[发明专利]知识图谱关系挖掘方法、装置、计算机设备及存储介质

权利要求书

1.一种知识图谱关系挖掘方法，其特征在于，包括：

从知识图谱中获得至少具有一个实体及各所述实体之间关联关系的待识别子图；

通过预置的成熟神经网络，根据所述待识别子图中的实体及各所述实体之间的关联关系，挖掘各所述实体之间的潜在关系以及与所述潜在关系对应的潜在实体。

2.根据权利要求1所述的知识图谱关系挖掘方法，其特征在于，所述从知识图谱中获得至少具有一个实体及各所述实体之间关联关系的待识别子图的步骤，包括：

控制知识图谱展示任一本体，其中，所述本体中至少具有一个实体及各所述实体之间的关联关系；

调用截图工具对所述本体中的所述实体及各所述实体之间的关联关系进行拍摄得到所述待识别子图。

3.根据权利要求1所述的知识图谱关系挖掘方法，其特征在于，所述通过预置的成熟神经网络，根据所述待识别子图中的实体及各所述实体之间的关联关系，挖掘各所述实体之间的潜在关系以及与所述潜在关系对应的潜在实体的步骤，包括：

调用预置的成熟神经网络识别所述待识别子图中的所述实体得到实体特征，及识别所述待识别子图中各所述实体之间的关联关系得到关系特征；

通过所述成熟神经网络计算所述实体特征和所述关系特征，得到以向量形式反映所述待识别子图中关系路径的路径向量，所述关系路径反映了各所述实体在待识别子图中通过关联关系所形成的全程路由；

通过所述成熟神经网络识别所述关系路径的意图，并根据所述意图挖掘所述待识别子图中不具有关联关系的实体之间的潜在关系，以及所述潜在关系对应的潜在实体。

4.根据权利要求1所述的知识图谱关系挖掘方法，其特征在于，所述成熟神经网络通过以下步骤训练获得：

获得初始神经网络及训练样本，其中，所述训练样本包括用于录入输入层的输入样本，及用于作为输出层的输出样本；

执行训练进程，以将所述输入样本录入所述初始神经网络得到训练结果；

调用迭代进程根据所述训练结果对所述初始神经网络进行迭代，直至所述输出样本和训练结果之间的差异小于预设的损失阈值时，得到成熟神经网络。

5.根据权利要求4所述的知识图谱关系挖掘方法，其特征在于，所述迭代进程包括：

将训练识别实体及其训练识别关系与所述输出样本中的标记实体及其标记关系进行比对，得到反映所述输出样本和初始结果之间差异的训练标记差值；

判断所述训练标记差值是否小于所述损失阈值；

若是，则将所述初始神经网络设为成熟神经网络；

若否，则采用梯度下降法根据所述训练标记差值计算得到调整数据，并采用反向传播算法根据所述调整数据调整所述初始神经网络中输入层、卷积层、池化层、全连接层和输出层的权重和偏执值，再调用所述训练进程。

6.根据权利要求1所述的知识图谱关系挖掘方法，其特征在于，所述挖掘各所述实体之间的潜在关系以及与所述潜在关系对应的潜在实体的步骤之后，所述方法还包括：

根据所述潜在关系及其潜在实体修改所述知识图谱，以更新所述知识图谱；

所述根据所述潜在关系及其潜在实体修改所述知识图谱，以更新所述知识图谱的步骤之后，所述方法还包括：

将所述知识图谱上传至区块链中。

7.根据权利要求6所述的知识图谱关系挖掘方法，其特征在于，所述根据所述潜在关系及其潜在实体修改所述知识图谱的步骤，包括：

提取所述知识图谱中与所述待识别子图对应的本体；

识别所述本体中与所述潜在实体对应的目标实体；

在所述目标实体之间构建所述潜在关系。

8.一种知识图谱关系挖掘装置，其特征在于，包括：

子图获取模块，用于从知识图谱中获得至少具有一个实体及各所述实体之间关联关系的待识别子图；

关系识别模块，用于通过预置的成熟神经网络，根据所述待识别子图中的实体及各所述实体之间的关联关系，挖掘各所述实体之间的潜在关系以及与所述潜在关系对应的潜在实体。