基于隐空间邻域聚合的智能网联汽车产业图谱融合方法技术

本发明专利技术公开了一种基于门控隐空间邻域聚合的智能网联汽车产业图谱融合方法，基于智能网联汽车产业图谱，生成产业图谱隐空间(嵌入空间)；然后基于产业图谱的原始拓扑结构产生实体的拓扑邻域，基于产业图谱的隐空间产生实体的隐空间邻域；接着产生中心实体在聚合拓扑邻域中的邻接实体信息后的拓扑邻域信息表示，产生中心实体在聚合隐空间邻域中的邻接实体信息后的隐空间邻域表示，产生包含拓扑邻域信息和隐空间邻域信息的实体嵌入表示；进一步在得到最后的实体嵌入表示之后，通过计算实体嵌入表示之间的余弦相似度产生实体的相似度矩阵；最后将实体对齐问题表示为经典的稳定匹配问题，并通过延迟接受算法去实现全局的实体对齐。

【技术实现步骤摘要】
基于隐空间邻域聚合的智能网联汽车产业图谱融合方法
本专利技术属于知识图谱
，具体涉及一种基于门控隐空间邻域聚合的智能网联汽车产业图谱融合方法，运用到深度学习与自然语言处理技术，为基于产业图谱的区域产业关联效应趋势预测研究提供支持。
技术介绍
随着科技的发展，人工智能在人们的生活中无处不在，机器拥有智能的背后离不开知识图谱的支撑。构建湖北省智能网联汽车产业图谱，能够多视角地识别和预测产业内的企业重大风险、企业群集行为和企业群集事件的演化趋势，能够动态辨析产业间关联关系，实现区域产业关联效应发展趋势的有效测度。本专利技术专利主要是通过产业图谱内的实体对齐技术将湖北省智能网联汽车产业图谱内表示现实中同一对象的实体进行对齐融合，形成一个包含产业结构、产业分布、产业分工、产业内企业关系等因素的完整湖北省智能网联汽车产业图谱。传统的实体对齐技术主要分为基于实体的标签信息和基于人工定义特征两类，但是随着深度学习的发展，传统方法逐渐出现劣势。目前基于深度学习的实体对齐技术主要采用嵌入表示的学习方法，将产业图谱映射到低维的向量空间中，图谱中三元组中本文档来自技高网...

【技术保护点】
1.一种基于隐空间邻域聚合的智能网联汽车产业图谱融合方法，其特征在于，包括以下步骤：/n步骤1：基于构建的智能网联汽车产业图谱，将产业图谱内实体、关系向量化，生成产业图谱隐空间；/n步骤2：基于产业图谱的原始拓扑结构产生实体的拓扑邻域，基于产业图谱的隐空间产生实体的隐空间邻域；/n步骤3：在原产业图谱的拓扑结构中，通过聚合中心实体在拓扑邻域中的邻接实体信息，产生中心实体在聚合拓扑邻域中的邻接实体信息后的拓扑邻域信息表示；/n步骤4：在产业图谱隐空间中，通过聚合中心实体的在隐空间邻域中的邻接实体信息，产生中心实体在聚合隐空间邻域中的邻接实体信息后的隐空间邻域表示；/n步骤5：在生成中心实体的拓扑...

【技术特征摘要】
1.一种基于隐空间邻域聚合的智能网联汽车产业图谱融合方法，其特征在于，包括以下步骤：
步骤1：基于构建的智能网联汽车产业图谱，将产业图谱内实体、关系向量化，生成产业图谱隐空间；
步骤2：基于产业图谱的原始拓扑结构产生实体的拓扑邻域，基于产业图谱的隐空间产生实体的隐空间邻域；
步骤3：在原产业图谱的拓扑结构中，通过聚合中心实体在拓扑邻域中的邻接实体信息，产生中心实体在聚合拓扑邻域中的邻接实体信息后的拓扑邻域信息表示；
步骤4：在产业图谱隐空间中，通过聚合中心实体的在隐空间邻域中的邻接实体信息，产生中心实体在聚合隐空间邻域中的邻接实体信息后的隐空间邻域表示；
步骤5：在生成中心实体的拓扑邻域信息表示和隐空间邻域信息表示后，通过门控机制对中心实体的隐空间邻域信息和拓扑邻域信息进行聚合，产生包含拓扑邻域信息和隐空间邻域信息的实体嵌入表示；
步骤6：在得到最后的实体嵌入表示之后，通过计算实体嵌入表示之间的余弦相似度产生实体的相似度矩阵；
步骤7：为了制定全局的实体对齐决策，将实体对齐问题表示为经典的稳定匹配问题，并实现集体的实体对齐。


2.根据权利要求1所述的基于隐空间邻域聚合的智能网联汽车产业图谱融合方法，其特征在于：步骤1中，利用图谱嵌入模型HAKE将产业图谱映射到一个低维的向量空间，生成产业图谱的隐空间，得到实体、关系的嵌入表示；
所述图谱嵌入模型HAKE包含模长部分和角度部分，模长部分用于建模分属不同层级的实体，角度部分用于建模属于同一层级的实体；对于一个三元组(h,r,t)，其中h为头实体，r为关系，t为尾实体，hm∈Rk,tm∈Rk分别为模长部分中头实体、关系、尾实体的向量表示，hp,rp,tp∈[0,2π)k分别为角度部分中实体、关系、尾实体的向量表示；Rk表示实数的k维向量，R表示实数集，k表示向量的维度；模长部分三元组建模为角度部分三元组建模为hp+rp≈tp，其中，表示向量的逐元素相乘；+表示两个向量相加；≈指的是头实体的向量加上关系的向量尽可能的接近尾实体的向量；
模长部分和角度部分分别对应的距离函数为：



dr，p(hp，tp)＝||sin((hp+rp-tp)/2)||1。


3.根据权利要求1所述的基于隐空间邻域聚合的智能网联汽车产业图谱融合方法，其特征在于：步骤2中，基于产业图谱的原始拓扑结构，通过中心实体的一跳邻居集合{e1,…,en}产生中心实体的拓扑邻域NT(u)，在利用图谱嵌入模型HAKE得到产业图谱的嵌入空间之后，通过在嵌入空间中计算中心实体向量表示和其他实体的向量表示之间的相似度，如果相似度大于给定的阈值，则它是中心实体在隐空间中的邻接实体，从而产生中心实体的隐空间邻域NH(u)；
其中，拓扑邻域和隐空间邻域分别表示为：
NT(u)＝{v|v∈E，(u，v)∈R}
NH(u)＝{v|v∈E，d(eu，eV)＜ρ}
其中u,v都是实体，R表示关系集合；eu,ev分别为实体u和实体v的向量表示，d(eu,ev)为计算向量之间距离的函数，采用余弦相似度；ρ表示预先定义的相似度阈值。


4.根据权利要求1所述的基于隐空间邻域聚合的智能网联汽车产业图谱融合方法，其特征在于：步骤3中，在原产业图谱的拓扑结构中，利用vanillaGCN去聚合中心实体在拓扑邻域中的邻接实体ej,T∈NT(u)的信息，vanillaGCN的层数为l，层与层之间的传播公式为：



其中，NT(·)表示中心实体的一跳拓扑邻域，也包括中心实体自己，表示中心实体在vanillaGCN的第l层中，聚合拓扑邻域中的邻接...

【专利技术属性】
技术研发人员：熊盛武，陈小英，陈伟，王盛，谢泽丰，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42