[发明专利]基于实体线索片段的候选实体对齐方法及装置

说明书

本发明实施例提供一种基于实体线索片段的候选实体对齐方法及装置。其中，方法包括：根据目标知识图谱中每两个实体之间汉明距离，获取若干个候选实体对；对于每一候选实体对，将候选实体对中的两个实体分别输入至预设的主题模型，获取两个实体的主题向量；根据两个实体的主题向量，确定是否合并两个实体；其中，主题模型是根据样本线索数据和预设的主题进行训练后获得的。本发明实施例提供的基于实体线索片段的候选实体对齐方法及装置，通过对比实体之间线索片段的语义来判定两个实体是否为同一实体，确定是否进行融合，能够充分利用大规模的实体线索信息完成实体之间的对齐和消歧，能提高实体对齐的对齐效果，能大大提高知识图谱的构建质量。

技术领域

本发明实施例涉及计算机技术领域，更具体地，涉及一种基于实体线索片段的候选实体对齐方法及装置。

背景技术

随着文本数据爆炸式的增长，迫切需要通过知识图谱技术从繁杂的自然语言中提炼出关心的目标实体和实体之间存在的潜在关系，并以实体关系为核心溯源分析实体关系的构建过程。但是文本质量不一，存在大量的不规范性，加上实体抽取和实体链接技术存在一定误差，导致构建出的知识图谱的质量较差，对知识图谱的计算推理和应用带来了巨大挑战。

候选实体对齐方法传统上分为基于知识库的候选实体对齐方法和基于算法训练的候选实体对齐方法。其中，基于知识库的候选实体对齐方法需要构建大规模的覆盖率较高的对齐知识库，依赖知识库的规模和质量，构建过程需要专家参与整理，工作量繁重；基于算法训练的实体方法需要大规模的质量较高的语料。综上，现有候选实体对齐方法存在对齐效果较差的不足。

发明内容

本发明实施例提供一种基于实体线索片段的候选实体对齐方法及装置，用以解决或者至少部分地解决现有技术存在的对齐效果较差的缺陷。

第一方面，本发明实施例提供一种基于实体线索片段的候选实体对齐方法，包括：

根据目标知识图谱中每两个实体之间汉明距离，获取若干个候选实体对；

对于每一所述候选实体对，将所述候选实体对中的两个实体分别输入至预设的主题模型，获取所述两个实体的主题向量；

根据所述两个实体的主题向量，确定是否合并所述两个实体；

其中，所述主题模型是根据样本线索数据和预设的主题进行训练后获得的。

优选地，所述根据目标知识图谱中每两个实体之间汉明距离，获取若干个候选实体对的具体步骤包括：

若判断获知所述每两个实体之间汉明距离小于预设的汉明距离阈值，则将所述每两个实体作为所述候选实体对。

优选地，所述根据所述两个实体的主题向量，确定是否合并所述两个实体的具体步骤包括：

根据所述两个实体的主题向量，获取所述两个实体的主题相似度；

根据所述两个实体的主题相似度，确定是否合并所述两个实体。

优选地，所述根据所述两个实体的主题向量，获取所述两个实体的主题相似度的具体步骤包括：

获取所述两个实体的主题向量之间的余弦相似度，作为所述两个实体的主题相似度。

优选地，所述根据所述两个实体的主题相似度，确定是否合并所述两个实体的具体步骤包括：

若判断获知所述两个实体的主题相似度大于预设的相似度阈值，则将所述两个实体作为待合并的实体对。

优选地，所述根据所述两个实体的主题相似度，确定是否合并所述两个实体的具体步骤还包括：

若判断获知所述两个实体的主题相似度不大于预设的相似度阈值，则确定不合并所述两个实体。