一种基于路径排序算法的知识推理系统技术方案

本发明专利技术提供了一种基于路径排序算法的知识推理系统，涉及图计算和图挖掘技术领域。包括抽取特征，生成特征集合（路径集合），抽取实体中存在的路径，生成关系序列并且是计算路径特征值的基础；计算路径特征值用于对特征集合进行游走计算，计算特征对应的特征值，生成特征值集合；训练分类器，用于用于训练数据，调控不同分类的概率，获取置信度的上限值和下限值，通过阈值分类对数据进行分类，对数据实现分类，从而获取区间分布；自动挖掘推理规则，用于自动挖掘推理规则，并对生成的规则进行筛选；基于路径排序算法的知识推理系统主要是利用实体之间存在的路径去挖掘新的、还未出现的知识。

【技术实现步骤摘要】
一种基于路径排序算法的知识推理系统
本专利技术属于图计算与图挖掘
，具体涉及一种基于路径排序算法的知识推理系统。
技术介绍
近几年来，技术不断的发展，大数据、人工智能......产生各种数据源，并且包含了大量的知识，那么如何表达知识以及深入挖掘和计算知识掀起了一股热潮，从而产生了知识图谱。知识推理也因此成为一股热潮。知识推理中存在里两种类别，一种是根据已有的知识推理出存在的知识，一种是归纳推理出全新的知识。传统的知识推理已经不适合海量数据，会出现以下弊端：一是传统知识推理采用定制的规则进行推理，只有对符合规则的才能进一步推理出相关的知识，无法解决一些未知的知识；二是传统知识推理计算时间长，速度慢，用户体验度较差；三是推理过程比较复杂，需要人工进行筛选和计算。为了解决以上的弊端，行业上已经出现了其他的推理方式，其中包括Embedding-base技术等技术，在一定程度上实现是知识推理精确性的目标，但是还是存在一些不足。比如没有考虑语义的丰富度，无法对空间向量进行调整；仅限在当前图谱进行知识推理，知识量较少；没有考虑时间限制。本文档来自技高网...

【技术保护点】
1.一种基于路径排序算法的知识推理系统，其特征在于，包括：特征抽取、计算路径特征值、训练分类器、自动挖掘推理规则。/n

【技术特征摘要】
1.一种基于路径排序算法的知识推理系统，其特征在于，包括：特征抽取、计算路径特征值、训练分类器、自动挖掘推理规则。


2.所述特征抽取用于生成特征集合（路径集合），抽取实体中存在的路径，生成关系序列并且是计算路径特征值的基础。


3.所述计算路径特征值用于对特征集合进行游走计算,计算特征对应的特征值，生成特征值集合，并且是训练分类器的基础，给训练分类器提供训练数据。


4.所述训练分类器用于训练数据，调控不同分类的概率，获取置信度的上限值和下限值，通过阈值分类对数据进行分类，对数据实现分类，从而获取区间分布。


5.所述自动挖掘推理规则用于挖掘推理规则，并且能够筛选出更加合理的推理规则，应用到知识查询中进行推理，获取更加精确的答复。


6.所述自动挖掘推理规则用于挖掘推理规则，并且能够筛选出更加合理的推理规则，应用到知识查询中进行推理，推理出新的知识或者推理出已经存在的知识。


7.如权利要求1所述的一种基于路径排序算法的知识推理系统，其特征在于，特征抽取；
包括:用户输入查询语句，通过自然语言（nlp）解析语句中存在的实体，分析实体中是否存在路径，通过路径排序算法中的随机游走分割算法，随机游走算法的实现方式是谱聚类；
其思想是将对应的实体用边连接；
随机游走算法不断地进行迭代，从没有标记的节点开始不断的游走，到达各个节点之后标记对应的记录值，把最大的值交付给没有标记的节点，完成对图的分割；
游走过程中不断得生成路径，最终生成对应的路径集合。


8.如权利要求1所述的一种基于路径排序算法的知识推理系统，其特征在于，计算路径特征值；
包括：采用随机游走probability方法，随机游走的过程后得到对应的游走概率值，通过概率值描绘出对应的概率分布图，分布图中记录了每个节点被访问的对应的概率值，生成对应路径的特征值。


9.如权利要求1所述的一种基于路径排序算法的知识推理系统，其特征在于,训练分类器包括：训练分类器中主要是逻辑回归（Logistic回归）方法，逻辑回归是一种解决二分类的方法，来预测特征之间的关系...

【专利技术属性】
技术研发人员：洪万福，王彬，黄茶英，
申请(专利权)人：厦门渊亭信息科技有限公司，
类型：发明
国别省市：福建;35