层注意力机制的实体对齐方法及系统

权利要求书

1.一种基于分层注意力机制的实体对齐方法，其特征在于，包括：

将知识图谱中待实体对齐的目标实体数据进行划分，得到词级别实体数据向量和句级别实体数据向量；

根据注意力机制，获取所述词级别实体数据向量之间的词向量相似度，并根据注意力机制，获取所述句级别实体数据向量之间的句向量相似度；

根据所述词向量相似度，获取所述词级别实体数据向量的分配权重参数向量矩阵，并根据所述句向量相似度和杰卡德系数公式，获取所述句级别实体数据向量的分配权重参数向量矩阵，以用于对所述目标实体数据进行实体对齐。

2.根据权利要求1所述的基于分层注意力机制的实体对齐方法，其特征在于，所述根据注意力机制，获取所述词级别实体数据向量之间的词向量相似度，包括：

根据词级别实体数据向量之间的马氏距离和相关距离，获取词级别实体数据向量之间的词向量相似度。

3.根据权利要求2所述的基于分层注意力机制的实体对齐方法，其特征在于，所述根据词级别实体数据向量之间的马氏距离和相关距离，获取词级别实体数据向量之间的词向量相似度，包括：

根据词级别实体数据向量之间的马氏距离和相关距离，构建相似度公式，所述相似度公式为：

其中，Q_w,w'表示实体描述词向量w和实体描述词向量w'之间的相似度值，S^-1表示词向量w的协方差矩阵，T表示矩阵转置，a和β表示权重系数，a+β＝1，0＜a＜1，0＜β＜1。

4.根据权利要求3所述的基于分层注意力机制的实体对齐方法，其特征在于，所述根据注意力机制，获取所述句级别实体数据向量之间的句向量相似度，包括：

根据所述相似度公式，获取句级别实体数据向量中每个词向量之间的相似度；

根据句级别实体数据向量中每个词向量之间的相似度，获取句级别实体数据向量之间的句向量相似度。

5.根据权利要求3所述的基于分层注意力机制的实体对齐方法，其特征在于，所述根据所述词向量相似度，获取所述词级别实体数据向量的分配权重参数向量矩阵，包括：

将所述词级别实体数据向量中每个词向量对应的最高相似度输入到Sigmoid函数中，得到所述词级别实体数据向量的注意力权重；

根据所述词级别实体数据向量的注意力权重，对所述词级别实体数据向量进行加权处理，得到所述词级别实体数据向量的分配权重参数向量矩阵。

6.根据权利要求4所述的基于分层注意力机制的实体对齐方法，其特征在于，在所述根据注意力机制，获取所述句级别实体数据向量之间的句向量相似度之后，所述方法还包括：

根据预设阈值，对杰卡德系数公式进行改进，若句级别实体数据向量中每个词向量之间的相似度大于预设阈值，则将相似度大于预设阈值的两个词向量作为杰卡德系数公式的相同元素，得到调整后的杰卡德系数公式；

根据改进后的杰卡德系数公式，获取所述句级别实体数据向量之间的杰卡德系数。

7.根据权利要求6所述的基于分层注意力机制的实体对齐方法，其特征在于，所述根据所述句向量相似度和杰卡德系数公式，获取所述句级别实体数据向量的分配权重参数向量矩阵，包括：

根据所述杰卡德系数，对所述句级别实体数据向量的最高相似度进行调整，得到调整后的最高相似度；

将所述调整后的最高相似度输入到Sigmoid函数中，得到所述句级别实体数据向量的注意力权重；

根据所述句级别实体数据向量的注意力权重，对所述句级别实体数据向量进行加权处理，得到所述句级别实体数据向量的分配权重参数向量矩阵。