一种知识图谱的图嵌入方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种知识图谱的图嵌入方法、装置及电子设备。其中，所述方法包括：获取第一类节点和第二类节点的拓扑信息，其中，所述拓扑信息为一类节点所表示的对象的特征，所述第一类节点和所述第二类节点所表示的对象间存在交互；分别针对第一类节点和第二类节点中每类节点，根据该类节点的拓扑信息，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征；根据所述第一类节点和第二类节点间的交互信息，对所述第一类节点的深层特征和所述第二类节点的深层特征进行图特征提取，得到所述第一类节点的对象表征以及所述第二类节点的对象表征。可以实现减少针对异构知识图谱进行图嵌入时损失的信息。识图谱进行图嵌入时损失的信息。识图谱进行图嵌入时损失的信息。

【技术实现步骤摘要】
一种知识图谱的图嵌入方法、装置及电子设备


[0001]本专利技术涉及图数据挖掘
，特别是涉及一种知识图谱的图嵌入方法、装置及电子设备。

技术介绍

[0002]在图数据挖局
中，往往使用知识图谱(Knowledge Graph)描述不同对象之间的关联关系，知识图谱中的节点可以用于表示对象或者特征，边可以用于表示所连接的节点所表示的对象或特征之间存在关系。如果知识图谱中包含用于表示不同种类的对象节点，则称该知识图谱为异构知识图谱，例如知识图谱中一部分节点用于表示用户，另一部分节点用于表示物品。
[0003]知识图谱作为一种图数据维度较高，不利于电子设备进行处理，因此可以将知识图谱映射至维度更低的表征，下文称该过程为图嵌入(Graph Embdding)。相关技术中，可以通过随机游走的方式完成图嵌入。
[0004]但是异构知识图谱中包含用于表示多种不同类别对象的节点，以及不同种类对象间产生的交互的交互信息，导致异构知识图谱的复杂程度较高，随机游走的方式往往只能够确定出知识图谱的局部特征，难以有效将知识图谱的全局特征嵌入表征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱的图嵌入方法，其特征在于，所述知识图谱包括多类节点，其中，每类节点用于表示同一种对象，所述知识图谱中包括交互边和关联边，所述交互边用于连接所表示的对象间存在交互且种类不同的节点，所述关联边用于连接所表示的对象存在关联且种类相同的节点，所述方法包括：获取第一类节点和第二类节点的拓扑信息，其中，所述拓扑信息用于表示所述知识图谱中一类节点间的拓扑关系，所述第一类节点和所述第二类节点间存在交互边；分别针对第一类节点和第二类节点中每类节点，利用基于深度学习得到的图特征提取模型，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征；根据所述第一类节点和第二类节点间的交互信息，对所述第一类节点的深层特征和所述第二类节点的深层特征进行图特征提取，得到所述第一类节点的对象表征以及所述第二类节点的对象表征，所述交互信息用于表示所述知识图谱中所述第一类节点、所述第二类节点以及所述第一类节点和所述第二类节点间的交互边组成的拓扑关系。2.根据权利要求1所述的方法，其特征在于，在所述利用基于深度学习得到的图特征提取模型，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征之前，所述方法还包括：获取所述第一类节点和所述第二类节点间的交互特征，所述交互特征用于表示所述第一类节点所表示的对象和所述第二类节点所表示的对象间产生的交互的特征；将所述第一类节点的拓扑信息、第二类节点的拓扑信息以及所述交互特征输入预设的双向长短期记忆网络进行信息交互，得到所述双向长短期记忆网络输出的所述第一类节点的交互后的拓扑信息、所述第二类节点的交互后的拓扑信息，其中，所述双向长短期记忆网络中前向传播的顺序为第一顺序和第二顺序中的一种，所述双向长短期记忆网络中后向传播的顺序为所述第一顺序和所述第二顺序中的另一种，所述第一顺序为：第一类节点的拓扑信息、交互特征、第二类节点的交互特征，所述第二顺序为：第二类节点的拓扑信息、交互特征、第一类节点的交互特征；所述利用基于深度学习得到的图特征提取模型，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征，包括：利用基于深度学习得到的图特征提取模型，对该类节点的交互后的拓扑信息进行图特征提取，得到该类节点的深层特征。3.根据权利要求2所述的方法，其特征在于，所述将所述第一类节点的拓扑信息、第二类节点的拓扑信息以及所述交互特征输入预设的双向长短期记忆网络进行信息交互，得到所述双向长短期记忆网络输出的所述第一类节点的交互后的拓扑信息、所述第二类节点的交互后的拓扑信息，包括：将所述第一类节点的拓扑信息、第二类节点的拓扑信息以及所述交互特征输入预设的双向长短期记忆网络进行信息交互，得到所述双向长短期记忆网络输出的所述第一类节点的交互后的拓扑信息、所述第二类节点的交互后的拓扑信息以及交互后的交互特征；所述根据所述第一类节点和第二类节点间的交互信息，对所述第一类节点的深层特征和第二类节点的深层特征进行图特征提取，得到所述第一类节点的对象表征以及所述第二类节点的对象表征，包括：根据所述交互后的交互特征，对所述第一类节点的深层特征和第二类节点的深层特征
进行图特征提取，得到所述第一类节点的对象表征以及所述第二类节点的对象表征。4.根据权利要求1所述的方法，其特征在于，所述利用基于深度学习得到的图特征提取模型，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征，包括：根据该类节点的节点连接矩阵，对该类节点的拓扑信息进行图特征提取，得到该类节点的深层特征，所述节点连接矩阵用于表示所述知识图谱中每个该类节点与其他该类节点间的连接关系。5.根据权利要求4所述的方法，其特征在于，在所述第一类节点和所述第二类节点所表示的对象间产生的交互中，所述第一类节点所表示的对象为交互发起方；所述第一类节点的节点连接矩阵通过以下方式构建：构建所述第一类节点的对角度矩阵与邻接矩阵，其中，所述对角度矩阵用于表示各节点所连接的同类节点的数目，所述邻接矩阵用于表示各节点间的连接关系；将乘积矩阵与单位矩阵进行...

【专利技术属性】
技术研发人员：付尧，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：