知识图谱构建方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种知识图谱构建方法、系统、设备及存储介质，知识图谱构建方法：包括：获取已构建知识图谱；提取已构建知识图谱中关联的第一实体信息和第二实体信息；根据预设非监督深度学习模型和预设信息数据库确定检测关系网络，预设信息数据库包括与第一实体信息、第二实体信息相关的信息：根据第一实体信息、第二实体信息、检测关系网络和预设非监督深度学习模型确定第一实体信息和第二实体信息关联的多个关系信息以及关系信息对应的可信度；根据多个关系信息的可信度和预设阈值增加已构建知识图谱中第一实体信息和第二实体信息对应的关系信息。本发明专利技术而完善已构建知识图谱，以得到更加准确且完整的知识图谱。以得到更加准确且完整的知识图谱。以得到更加准确且完整的知识图谱。

【技术实现步骤摘要】
知识图谱构建方法、系统、设备及存储介质


[0001]本专利技术涉及深度学习的
，尤其是涉及一种知识图谱构建方法、系统、设备及存储介质。

技术介绍

[0002]知识图谱(Knowledge Graph)通常指可揭示实体之间的关系的语义网络，其基于数据挖掘、信息处理、图形绘制等手段，利用可视化的图谱将复杂的知识领域形象地展示出来，可在一定程度上体现知识领域的发展规律。
[0003]随着大数据时代的发展，人们对于知识图谱的要求不再是简单的关系链，对知识图谱的完备度、准确性也有了较高的要求，但是相关技术中的知识图谱构建成本高且完备性较难保证，导致知识推理计算的准确度较低。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种知识图谱构建方法，能够提高知识图谱的完整性和准确性。
[0005]本专利技术还提出一种知识图谱构建系统。
[0006]本专利技术还提出一种电子控制设备。
[0007]本专利技术还提出了一种计算机可读存储介质。<br/>[0008]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱构建方法，其特征在于，包括：获取已构建知识图谱；提取所述已构建知识图谱中关联的第一实体信息和第二实体信息；根据预设非监督深度学习模型和预设信息数据库确定检测关系网络，所述预设信息数据库包括与所述第一实体信息、所述第二实体信息相关的信息：根据所述第一实体信息、所述第二实体信息、所述检测关系网络和预设非监督深度学习模型确定所述第一实体信息和所述第二实体信息关联的多个关系信息以及所述关系信息对应的可信度；根据多个所述关系信息的所述可信度和预设阈值增加所述已构建知识图谱中所述第一实体信息和所述第二实体信息对应的关系信息。2.根据权利要求1所述的知识图谱构建方法，其特征在于，还包括：获取训练数据集合，所述训练数据集合包括：所述第一实体信息、所述第二实体信息与不同所述可信度的所述关系信息；将所述训练数据集合代入所述预设非监督深度学习模型以调节所述预设非监督深度学习的参数以得到优化后的所述预设非监督深度学习模型。3.根据权利要求1所述的知识图谱构建方法，其特征在于，所述根据所述第一实体信息、所述第二实体信息、所述检测关系网络和预设非监督深度学习模型确定所述第一实体信息和所述第二实体信息关联的多个关系信息以及所述关系信息对应的可信度，包括：根据所述第一实体信息、所述第二实体信息代入所述检测关系网络以得到多个所述第一实体信息、所述第二实体信息关联的多个关系信息；根据所述预设非监督深度学习模型计算多个所述关系信息与所述第一实体信息、所述第二实体的可信度以得到所述关系信息对应的所述可信度。4.根据权利要求1所述的知识图谱构建方法，其特征在于，还包括：将所述可信度小于预设过滤阈值的所述关系信息滤除。5.根据权利要求1至4任一项所述的知识图谱构建方法，其特征在于，所述根据多个所述关系信息的所述可信度和预设阈值增加所述已构建知识图谱中所述第一实体信息和所述第二实体信息对应的关系信息，包括：若多个所述关系信息中任意一个所述关系信息的所述可信度大于所述预设阈值，获取所述可信度大于所述预设阈值的关系信息，根据多个所述可信度的排序顺序确定并添加所述已构建知识图谱中所述第一实体信息和所述第二实体信息对应的所述关系信息；若多个所述关系信...

【专利技术属性】
技术研发人员：李劲，齐文，郭玮，苏力强，
申请(专利权)人：深圳清华大学研究院，
类型：发明
国别省市：