基于多步关系路径的知识图谱表示学习方法技术

本发明专利技术公开一种基于多步关系路径的知识图谱表示学习方法，其考虑了关系路径被准确表示的必要性，利用长短时记忆网络结构对关系路径中的多个关系进行依次迭代组合操作，很好地表示了实体对之间的直接关系和路径关系的相互关联，丰富了实体对之间的语义信息。采用改进的路径约束分配资源算法，计算实体对之间每条路径的可靠性，利用计算得到的可靠性根据阈值滤除不可靠的路径，从而得到可靠的关系路径，使头实体到尾实体的可达性计算更详尽准确。本发明专利技术解决现有技术对于关系路径建模相对粗糙使路径长度受限无法很好反应实体对之间复杂语义信息的问题，具有良好的可扩展性。

【技术实现步骤摘要】
基于多步关系路径的知识图谱表示学习方法
本专利技术涉及知识图谱及深度学习
，具体涉及一种基于多步关系路径的知识图谱表示学习方法。
技术介绍
人们通常以网络的形式组织知识库中的知识，网络中每个节点代表实体(人名、地名、机构名、概念等)，而每条边代表实体间的关系。因此，大部分知识往往都可以用三元组(实体1，关系，实体2)来表示，对应着知识库网络中的一条边及其连接的2个实体。这是知识库的通用表示方式，例如万维网(W3C)发布的资源描述框架(resourcedescriptionframework，RDF)技术标准，就是以三元组表示为基础的。知识库是推动人工智能学科发展和支撑智能信息服务应用(如智能搜索、智能问答、个性化推荐等)的重要基础技术。为了改进信息服务质量，国内外互联网公司(特别是搜索引擎公司)纷纷推出知识库产品，如谷歌知识图谱、微软BingSatori、百度知心以及搜狗知立方等。在谷歌提出知识图谱(knowledgegraphs)的概念后，以三元组结构表示知识的形式广受认可。知识图谱也由此产生。知识表示学习是面向知识图谱中实体和关系的表示学习。表示学习旨在将研究对象的语义信息本文档来自技高网...

【技术保护点】
1.基于多步关系路径的知识图谱表示学习方法，其特征是，具体包括步骤如下：步骤1、定义关系路径中关系间的组合操作，根据递归构成关系路径的嵌入，通过改进的路径约束分配资源算法来测量关系路径的可靠性；步骤2、基于翻译模型，建立知识图谱中三元组的实体向量与关系向量的关系得分函数，以及实体向量与路径向量的路径得分函数，并根据关系得分函数和路径得分函数建立三元组的总得分函数；步骤3、建立实体向量与关系向量或实体向量与路径向量的得分函数的损失函数，并通过最小化损失函数，学得实体、关系和路径的向量表示。

【技术特征摘要】
1.基于多步关系路径的知识图谱表示学习方法，其特征是，具体包括步骤如下：步骤1、定义关系路径中关系间的组合操作，根据递归构成关系路径的嵌入，通过改进的路径约束分配资源算法来测量关系路径的可靠性；步骤2、基于翻译模型，建立知识图谱中三元组的实体向量与关系向量的关系得分函数，以及实体向量与路径向量的路径得分函数，并根据关系得分函数和路径得分函数建立三元组的总得分函数；步骤3、建立实体向量与关系向量或实体向量与路径向量的得分函数的损失函数，并通过最小化损失函数，学得实体、关系和路径的向量表示。2.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤1中，所定义的关系路径中关系间的组合操作为长短时记忆网络。3.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤1中，改进的路径约束分配资源算法的具体过程是：首先，统计头实体和尾实体链接的概率λ；然后，将传统路径约束分配资源算法的传统迭代公式中的概率1替换为上述统计得到的概率λ，得到改进的路径约束分配资源算法的改进迭代公式；最后，通过给定头实体h的初始资源，并利用改进迭代公式来对路径p进行一步一迭代，得到最终流入尾实体t的资源该路径的可靠性R(p|h,t)。4.根据权利要求1所述基于多步关系路径的知识图谱表示学习方法，其特征是，步骤2中，所建立的关系得分函数E(h,r,t)为：所建立的路径得分函数E(h,p,t)为：总的得分函数G(h,r,t)为：其中：h表示头实体，t表示尾实体，r表示关系，p表示路径，L1表示L1范...

【专利技术属性】
技术研发人员：古天龙，罗义琴，常亮，梁聪，陈炜，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45