[发明专利]动态知识图谱的知识补全方法、装置和计算机设备

说明书

本申请涉及一种动态知识图谱的知识补全方法、装置和计算机设备。所述方法包括：获取网络空间领域的动态知识图谱中实体的结构信息和属性信息，根据结构信息和属性信息，通过超参数对实体进行融合，得到动态知识图谱中实体的增量式表示；根据样本头实体的增量式表示和对应的出边，得到样本头实体向量表示，以及获取样本尾实体的样本尾实体向量表示；确定样本实体向量表示和样本尾实体向量表示的关系表示；根据关系表示以及输入的查询头实体，输出推测尾实体。采用本方法能够提高动态知识图谱补全的效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种动态知识图谱的知识补全方法、装置和计算机设备。

背景技术

动态知识图谱补全主要包括两个步骤：(1)动态知识图谱增量式表示学习；(2)动态知识图谱新知识补全。

动态知识图谱增量式表示学习：

随着网络空间的建设和网络技术的发展，网络数据量不断增大、网络传输速度不断提升，网络空间处在时刻快速变化的过程中。一方面，为了刻画网络空间的动态性，网络空间领域知识图谱应当动态变化，然而随着网络空间领域知识图谱规模的增大，加入新实体或删除旧实体后，重新训练知识嵌入的计算成本越来越高。另一方面，在大数据时代，对安全防御的响应速度要求越来越高，在实际的应用中可能一项分析或决策任务是以秒或毫秒为单位的，这就对网络空间的知识推理速度提出了更高的要求，而知识推理的结果依赖于实体和关系的嵌入表示，因此对动态变化的网络空间领域知识图谱的表示学习应当具有较高的时间效率。

动态知识图谱新知识补全：

一方面网络空间知识图谱本身受到完整性的制约，通过知识图谱中已有的知识推理出新的知识，并将其补充到知识图谱中，称之为知识图谱补全，是知识图谱研究的重要内容；另一方面，随着人们对网络空间研究和观察的不断深入以及网络空间本身动态性的特点，会不断地向知识图谱中加入新的关系类型。新关系类型的训练实例往往是非常稀疏的，由于覆盖的实体非常少，现有的知识图谱补全方法很往往难以捕捉到这种新关系的模式。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决动态知识图谱补全困难的动态知识图谱的知识补全方法、装置和计算机设备。

一种动态知识图谱的知识补全方法，所述方法包括：

获取网络空间领域的动态知识图谱中实体的结构信息和属性信息，根据所述结构信息和所述属性信息，通过超参数对实体进行融合，得到动态知识图谱中实体的增量式表示；

根据样本头实体的增量式表示和对应的出边，得到样本头实体向量表示，以及获取样本尾实体的样本尾实体向量表示；

确定所述样本实体向量表示和所述样本尾实体向量表示的关系表示；

根据所述关系表示以及输入的查询头实体，输出推测尾实体。

在其中一个实施例中，还包括：根据动态知识图谱中的实体，构建共享基实体库；

根据所述共享基实体库中的基实体的向量确定实体的结构信息为：

其中，表示基实体，SBES表示共享基实体库，K表示取选择共享基实体库中的基实体的数量，e_s表示结构信息。

在其中一个实施例中，还包括：对所述共享基实体库中的基实体进行排序，得到共享基实体序列；

根据所述共享基实体序列以及实体对应的属性，确定实体的属性信息为：

其中，表示共享基实体序列中基实体的属性向量表示，表示实体对应的属性，e_t表示属性信息。