网络空间安全领域知识图谱表示学习方法和装置制造方法及图纸

本申请涉及一种网络空间安全领域知识图谱表示学习方法和装置。所述方法包括：根据预先设置的RotatE模型，将网络空间安全领域的知识图谱中三元组的实体和关系嵌入至复向量空间，得到实体嵌入向量和关系嵌入向量；根据实体嵌入向量和关系嵌入向量，表示网络空间安全领域中本体层关系公理；将复向量空间拓展至概念对应的球体复数空间；球体复数空间的球心采用复向量空间中球心嵌入向量表示；根据球心嵌入向量和/或实体嵌入向量之间的距离，表示网络空间安全领域中本体层公理。采用本方法能够还原模式层信息，从而避免模式层信息的损失。

【技术实现步骤摘要】
网络空间安全领域知识图谱表示学习方法和装置
本申请涉及知识图谱
，特别是涉及一种网络空间安全领域知识图谱表示学习方法和装置。
技术介绍
网络空间领域知识图谱采用自顶向下的方式构建。首先由领域专家定义知识图谱的模式层，在模式层中包含了大量的先验领域知识，具有较高的准确性和权威性，是领域内公认的基础知识和规则。模式层的领域知识使用本体公理的形式表示，对实例层的数据加以定义和约束，通常来说这些先验知识是较为严格和全面的，对下游的知识图谱推理应用具有重要价值，因此将本体公理融入到知识图谱的表示学习过程中具有十分重要的意义。然而现有的知识图谱表示学习方法大多针对开放域知识图谱，开放域知识图谱采用自底向上地方式构建，相较于领域知识图谱具有较为松散的模式层表示，且模式层公理通常直接从数据中获取，其严密性和完整性较差。因此，现有的知识表示学习方法较少地全面考虑知识图谱的模式层公理，将这些方法直接用于网络空间领域知识图谱的表示学习会导致大量模式层信息的损失，进而对后续推理任务产生不利影响。
技术实现思路
基于此，有必要针对上述技术问题，本文档来自技高网...

【技术保护点】
1.一种网络空间安全领域知识图谱表示学习方法，其特征在于，所述方法包括：/n根据预先设置的RotatE模型，将网络空间安全领域的知识图谱中三元组的实体和关系嵌入至复向量空间，得到实体嵌入向量和关系嵌入向量；/n根据所述实体嵌入向量和所述关系嵌入向量，表示网络空间安全领域中本体层关系公理；/n将所述复向量空间拓展至概念对应的球体复数空间；所述球体复数空间的球心采用所述复向量空间中球心嵌入向量表示；/n根据所述球心嵌入向量和/或所述实体嵌入向量之间的距离，表示网络空间安全领域中本体层公理。/n

【技术特征摘要】
1.一种网络空间安全领域知识图谱表示学习方法，其特征在于，所述方法包括：
根据预先设置的RotatE模型，将网络空间安全领域的知识图谱中三元组的实体和关系嵌入至复向量空间，得到实体嵌入向量和关系嵌入向量；
根据所述实体嵌入向量和所述关系嵌入向量，表示网络空间安全领域中本体层关系公理；
将所述复向量空间拓展至概念对应的球体复数空间；所述球体复数空间的球心采用所述复向量空间中球心嵌入向量表示；
根据所述球心嵌入向量和/或所述实体嵌入向量之间的距离，表示网络空间安全领域中本体层公理。


2.根据权利要求1所述的方法，其特征在于，所述根据预先设置的RotatE模型，将网络空间安全领域的知识图谱中三元组的实体和关系嵌入至复向量空间，得到实体嵌入向量和关系嵌入向量，包括：
根据预先设置的RotatE模型，将网络空间安全领域的知识图谱中三元组的实体和关系嵌入至复向量空间，得到实体嵌入向量和关系嵌入向量如下：



其中，表示实体嵌入向量中的尾实体嵌入向量，表示实体嵌入向量中的尾实体嵌入向量，表示关系嵌入向量，且对于关系嵌入向量中任意一维，满足，表示Hadamard乘积。


3.根据权利要求1所述的方法，其特征在于，所述本体层关系公理包括：关系组成公理、自反性公理、对称性公理以及传递性公理；
根据所述实体嵌入向量和所述关系嵌入向量，表示网络空间安全领域中本体层关系公理，包括：
根据所述实体嵌入向量之间以所述复向量空间的原点转动的角度，确定所述关系嵌入向量的取值；
根据所述关系嵌入向量的取值，确定网络空间安全领域本体层公理中关系组成公理、自反性公理、对称性公理以及传递性公理的任意一个。


4.根据权利要求1所述的方法，其特征在于，将所述复向量空间拓展至球体复数空间，包括：
将所述复向量空间拓展至球体复数空间；所述球体复数空间表示为，其中，表示球体复数空间的球心，m表示球体半径。


5.根据权利要求4所述的方法，其特征在于，所述本体层公理包括：概念断言；
根据所述球心嵌入向量和/或所述实体嵌入向量之间的距离，表示网络空间安全领域中本体层公理，包括：
根据所述球...

【专利技术属性】
技术研发人员：刘斌，丁兆云，朱席席，朱先强，周鋆，黄松平，吕国栋，刘毅，汤罗浩，王文浩，
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