基于图神经网络的知识图谱实体对齐方法技术

针对现有知识图谱的实体对齐方法会造成一定程度的信息损失的问题，本发明专利技术公开了一种基于图神经网络的知识图谱实体对齐方法，其步骤包括，数据预处理，对两个需对齐的知识图谱和已有对齐种子进行数据预处理，处理结果作为下一步的输入；构建图神经网络模型，将预处理结果输入图卷积神经网络，对两个需对齐的知识图谱利用图神经网络统一建模，得到知识图谱中实体的向量化表示；基于贪心算法搜索向量空间中实体向量表示与实体语义相似度最高的实体，作为对齐实体。本发明专利技术通过构建一个统一的图神经网络对需对齐的两个图谱进行联合建模，更有效的利用两个图谱的综合信息，得到更为准确的实体向量化表示，提高了实体对齐的准确率。提高了实体对齐的准确率。提高了实体对齐的准确率。

【技术实现步骤摘要】
基于图神经网络的知识图谱实体对齐方法


[0001]本专利技术涉及基于知识图谱的实体对齐领域，尤其涉及一种基于图神经网络的知识图谱实体对齐方法。

技术介绍

[0002]近年来知识图谱技术发展迅速，基于知识图谱的各项研究层出不穷。研究人员构建了大量通用知识图谱及领域知识图谱，各个知识图谱间的知识既有重叠又有补充。如何将多源异构的知识图谱进行融合，得到知识更为完备的知识图谱，从而更好的支持图谱上的应用迫在眉睫。实体对齐技术是实现知识图谱融合的重要方法。
[0003]目前知识图谱的实体对齐方法主要使用两个图神经网络对需对齐的两个图谱独立建模，分别得到两个图谱中实体和关系的向量表示，进而通过贪心算法等搜索向量空间，将向量表示最为接近的一对实体作为对齐实体。这类方法对两个图谱分别进行建模，而实体对齐任务需要全面利用两个图谱的综合信息，所以这类方法会造成一定程度的信息损失。

技术实现思路

[0004]针对现有知识图谱的实体对齐方法会造成一定程度的信息损失的问题，本专利技术公开了一种基于图神经网络的知识图谱实体对齐方法，通过构建一个统一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的知识图谱实体对齐方法，其特征在于，其具体步骤包括：S1，数据预处理，对两个需对齐的知识图谱和已有对齐种子进行数据预处理，处理结果作为步骤S2的输入；S2，构建图神经网络模型，将步骤S1的预处理结果输入图卷积神经网络，对两个需对齐的知识图谱利用图神经网络统一建模，得到知识图谱中实体的向量化表示；S3，基于贪心算法搜索向量空间中实体向量表示与实体语义相似度最高的实体，作为对齐实体。2.如权利要求1所述的基于图神经网络的知识图谱实体对齐方法，其特征在于，在所述的步骤S1中，数据预处理时，对两个知识图谱包含的所有三元组及已对齐实体种子对进行处理，利用Keras人工神经网络库中的embedding层随机初始化，得到三元组中实体和关系的向量表示；为保证后续所构建的图神经网络是对两个需对齐知识图谱的联合建模，利用已对齐种子将两个需对齐知识图谱进行关联，对初始数据信息充分挖掘；将预对齐种子看作关系为对齐的三元组，构建邻接矩阵；在构建跨图谱关系三元组时，遍历已有的全部三元组，对包含对齐种子中某个实体的三元组，将该三元组所包含的实体替换为预对齐种子对齐的实体，生成新的三元组，从而构建跨图谱的邻接矩阵和关系三元组，得到综合两个需对齐知识图谱信息的预处理结果。3.如权利要求1所述的基于图神经网络的知识图谱实体对齐方法，其特征在于，在所述的步骤S2中，将步骤S1得到的数据预处理结果输入图卷积神经网络，对两个需对齐的知识图谱进行统一建模，得到图谱中实体和关系的向量化表示；图卷积神经网络中实体和关系的向量化表示通过迭代不断调整，以实体语义相...

【专利技术属性】
技术研发人员：张静，栾瑞鹏，亓东林，孙晓，陈曙东，朱浩洋，欧阳小叶，
申请(专利权)人：中国人民解放军三二八零一部队，
类型：发明
国别省市：