【技术实现步骤摘要】
基于关系注意力的知识图谱推理方法、装置和计算机设备
本申请涉及知识图谱
,特别是涉及一种基于关系注意力的知识图谱推理方法、装置、计算机设备和存储介质。
技术介绍
知识图谱在许多自然语言处理应用中有非常重要的作用,例如问答系统、语义搜索等。但由于知识获取的不确定性,基于实体识别和关系抽取技术构建的知识图谱,会导致知识图谱的不完整,从而影响这些应用的性能。如果知识图谱中存在错误,会导致该应用返回错误的结果。知识图谱推理技术指的是根据现有的知识图谱中的已知事实,推断出新的事实,使用知识图谱推理技术可以丰富知识图谱。三元组是知识图谱中知识表示的基本单位,被用来表示实体与实体之间的关系,或者实体的某个属性的属性值是什么。例如:我们将知识图谱中的节点用表示,节点与节点之间的关系用表示,相应地,知识图谱可表示为,其中,每一个三元组描述实体与实体之间的某种关系。为了捕获三元组周围的局部邻居中固有隐含的复杂和隐藏信息,已有相关研究中,基于图注意力的模型在获取网络结构上取得了成功,但直接用于知识图谱是不合适的,因为它忽略了知识图谱里很重要的一部分信息——边,即在KG里实体之间的关系信息。文献1(NathaniD,ChauhanJ,SharmaC,etal.LearningAttention-basedEmbeddingsforRelationPredictioninKnowledgeGraphs[C]//.meetingoftheassociationforcomputationallinguistics,(ACL ...
【技术保护点】
1.一种基于关系注意力的知识图谱推理方法,所述方法包括:/n获取知识图谱中节点的初始嵌入表示,将所述初始嵌入表示转换到高维空间,得到高维嵌入表示;/n获取所述知识图谱中目标节点的邻居节点集合,根据所述目标节点与所述邻居节点集合中邻居节点的关系类型,构建邻居子图;/n根据所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的高维嵌入表示,得到所述目标节点嵌入邻居子图中信息的邻居嵌入表示;/n将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合,得到目标节点的聚合嵌入表示;/n根据每个所述邻居子图的第一注意力分值,对所述聚合嵌入表示进行融合,得到所述目标节点的融合嵌入表示;/n根据所述融合嵌入表示,计算所述目标节点对应三元组的得分,根据得分进行三元组推理。/n
【技术特征摘要】
1.一种基于关系注意力的知识图谱推理方法,所述方法包括:
获取知识图谱中节点的初始嵌入表示,将所述初始嵌入表示转换到高维空间,得到高维嵌入表示;
获取所述知识图谱中目标节点的邻居节点集合,根据所述目标节点与所述邻居节点集合中邻居节点的关系类型,构建邻居子图;
根据所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的高维嵌入表示,得到所述目标节点嵌入邻居子图中信息的邻居嵌入表示;
将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合,得到目标节点的聚合嵌入表示;
根据每个所述邻居子图的第一注意力分值,对所述聚合嵌入表示进行融合,得到所述目标节点的融合嵌入表示;
根据所述融合嵌入表示,计算所述目标节点对应三元组的得分,根据得分进行三元组推理。
2.根据权利要求1所述的方法,其特征在于,所述获取知识图谱中节点的初始嵌入表示,将所述初始嵌入表示转换到高维空间,得到高维嵌入表示,包括:
根据预先设置的嵌入模型,将知识图谱中三元组的头实体、尾实体以及关系进行嵌入,得到初始嵌入表示;
根据预先设置的转换矩阵,将所述头实体和尾实体转换至高维空间,得到头实体高维嵌入表示,根据预先设置的关系转换矩阵,将所述关系转换至高维空间,得到关系高维嵌入表示。
3.根据权利要求1所述的方法,其特征在于,根据所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的高维嵌入表示,得到所述目标节点嵌入邻居子图中信息的邻居嵌入表示,包括:
获取所述目标节点的高维嵌入表示和所述邻居子图中邻居节点的节点对嵌入表示为:
其中,表示节点对嵌入表示,表示第一线性转换矩阵,表示目标节点的高维嵌入表示,表示所述邻居子图中邻居节点的节点对嵌入表示;
根据所述节点对嵌入表示,确定所述邻居节点对所述目标节点的第二注意力分值为:
其中,表示第二注意力分值,表示激活函数,表示第二线性转换矩阵;
对所述第二注意力分值进行归一化,并根据所述邻居子图中每个邻居节点的第二注意力分值的归一化结果,聚合得到邻居嵌入表示。
4.根据权利要求1所述的方法,其特征在于,将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合,得到目标节点的聚合嵌入表示,包括:
根据预先设置的聚合函数,将所述目标节点的高维嵌入表示与所述邻居嵌入表示进行聚合,得到目标节点的聚合嵌入表示为:
其中,表示聚合嵌入表示,表示邻居嵌入表示。
5.根据权利要求4...
【专利技术属性】
技术研发人员:赵晓娟,陈恺,常春喜,王培,王昌海,马锶霞,李晨晨,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。