[发明专利]关系抽取方法、装置、图谱构建方法及存储介质在审

专利信息
申请号: 202310403556.4 申请日: 2023-04-14
公开(公告)号: CN116561334A 公开(公告)日: 2023-08-08
发明(设计)人: 王秀文;李林;李美燕;吴迪;陈鹏云;杨菁林;徐丹丹;秦韬;李娅强;曾宣玮;张栋;王峰;李政达;秦恺 申请(专利权)人: 国家计算机网络与信息安全管理中心;长城计算机软件与系统有限公司
主分类号: G06F16/36 分类号: G06F16/36;G06F16/31;G06N3/0464;G06F18/22;G06N3/084
代理公司: 北京华夏泰和知识产权代理有限公司 11662 代理人: 卢万腾
地址: 100029*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 关系 抽取 方法 装置 图谱 构建 存储 介质
【权利要求书】:

1.一种关系抽取方法,其特征在于,所述方法包括:

确定预设实体库中各实体之间的样本关系,所述样本关系为所述实体库中技术与技术之间的关系,和/或所述实体库中技术与企业之间的关系;

根据所述实体库中所述实体之间的样本关系,建立邻接矩阵;

基于所述邻接矩阵,构建与所述实体对应的图卷积网络;

利用所述图卷积网络对目标实体及所述实体库中各实体进行关系抽取操作。

2.根据权利要求1所述的方法,其特征在于,所述根据所述实体库中所述实体之间的样本关系,建立邻接矩阵,包括:

针对所述实体库中每一实体,获取所述实体的实体描述信息;

将所述实体描述信息输入至预设的特征提取模型,得到所述实体的实体特征向量;

针对所述实体库中各所述实体,确定所述实体的实体特征向量之间的相似度值;

在所述相似度达到预设的相似度阈值的情况下,确定所述实体特征向量对应的实体之间的强连接关系,并建立所述实体之间的邻接矩阵。

3.根据权利要求2所述的方法,其特征在于,所述基于所述邻接矩阵,构建与所述实体对应的图卷积网络,包括:

确定所述邻接矩阵中各所述实体以及所述实体的实体特征向量;

根据所述实体的实体特征向量,建立初始图卷积网络;

针对所述初始图卷积网络中每一实体节点,利用预设的损失算法确定所述实体节点的损失值;

利用预设的代价算法对所述初始图网络中的实体节点的损失值进行训练,确定所述初始图网络的每层权重;

根据所述初始图网络及所述初始图网络的每层权重确定图卷积网络。

4.根据权利要求1所述的方法,其特征在于,所述利用所述图卷积网络对目标实体及所述实体库中各实体进行关系抽取操作,包括:

获取多个待比对的实体对,所述实体对包含目标实体和所述知识图谱对应的实体库中任一实体;

针对每一所述实体对,将所述目标实体与所述实体进行比对,确定所述目标实体与所述实体之间是否存在关联关系;

在所述目标实体与所述实体之间存在关联关系的情况下,抽取所述目标实体与所述实体之间的关系。

5.根据权利要求4所述的方法,其特征在于,所述针对每一所述实体对,将所述目标实体与所述实体进行比对,确定所述目标实体与所述实体之间是否存在关联关系,包括:

针对每一所述实体对,确定所述目标实体的目标实体信息,以及确定所述实体的实体信息;

根据所述目标实体信息确定所述图谱实体的目标特征向量;

根据所述实体信息确定所述实体的特征向量;

根据所述目标特征向量与所述特征向量,确定所述实体对中所述目标实体与所述实体之间是否存在关联关系。

6.根据权利要求5所述的方法,其特征在于,所述根据所述目标特征向量与特征向量,确定所述实体对中所述目标实体与所述实体之间是否存在关联关系,包括:

利用预设的二分类算法对所述目标特征向量与特征向量进行运算,确定所述实体对中所述目标实体与所述实体的二分类值;

判断所述目标实体与所述实体的二分类值是否为预设值;

若所述目标实体与所述实体的二分类值为预设值,则确定所述目标实体与所述实体之间存在关联关系;

若所述目标实体与所述实体的二分类值非预设值,则确定所述目标实体与所述实体之间未存在关联关系。

7.一种图谱构建方法,其特征在于,所述方法包括:

基于如上述权利要求1~6任一项所述的方法的图卷积网络,构建相应的初始知识图谱;

基于如上述权利要求1~6任一项所述的方法,进行关系抽取得到的目标实体与预设实体库中各实体之间的关系,对所述初始知识图谱进行更新,得到更新后的知识图谱。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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国家计算机网络与信息安全管理中心;长城计算机软件与系统有限公司,未经国家计算机网络与信息安全管理中心;长城计算机软件与系统有限公司许可,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/202310403556.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top