[发明专利]知识图谱补全方法、装置、电子设备及存储介质有效
| 申请号: | 202011168569.0 | 申请日: | 2020-10-28 |
| 公开(公告)号: | CN112000815B | 公开(公告)日: | 2021-03-02 |
| 发明(设计)人: | 李直旭;陈志刚;何莹;郑新;付晨鹏 | 申请(专利权)人: | 科大讯飞(苏州)科技有限公司 |
| 主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F16/33;G06F40/295 |
| 代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 程琛 |
| 地址: | 215021 江苏省苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 知识 图谱 方法 装置 电子设备 存储 介质 | ||
1.一种知识图谱补全方法,其特征在于,包括:
确定待补全的头实体和关系对应的多个候选尾实体的描述文本;
将所述头实体和关系,以及多个候选尾实体的描述文本输入至知识图谱补全模型,得到所述知识图谱补全模型输出的补全结果;
其中,所述知识图谱补全模型基于每一候选尾实体的描述文本之间的关联性确定每一候选尾实体的描述特征,并基于每一候选尾实体的描述特征确定所述头实体和关系对应的补全结果;
所述知识图谱补全模型是基于样本头实体和样本关系及其对应的多个样本候选尾实体的描述文本,以及样本补全结果训练得到的;所述每一候选尾实体的描述特征用于反映所述每一候选尾实体的描述文本中区别于其他候选尾实体的描述文本的特征;
所述每一候选尾实体的描述文本之间的关联性是基于注意力交互机制确定的。
2.根据权利要求1所述的知识图谱补全方法,其特征在于,所述将所述头实体和关系,以及多个候选尾实体的描述文本输入至知识图谱补全模型,得到所述知识图谱补全模型输出的补全结果,具体包括:
将所述头实体和关系,以及多个候选尾实体的描述文本输入至所述知识图谱补全模型的特征编码层,得到所述特征编码层输出的所述头实体和关系的编码特征,以及每一候选尾实体的描述文本的编码特征;
将每一候选尾实体的描述文本的编码特征输入至所述知识图谱补全模型的候选文本关联层,得到所述候选文本关联层输出的每一候选尾实体的描述特征;
将所述头实体和关系的编码特征,以及每一候选尾实体的描述特征输入至所述知识图谱补全模型的实体补全层,得到所述实体补全层输出的所述补全结果。
3.根据权利要求2所述的知识图谱补全方法,其特征在于,所述将每一候选尾实体的描述文本的编码特征输入至所述知识图谱补全模型的候选文本关联层,得到所述候选文本关联层输出的每一候选尾实体的描述特征,具体包括:
将所述每一候选尾实体的描述文本的编码特征输入至所述候选文本关联层的关联特征提取层,得到所述关联特征提取层基于注意力机制输出的任一候选尾实体的描述文本与其余每一候选尾实体的描述文本之间的关联特征;
将任一候选尾实体与其余每一候选尾实体之间的关联特征,以及所述任一候选尾实体的描述文本的编码特征输入至所述候选文本关联层的描述特征提取层,得到所述描述特征提取层输出的所述任一候选尾实体的描述特征。
4.根据权利要求3所述的知识图谱补全方法,其特征在于,所述将任一候选尾实体与其余每一候选尾实体之间的关联特征,以及所述任一候选尾实体的描述文本的编码特征输入至所述候选文本关联层的描述特征提取层,得到所述描述特征提取层输出的所述任一候选尾实体的描述特征,具体包括:
将任一候选尾实体与其余每一候选尾实体之间的关联特征,以及所述任一候选尾实体的描述文本的编码特征输入至所述描述特征提取层,由所述描述特征提取层将所述任一候选尾实体的描述文本的编码特征,以及所述编码特征和所述关联特征之间的差值进行融合,得到所述描述特征提取层输出的融合结果作为所述任一候选尾实体的描述特征。
5.根据权利要求2所述的知识图谱补全方法,其特征在于,所述将所述头实体和关系,以及多个候选尾实体的描述文本输入至所述知识图谱补全模型的特征编码层,得到所述特征编码层输出的所述头实体和关系的编码特征,以及每一候选尾实体的描述文本的编码特征,具体包括:
将所述头实体的描述文本、所述头实体和关系,以及多个候选尾实体的描述文本输入至所述特征编码层的特征表示层,得到所述特征表示层输出的所述头实体的描述文本的特征表示、所述头实体和关系的特征表示,以及多个候选尾实体的描述文本的特征表示;
将所述头实体的描述文本的特征表示、所述头实体和关系的特征表示,以及多个候选尾实体的描述文本的特征表示输入至所述特征编码层的上下文编码层,得到所述上下文编码层输出的所述头实体的描述文本的编码特征、所述头实体和关系的编码特征,以及每一候选尾实体的描述文本的编码特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科大讯飞(苏州)科技有限公司,未经科大讯飞(苏州)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011168569.0/1.html,转载请声明来源钻瓜专利网。





