[发明专利]知识图谱构建方法、系统、设备及存储介质有效
申请号: | 202110902448.2 | 申请日: | 2021-08-06 |
公开(公告)号: | CN113722500B | 公开(公告)日: | 2023-08-18 |
发明(设计)人: | 李劲;齐文;郭玮;苏力强 | 申请(专利权)人: | 深圳清华大学研究院 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F16/335;G06N3/088 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 廖慧贤 |
地址: | 518000 广东省*** | 国省代码: | 广东;44 |
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 构建 方法 系统 设备 存储 介质 | ||
本发明公开了一种知识图谱构建方法、系统、设备及存储介质,知识图谱构建方法:包括:获取已构建知识图谱;提取已构建知识图谱中关联的第一实体信息和第二实体信息;根据预设非监督深度学习模型和预设信息数据库确定检测关系网络,预设信息数据库包括与第一实体信息、第二实体信息相关的信息:根据第一实体信息、第二实体信息、检测关系网络和预设非监督深度学习模型确定第一实体信息和第二实体信息关联的多个关系信息以及关系信息对应的可信度;根据多个关系信息的可信度和预设阈值增加已构建知识图谱中第一实体信息和第二实体信息对应的关系信息。本发明而完善已构建知识图谱,以得到更加准确且完整的知识图谱。
技术领域
本发明涉及深度学习的技术领域,尤其是涉及一种知识图谱构建方法、系统、设备及存储介质。
背景技术
知识图谱(Knowledge Graph)通常指可揭示实体之间的关系的语义网络,其基于数据挖掘、信息处理、图形绘制等手段,利用可视化的图谱将复杂的知识领域形象地展示出来,可在一定程度上体现知识领域的发展规律。
随着大数据时代的发展,人们对于知识图谱的要求不再是简单的关系链,对知识图谱的完备度、准确性也有了较高的要求,但是相关技术中的知识图谱构建成本高且完备性较难保证,导致知识推理计算的准确度较低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种知识图谱构建方法,能够提高知识图谱的完整性和准确性。
本发明还提出一种知识图谱构建系统。
本发明还提出一种电子控制设备。
本发明还提出了一种计算机可读存储介质。
第一方面,本发明的一个实施例提供了知识图谱构建方法:包括:
获取已构建知识图谱;
提取所述已构建知识图谱中关联的第一实体信息和第二实体信息;
根据预设非监督深度学习模型和预设信息数据库确定检测关系网络,所述预设信息数据库包括与所述第一实体信息、所述第二实体信息相关的信息:
根据所述第一实体信息、所述第二实体信息、所述检测关系网络和预设非监督深度学习模型确定所述第一实体信息和所述第二实体信息关联的多个关系信息以及所述关系信息对应的可信度;
根据多个所述关系信息的所述可信度和预设阈值增加所述已构建知识图谱中所述第一实体信息和所述第二实体信息对应的关系信息。
本发明实施例的知识图谱构建方法至少具有如下有益效果:通过在原来的已构建知识图谱中获取第一实体信息和第二实体信息,然后根据第一实体信息和第二实体信息代入检测关系网络以确定新的关系信息,然后根据预设非监督深度学习模型计算关系信息与第一实体信息、第二实体信息之间的可信度,然后根据可信度和预设阈值确定可以增加到已构建知识图谱中的关系信息,从而完善已构建知识图谱,以得到更加准确且完整的知识图谱。
根据本发明的另一些实施例的知识图谱构建方法,还包括:
获取训练数据集合,所述训练数据集合包括:所述第一实体信息、所述第二实体信息与不同所述可信度的所述关系信息;
将所述训练数据集合代入所述预设非监督深度学习模型以调节所述预设非监督深度学习的参数以得到优化后的所述预设非监督深度学习模型。
根据本发明的另一些实施例的知识图谱构建方法,所述根据所述第一实体信息、所述第二实体信息、所述检测关系网络和预设非监督深度学习模型确定所述第一实体信息和所述第二实体信息关联的多个关系信息以及所述关系信息对应的可信度,包括:
根据所述第一实体信息、所述第二实体信息代入所述检测关系网络以得到多个所述第一实体信息、所述第二实体信息关联的多个关系信息;
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深圳清华大学研究院,未经深圳清华大学研究院许可,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/202110902448.2/2.html,转载请声明来源钻瓜专利网。