一种面向知识图谱的关系分类方法技术

本申请公开了一种面向知识图谱的关系分类方法，包括：a、接收实体对和该实体对的句子包，并确定所述句子包的初始包表示，将初始包表示作为当前包表示；b、将所述句子包的当前包表示和上一次输出的关系组成向量，作为GRU的输入，由GRU计算得到当前隐状态；根据所述当前隐状态，利用分类器计算在当前已输出关系和当前包表示条件下各未输出关系的概率，并选择所述概率最大的关系作为本次输出的关系；c、返回步骤b，直到输出结束。应用本申请，能够提高关系分类的准确性。

【技术实现步骤摘要】
一种面向知识图谱的关系分类方法
本申请涉及知识图谱的相关技术，特别涉及一种面向知识图谱的关系分类方法。
技术介绍
近年来，人们构建了许多大规模的知识图谱，比如Freebase、DBpedia、YAGO和NELL。知识图谱将现实世界中人类以自然语言形式表述的知识抽象为人和机器皆可读的三元组结构化的知识，即<头实体，关系，尾实体>。这些知识已经成为了机器学习、自然语言处理和人工智能应用中许多任务的基础和关键资源，包括搜索引擎、问答系统、语音助手、智能客服、文本理解和机器翻译等。虽然现有的知识图谱具有千万甚至十亿级别的三元组知识，但与现实世界中无限且持续增长的知识相比，仍然具有很大程度的不完整性。关系分类旨在确定两个实体之间是否具有某个关系，是扩充知识图谱的重要手段。换句话说，知识图谱内三元组结构<头实体，关系，尾实体>中的头实体和尾实体即实体对，关系分类也就是为一个实体对找到对应的关系，从而形成三元组结构。为解决面向知识图谱的关系分类问题，目前存在多种关系分类方法。远程监督通过将知识图谱中的三元组与自然语言文本中的句子进行对齐，能够本文档来自技高网...

【技术保护点】
1.一种面向知识图谱的关系分类方法，其特征在于，包括：a、接收实体对和该实体对的句子包，并确定所述句子包的初始包表示，将初始包表示作为当前包表示；b、将所述句子包的当前包表示和上一次输出的关系组成向量，作为GRU的输入xt，由GRU计算得到当前隐状态ht＝(1‑zt)nt+ztht‑1；根据所述当前隐状态，利用分类器计算在当前已输出关系和当前包表示条件下各未输出关系的概率，并选择所述概率最大的关系作为本次输出的关系；其中，zt＝sigmoid(Wizxt+biz+Wszht‑1+bsz)，nt＝tanh(Winxt+bin+rt(Wsnht‑1+bsn))，rt＝sigmoid(Wirxt+b...

【技术特征摘要】
1.一种面向知识图谱的关系分类方法，其特征在于，包括：a、接收实体对和该实体对的句子包，并确定所述句子包的初始包表示，将初始包表示作为当前包表示；b、将所述句子包的当前包表示和上一次输出的关系组成向量，作为GRU的输入xt，由GRU计算得到当前隐状态ht＝(1-zt)nt+ztht-1；根据所述当前隐状态，利用分类器计算在当前已输出关系和当前包表示条件下各未输出关系的概率，并选择所述概率最大的关系作为本次输出的关系；其中，zt＝sigmoid(Wizxt+biz+Wszht-1+bsz)，nt＝tanh(Winxt+bin+rt(Wsnht-1+bsn))，rt＝sigmoid(Wirxt+bir+Wsrht-1+bsr)；Wiz、Wsz、Win、Wsn、Wir和Wsr均为预设的权重矩阵，biz、bsz、bin、bsn、bir和bsr均为预设的偏置向量，t为当前时刻的索引；c、返回步骤b，直到输出结束。2.根据权利要求1所述的方法，其特征在于，在步骤b和c之间，该方法进一步包括：将所述句子包的当前包表示更新为其中，βti是当前时刻第i个句子的权重，η(·)表示前馈神经网络，si表示所述句子包中第i个句子向量。3.根据权利要求1或2所述的方法，其特征在于，通过预先建模过程确定所述权重矩阵和...

【专利技术属性】
技术研发人员：苏森，程祥，贾宁宁，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11