【技术实现步骤摘要】
知识图谱表示学习方法及系统
本专利技术涉及领域知识图谱
,尤其涉及一种知识图谱表示学习方法及系统。
技术介绍
在当前知识表示技术中,考虑层级实体类型作为实体的外部信息方面,主要方法是,将实体类型作为投影矩阵。首先将实体(头实体/尾实体)映射到投影矩阵,该投影矩阵为各层级实体类型对应的投影矩阵的组合,再计算三元组的得分函数。该方法考虑了含层级的实体类型,然而,由于每个实体类型都需要学习一个投影矩阵,导致计算复杂度较高,不能满足大规模知识图谱的时效性要求。
技术实现思路
有鉴于此,本专利技术提供一种知识图谱表示学习方法以及系统,计算简单高效,能满足大规模知识图谱的时效性要求。一方面,本专利技术提供一种知识图谱表示学习方法,包括:根据知识图谱中的三元组的首实体、尾实体以及关系实体,计算初始评价函数;其中,所述首实体表示为:所述首实体所属实体类型的中心向量与所述首实体所属实体类型指向所述首实体的残差向量之和;所述尾实体表示为:所述尾实体所属实体类型的中心向量与所述尾实体所属实体类型指向所述尾实体的残差向量之和;根据所述首实体及对应的实体类型、尾实体及对应的实体类型,计算用于表征属于相同实体类型的实体之间关系的第一关系参数,以及计算用于表征属于相关实体类型的实体之间关系的第二关系参数;将所述初始评价函数减去所述第一关系参数与第二关系参数的和作为最终评价函数,通过最小化所述最终评价函数,学习得到所述三元组的向量表示。进一步地,所述首实体所属实体类型的中心向量表示为 ...
【技术保护点】
1.一种知识图谱表示学习方法,其特征在于,包括:/n根据知识图谱中的三元组的首实体、尾实体以及关系实体,计算初始评价函数;其中,所述首实体表示为:所述首实体所属实体类型的中心向量与所述首实体所属实体类型指向所述首实体的残差向量之和;所述尾实体表示为:所述尾实体所属实体类型的中心向量与所述尾实体所属实体类型指向所述尾实体的残差向量之和;/n根据所述首实体及对应的实体类型、尾实体及对应的实体类型,计算用于表征属于相同实体类型的实体之间关系的第一关系参数,以及计算用于表征属于相关实体类型的实体之间关系的第二关系参数;/n将所述初始评价函数减去所述第一关系参数与第二关系参数的和作为最终评价函数,通过最小化所述最终评价函数,学习得到所述三元组的向量表示。/n
【技术特征摘要】
1.一种知识图谱表示学习方法,其特征在于,包括:
根据知识图谱中的三元组的首实体、尾实体以及关系实体,计算初始评价函数;其中,所述首实体表示为:所述首实体所属实体类型的中心向量与所述首实体所属实体类型指向所述首实体的残差向量之和;所述尾实体表示为:所述尾实体所属实体类型的中心向量与所述尾实体所属实体类型指向所述尾实体的残差向量之和;
根据所述首实体及对应的实体类型、尾实体及对应的实体类型,计算用于表征属于相同实体类型的实体之间关系的第一关系参数,以及计算用于表征属于相关实体类型的实体之间关系的第二关系参数;
将所述初始评价函数减去所述第一关系参数与第二关系参数的和作为最终评价函数,通过最小化所述最终评价函数,学习得到所述三元组的向量表示。
2.根据权利要求1所述的知识图谱表示学习方法,其特征在于,所述首实体所属实体类型的中心向量表示为:所述首实体所属实体类型的父实体类型的中心向量与所述首实体所属实体类型的父实体类型指向所述首实体所属实体类型的残差向量之和;
所述尾实体所属实体类型的中心向量表示为:所述尾实体所属实体类型的父实体类型的中心向量与所述尾实体所属实体类型的父实体类型指向所述尾实体所属实体类型的残差向量之和。
3.根据权利要求2所述的知识图谱表示学习方法,其特征在于,根据所述首实体及对应的实体类型、尾实体及对应的实体类型,计算用于表征属于相同实体类型的实体之间关系的第一关系参数的步骤通过如下公式实现:
其中,e表示实体,ε表示实体集合,t表示实体类型,表示实体类型集合,mintra表示预设的用于表征同类型实体相似度的参数。
4.根据权利要求3所述的知识图谱表示学习方法,其特征在于,根据所述首实体及对应的实体类型、尾实体及对应的实体类型,计算用于表征属于相关实体类型的实体之间关系的第二关系参数的步骤通过如下公式实现:
其中,tf表示父实体类型,Tf\{tf}表示除父实体类型外其余实体类型集合,Tf\{tf,ti}表示除父实体类型、当前实体类型外其余实体类型集合,minter表示预设的用于表征相关类型实体相似度的参数。
5.根据权利要求4所述的知识图谱表示学习方法,其特征在于,其中,minter为实体类型层数L的函数,具体为:
其...
【专利技术属性】
技术研发人员:胡碧峰,侯乐,赵从志,
申请(专利权)人:和美深圳信息技术股份有限公司,
类型:发明
国别省市:广东;44
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。