[发明专利]基于义原-义项信息提升知识图谱关系预测性能的方法

权利要求书

1.基于义原-义项信息提升知识图谱关系预测性能的方法，其特征在于：该方法的时间步骤如下，

步骤(1)获取知识图谱数据集

所述知识图谱用于描述真实世界中实体及其相互关系，组织成图；知识图谱中存有大量的知识，知识形式为三元组(头实体，关系，尾实体)；

步骤(2)获取知识图谱数据集中三元组所对应的文本描述

步骤(3)获取义原-义项知识库

首先对步骤(1)中获取的知识图谱数据集中所有关系中的单词进行校对，

然后依托校对后的所有单词和步骤(2)获取的全部三元组描述，利用开源的OpenHowNet网站的API——OpenHowNet，获取校对后的所有单词的义原-义项知识库；

步骤(4)将知识图谱中的关系和三元组描述表示为基于义原的one-hot向量

校对后的关系和三元组描述形式相同，表示为V，V由n个单词w_i组成，即

V＝[w₀，w₁，...，w_n]

将全部单词w_i转换成义原的one-hot向量

V的义原的one-hot向量表示为

步骤(5)构建基于义原-义项的PTransE改进模型，并训练得到每一个实体和关系的向量表示；

步骤(6)基于义原-义项的PTransE的知识图谱关系预测

在步骤(5)训练后，得到了训练集S中每一个实体的向量表示和每一个关系的向量表示，关系预测时，对于一对实体，头实体向量表示为h，尾实体向量表示为t；遍历全部关系计算得分，计算时关系的向量表示为r，即三元组(h，r，t)，打分函数如下：

根据打分函数分别计算(h，t)与全部关系r的得分，在计算所有得分之后，将所有(h，r，t)的得分从小到大排名，得分越小排名越高，其中不包括知识图谱数据集正确三元组的前3名为可能成立的三元组。

2.根据权利要求1所述的基于义原-义项信息提升知识图谱关系预测性能的方法，其特征在于：步骤2进一步为，

关于世界知识的知识图谱，通过调用WikipediaAPI从Wikipedia获取相应实体的页面，通过实体名的锚文本、关系和关系的同义词，找到相应三元组的对应描述；

关于领域知识图谱的三元组，根据特定任务，在相应的网站中，通过爬虫进行爬取。