[发明专利]一种基于图注意力网络的刑事案件知识图谱关系推理方法

权利要求书

1.一种基于图注意力网络的刑事案件知识图谱关系推理方法，该方法包括如下步骤：

1）构建刑事案件知识图谱；

2）基于图注意力网络计算刑事案件知识图谱中实体表示向量；

3）计算刑事案件知识图谱中关系表示向量；

4）基于ConvKB模型计算三元组得分函数；

5）训练ConvKB模型完成刑事案件知识图谱关系推理；

所述步骤1）中，围绕案件相关人物或单位、案件相关时间、案件相关空间、案件相关财物、犯罪行为五大一级标签构建刑事案件知识图谱，具体步骤如下：

1.1构建刑事案件知识图谱的知识体系，知识体系中包括每个一级标签包含的二级标签以及二级标签的数据属性和关系属性；

1.2对知识体系中涉及的相关知识进行实例化操作，主要采用信息抽取技术从刑事案件卷宗中抽取有效信息进行实例化；

所述步骤2）中，基于图注意力网络，输入特定实体关联的三元组表示向量，输出更新后的特定实体表示向量，即通过实体周边信息更新实体表示向量，具体计算步骤如下：

2.1从刑事案件知识图谱中获取与实体相关联的三元组信息，其中是与关联的另一个实体，是实体对之间的关联关系；

2.2随机初始化三元组中的实体和关系表示向量，其中和分别表示实体和的初始化表示向量，表示关系的初始化表示向量；

2.3计算每个三元组的初始表示向量，计算公式如下：

（1）；

其中表示拼接操作，具体将三元组中头尾实体和关系的表示向量进行拼接；

2.4计算每个三元组相对注意力系数，计算公式如下：

（2）；

其中表示线性变换矩阵，具体将三元组的初始表示向量进行特征增维；是一种映射函数，主要将增维后的三元组的初始表示向量映射为一个实数；是一种归一化函数；是一种激活函数；

2.5计算并更新实体表示向量，并采用多头注意力机制进行多头连接嵌入，增强实体向量表示，计算公式如下：

(3)；

其中表示更新后的实体表示向量；表示由第个注意机制计算的三元组相对注意力系数；表示第个注意机制计算时输入的线性变换矩阵；表示增维后的三元组表示向量；表示实体邻居节点集合；表示实体相连的关系集合；表示一种激活函数；表示注意力机制计算的总次数；表示拼接操作，即将次注意力机制计算结果进行拼接。

2.根据权利要求1所述的基于图注意力网络的刑事案件知识图谱关系推理方法，其特征在于，所述步骤3）中，通过线性变化计算关系表示向量，计算公式如下：

（4）；

其中表示更新后的关系表示向量，表示权重矩阵。

3.根据权利要求1所述的基于图注意力网络的刑事案件知识图谱关系推理方法，其特征在于，所述步骤4）中，基于ConvKB模型，计算三元组得分函数，计算公式如下：

（5）；

其中分别表示更新后的头尾实体、关系的表示向量；表示过滤器集；表示卷积操作；上述公式（5）中的concat操作是将不同过滤器得出的结果进行拼接，是一个用于计算三元组最终得分的线性变换矩阵。

4.根据权利要求3所述的基于图注意力网络的刑事案件知识图谱关系推理方法，其特征在于，所述步骤5）中，采用Adam优化器最小化损失函数来训练ConvKB模型，其中损失函数采用软边际损失，计算公式如下：

（6）；

其中当属于正确三元组集合时，值为1；当属于错误三元组集合时，值为-1；为正则化参数。