一种基于层次商空间的知识图谱概念认知方法技术

本发明专利技术涉及一种基于层次商空间的知识图谱概念认知方法，属于人工智能技术领域。该方法包括：S1对于一个概念C，从知识图谱中获取它的实体；S2：计算概念C的任意两个实体之间的实体相似度，所有的实体相似度形成一个模糊关系矩阵；S3：通过计算模糊关系矩阵的传递闭包可以得到一个模糊等价关系矩阵，通过模糊等价关系矩阵可以得到一组λ

【技术实现步骤摘要】
一种基于层次商空间的知识图谱概念认知方法


[0001]本专利技术属于人工智能
，涉及一种基于层次商空间的知识图谱概念认知方法。

技术介绍

[0002]海量数据的积累和计算能力的快速增长为人类进入智能时代奠定了基础。随着机器计算智能和感知智能达到/超越人类，认知智能已经成为各行各业的共同诉求。
[0003]为什么知识图谱的概念认知能帮助实现认知智能？原则上，认知智能的实现就是让机器具备理解和解释的能力。机器理解是将数据映射到知识库中的概念，实体，属性和属性值的过程。幸运的是，知识图谱包含概念(人对客观事物的概念化表达，例如国家、城市等等)、实体(特定的对象，例如中国、北京等等)、实体属性(比如中国的首都、中国的面积、北京的人口数量等等)和对应的属性值(例如北京，“960万平方公里”，“2150万”等等)的详细信息。对每一个企业来说，知识图谱是一种战略，因为它能帮助决策者、用户和电脑“理解”地点、人物和事物的事实，并且它能通过这些信息给研究者提供更多相关的信息。知识图谱的概念认知通过认知概念提升上述的“理解”。因此，知识图谱的概念认知本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次商空间的知识图谱概念认知方法，其特征在于，该方法具体包括以下步骤：S1：对于一个概念C，从知识图谱中获取它的实体；S2：计算概念C的任意两个实体之间的实体相似度，所有的实体相似度形成一个模糊关系矩阵；S3：通过计算模糊关系矩阵的传递闭包得到一个模糊等价关系矩阵，通过模糊等价关系矩阵得到一组λ
‑
截；S4：每一个λ
‑
截能生成一个λ
‑
截矩阵和一个商空间，最终所有的商空间形成一个层次商空间；S5：计算两个层次商空间的层次商空间距离；S6：计算属性重要度，实现对知识图谱中一个概念的认知。2.根据权利要求1所述的知识图谱概念认知方法，其特征在于，步骤S2中，计算概念C的任意两个实体之间的实体相似度，具体包括以下步骤：S21：计算单个三元组的相似性；设t=<s，p，o>和t
′
＝<s
′
，p
′
，o
′
>是两个实体的两个三元组<主语，谓词，宾语>，则两个三元组之间的相似性S(t，t
′
)为：其中，α和β分别表示谓词和宾语的不同权重，α+β＝1；γ表示S(t，t
′
)接受γ折宾语类型的相似性，即使两个宾语有相同的类型，相似度的值仍小于1，即“1”意味着两个三元组有相同的宾语；Π
type
(x)表示获取x的所有类型的投影变换；S22：计算多个三元组的相似性；设T和T
′
是两个实体的同一个谓语的两个三元组集，这两个三元组集之间的相似性S(T，T
′
)定义为：其中，|T|或|T
′
|表示在三元组集T或T
′
中三元组的数量，Π
o
(T)或Π
o
(T
′
))表示得到三元组集T或T
′
中所有宾语的投影变换；S23：根据单个三元组的相似性和多个三元组的相似性得到实体相似度；设E1和E2是两个实体，它们之间的相似度S(E1，E2)为：
其中，Π
p

【专利技术属性】
技术研发人员：胡新，段江丽，王国胤，
申请(专利权)人：长江师范学院，
类型：发明
国别省市：