[发明专利]用于生成节点的向量表示的方法和装置

权利要求书

1.一种用于生成节点的向量表示的方法，包括：

获取树结构中的节点的标识和相似节点集合，其中，所述节点是知识图谱中的实体；

构造向量化模型，其中，所述向量化模型的参数是所述节点的初始向量表示；

将所述节点的标识作为输入，将所述节点的相似节点集合作为输出，通过迭代更新所述节点的初始向量表示对所述向量化模型进行训练，直至所述向量化模型收敛，得到所述节点的向量表示，其中，所述向量化模型的参数为所述节点的初始向量表示；

在深度学习NLP任务中，基于所述节点和所述节点的向量表示对所述节点进行理解，得到所述节点的理解结果。

2.根据权利要求1所述的方法，其中，所述获取所述树结构中的节点的相似节点集合，包括：

基于所述节点在所述树结构上单向遍历，得到所述节点的相似节点集合。

3.根据权利要求2所述的方法，其中，所述基于所述节点在所述树结构上单向遍历，得到所述节点的相似节点集合，包括：

基于所述节点在所述树结构上向下采样或向上采样，得到所述节点的相似节点集合，其中，所述向下采样的相似度偏序为：{后代节点}{父节点}{父节点的其他后代节点}{祖先节点}{祖先节点的其他后代节点}，所述向上采样的相似度偏序为：{父节点、子节点、兄弟节点}{祖先节点、后代节点}{祖先节点的其他节点}。

4.根据权利要求3所述的方法，其中，所述基于所述节点在所述树结构上向下采样，得到所述节点的相似节点集合，包括：

基于所述节点在所述树结构上向下采样到所述节点的后代节点；

确定所述节点的后代节点的数目是否小于最小相似节点数目阈值；

若不小于所述最小相似节点数目阈值，基于所述节点的后代节点生成所述节点的相似节点集合；

若小于所述最小相似节点数目阈值，按照所述向下采样的相似度偏序继续在所述树结构上采样，直至所采样到的节点的数目不小于所述最小相似节点数目阈值，基于所采样到的节点生成所述节点的相似节点集合。

5.根据权利要求3所述的方法，其中，所述基于所述节点在所述树结构上向上采样，得到所述节点的相似节点集合，包括：

基于所述节点在所述树结构上向上采样到所述节点的父节点、子节点和兄弟节点；

确定所述节点的父节点、子节点和兄弟节点的总数目是否小于最小相似节点数目阈值；

若不小于所述最小相似节点数目阈值，基于所述节点的父节点、子节点和兄弟节点生成所述节点的相似节点集合；

若小于所述最小相似节点数目阈值，按照所述向上采样的相似度偏序继续在所述树结构上采样，直至所采样到的节点的数目不小于所述最小相似节点数目阈值，基于所采样到的节点生成所述节点的相似节点集合。

6.根据权利要求1-5之一所述的方法，其中，所述向量化模型以下一项：跳字模型、卷积神经网络和连续词袋模型。

7.一种用于生成节点的向量表示的装置，包括：

获取单元，被配置成获取树结构中的节点的标识和相似节点集合，其中，所述节点是知识图谱中的实体；

构造单元，被配置成构造向量化模型，其中，所述向量化模型的参数是所述节点的初始向量表示；

训练单元，被配置成将所述节点的标识作为输入，将所述节点的相似节点集合作为输出，通过迭代更新所述节点的初始向量表示对所述向量化模型进行训练，直至所述向量化模型收敛，得到所述节点的向量表示，其中，所述向量化模型的参数为所述节点的初始向量表示；

理解单元，被配置成在深度学习NLP任务中，基于所述节点和所述节点的向量表示对所述节点进行理解，得到所述节点的理解结果。

8.根据权利要求7所述的装置，其中，所述获取单元包括：

遍历子单元，被配置成基于所述节点在所述树结构上单向遍历，得到所述节点的相似节点集合。