[发明专利]一种基于规则推理与GRU神经网络推理的混合推理方法

权利要求书

1.一种基于规则推理与GRU神经网络推理的混合推理方法，其特征在于，包括步骤：

(1)从知识数据库加载数据生成知识图谱，设定一个查询q(h,r,？)，h为头实体，r为规则，？为待查询结果；利用GRU网络根据查询q(h,r,？)生成规则集合R；所述利用GRU网络根据查询q(h,r,？)生成规则集合R具体为：

(1.1)设定一组规则rule＝[r_q,r₁,r₂,……r_l,r_e]用于推理，r_q表示查询关系，r_e表示规则结束，r_i表示规则，i∈(1……l)；

(1.2)利用GRU网络根据当前给定的规则生成下一组规则；所述GRU网络定义公式如下：

h₀＝f₁(v_r)

h_t＝GRU(h_t′-1，f₂[v_r，v_rt′])

式中，h₀为GRU网络的初始状态隐藏层，h_t为t′状态的隐藏层，h_t′-1为t′状态的前一状态的隐藏层；f₁和f₂是线性变换函数，v_r是查询q的头关系嵌入向量，v_rt′是与v_r关联关系的嵌入向量，[v_r,v_rt′]为向量串联操作；

(1.3)将生成的下一组规则作为当前给定的规则重复步骤(1.2)N-1次，获得N组规则形成规则集合R；获取概率分布p_θ(R|q)为：

p_θ(R|q)＝MD(R|D，GRU_θ(q))

式中，MD代表多项式分布；D为集合R大小的超参数；GRU_θ(q)定义了查询为q的组合规则上的分布；

(2)设定候选答案，根据生成规则集合R在知识图谱上构建马尔可夫逻辑网络进行知识图谱推理，获得规则集合R中每个规则对候选答案的贡献进行评价打分；具体步骤为：

(2.1)假设待查询结果？的候选答案集合为A，A为集合R中的所有规则推理得到候选答案构成的集合，候选答案a∈A；

(2.2)根据生成规则集合R在知识图谱上构建马尔可夫逻辑网络进行知识图谱推理，构建的马尔可夫逻辑网络概率计算公式为：

式中，t为查询结果；z为配分函数；w_rule为权重；n_rule(t)是获得候选答案a＝t的推理过程中规则rule满足的次数，即一阶逻辑谓词F所有取真值的规则rule的数量；

(2.3)针对规则集合R中每个规则对候选答案的贡献进行评价打分，打分函数为：

H(rule)＝p_θ(rule|q)n_rule(t))

式中，H(rule)表示规则集合R中每个规则对候选答案的贡献获取的分数；p_θ(rule|q)为GRU网络根据给定的查询q生成规则rule的先验概率

(3)取分数最高的K个规则组成的最大化规则集合R_K，通过最大化规则集合R_K的对数似然来更新GRU网络参数θ；所述通过最大化规则集合R_K的对数似然来更新GRU网络参数θ公式为：

(4)重复步骤(1)至步骤(3)多次得到训练好的GRU网络；利用训练好的GRU网络再次根据给定的查询q(h,r,？)生成规则集合，并将新生成的规则集合在知识图谱上构建马尔可夫逻辑网络进行知识图谱推理；利用价值函数计算每个规则价值得分，选取得分最高的规则推理的实体作为推理结果输出；

所述利用价值函数计算价值得分具体是：将新生成的规则集合中每个新生成的规则对应的马尔可夫逻辑网络概率作为价值得分，公式为：

式中，b为候选答案，b∈B，B为新生成的规则集合中的所有规则推理得到候选答案构成的集合。