一种知识库补全方法、终端设备以及计算机存储介质技术

本申请提供了一种知识库补全方法、终端设备以及计算机存储介质。该知识库补全方法包括：获取项目数据；建立项目数据中实体与本体类的映射关系；基于实体与本体类的映射关系构建知识表示；在知识表示中迭代恢复实体的信息，形成完整的知识库。通过上述方式，本申请的知识库补全方法通过恢复丢失的实体信息，补全项目知识库，提高对项目数据的管理效率。提高对项目数据的管理效率。提高对项目数据的管理效率。

【技术实现步骤摘要】
一种知识库补全方法、终端设备以及计算机存储介质


[0001]本申请涉及自然语言处理
，特别是涉及一种知识库补全方法、终端设备以及计算机存储介质。

技术介绍

[0002]我国是基建大国，基础建设过程中产生了大量的建筑项目，如何合理高效的管理这些建筑项目就成为了急需解决的问题。大量研究发现大概三分之一的建筑项目都无法在时间和金钱项目上达到预期目标，造成这一现象的原因就是约束管理的困难。约束管理是指材料、设备、劳动力、许可证明等制约建筑项目平稳推进的因素。从各个方面来看，做好约束管理可以有效的提高建筑工程项目推进的效率。
[0003]做好约束管理的有效途径之一就是采用现代的基于软件包的管理方法。这种方法在项目开始前就做好对建筑项目和其约束条件的分析，然后将建筑项目分为几个部分后分别解决它们的约束条件。大量的实验数据证明基于软件包的管理方法可以有效提高管理建筑项目的效率。深度学习作为机器学习研究中的一个领域，其灵感源自于对人工神经网络的研究，其应用十分广泛，但其在与自然语言处理结合时仍有许多问题尚未解决。在建筑项目管理知识库构建中，部分信息不完整的知识库严重影响了管理效率。

技术实现思路

[0004]本申请提供了一种知识库补全方法、终端设备以及计算机存储介质。
[0005]本申请提供了一种知识库补全方法，所述知识库补全方法包括：
[0006]获取项目数据；
[0007]建立所述项目数据中实体与本体类的映射关系；
[0008]基于所述实体与本体类的映射关系构建知识表示；
[0009]在所述知识表示中迭代恢复实体的信息，形成完整的知识库。
[0010]其中，所述建立所述项目数据中实体与本体类的映射关系之后，还包括：
[0011]建立所述项目数据中属性与属性类的映射关系；
[0012]基于所述实体与本体类的映射关系，以及所述属性与属性类的映射关系构建知识表示；
[0013]其中，所述属性类包括数值类和布尔类。
[0014]其中，所述建立所述项目数据中实体与本体类的映射关系之后，还包括：
[0015]获取新增项目数据；
[0016]分别计算所述新增项目数据中的实体与所有已有本体类的相似度；
[0017]将所述新增项目数据中的实体添加到所述相似度最大的已有本体类中。
[0018]其中，计算所述新增项目数据中的实体与已有本体类的相似度的公式如下：
[0019][0020]其中，s表示所述新增项目数据中的实体与已有本体类的相似度，表示所述新增项目数据中的实体向量，表示所述已有本体类的向量。
[0021]其中，所述在所述知识表示中迭代恢复实体的信息，包括：
[0022]获取所述实体对应的目标节点在所述知识表示中的位置；
[0023]基于注意力机制对所述目标节点的邻域节点进行采样，以获取邻域节点信息；
[0024]利用所述邻域节点信息对所述目标节点进行迭代，以恢复所述目标节点对应的实体的信息。
[0025]其中，所述知识库补全方法，还包括：
[0026]将所述目标节点的领域节点按照不同的注意力值加权平均后，得到所述邻域节点信息。
[0027]其中，所述知识库补全方法，还包括：
[0028]基于所述项目数据中的实体，以及实体之间的关系构建三元组；
[0029]计算所述三元组的特征分数；
[0030]保留所述特征分数高于或等于预设阈值的三元组，剔除所述特征分数低于所述预设阈值的三元组。
[0031]其中，所述实体之间的关系包括约束关系、任务关系和/或属性关系。
[0032]本申请还提供了一种终端设备，所述终端设备包括存储器和处理器，其中，所述存储器与所述处理器耦接；
[0033]其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的知识库补全方法。
[0034]本申请还提供了一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现上述的知识库补全方法。
[0035]本申请的有益效果是：终端设备获取项目数据；建立项目数据中实体与本体类的映射关系；基于实体与本体类的映射关系构建知识表示；在知识表示中迭代恢复实体的信息，形成完整的知识库。通过上述方式，本申请的知识库补全方法通过恢复丢失的实体信息，补全项目知识库，提高对项目数据的管理效率。
附图说明
[0036]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0037]图1是本申请提供的知识库补全方法一实施例的流程示意图；
[0038]图2是本申请提供的知识库补全方法另一实施例的流程示意图；
[0039]图3是本申请提供的知识库补全方法又一实施例的流程示意图；
[0040]图4是本申请提供的终端设备一实施例的结构示意图；
[0041]图5是本申请提供的终端设备另一实施例的结构示意图；
[0042]图6是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
[0043]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0044]本申请提供的知识库补全方法可以应用于建筑管理领域，即对建筑管理的项目数据通过知识库的方式进行管理。在其他实施例中，也可以应用于其他领域的项目管理，例如航空数据管理、运输数据管理等。在以下实施例中，统一以建筑管理的项目数据对本申请的知识库补全方法进行详细阐述。
[0045]进一步地，由于相关的传统建筑领域知识库受到缺少信息节点和特征匮乏影响，无法找到重要信息来完成相关的建筑项目管理，本申请对此提出一种基于图深度学习的知识库，图深度学习框架具有很强的自主学习能力，泛化能力和鲁棒性。针对现在建筑项目逐渐变得复杂，人们需要对建筑工地上的材料、装备、任务实现一个统一高效的管理等问题，该方法可以有效地提高人们对建筑工程项目的管理效率。
[0046]具体请参阅图1，图1是本申请提供的知识库补全方法一实施例的流程示意图。
[0047]本申请实施例的知识库补全方法适用于未完成的或者缺失某些特征的知识库，通过一种基于图深度学习的知识库补全模型引入领域知识和本体规则来丰富数据来源以及提高模型精确度，先通过在词嵌入阶段引入图神经网络来编码实体和实体间的关系，然后引入了一种基于图卷积神经网络的解码器在实体
‑
关系
‑
实体的三元组上来识别丢失的信息。本申请的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识库补全方法，其特征在于，所述知识库补全方法包括：获取项目数据；建立所述项目数据中实体与本体类的映射关系；基于所述实体与本体类的映射关系构建知识表示；在所述知识表示中迭代恢复实体的信息，形成完整的知识库。2.根据权利要求1所述的知识库补全方法，其特征在于，所述建立所述项目数据中实体与本体类的映射关系之后，还包括：建立所述项目数据中属性与属性类的映射关系；基于所述实体与本体类的映射关系，以及所述属性与属性类的映射关系构建知识表示；其中，所述属性类包括数值类和布尔类。3.根据权利要求1所述的知识库补全方法，其特征在于，所述建立所述项目数据中实体与本体类的映射关系之后，还包括：获取新增项目数据；分别计算所述新增项目数据中的实体与所有已有本体类的相似度；将所述新增项目数据中的实体添加到所述相似度最大的已有本体类中。4.根据权利要求3所述的知识库补全方法，其特征在于，计算所述新增项目数据中的实体与已有本体类的相似度的公式如下：其中，s表示所述新增项目数据中的实体与已有本体类的相似度，表示所述新增项目数据中的实体向量，表示所述已有本体类的向量。5.根据权利要求1所述的知识库补全方法，其特征在于，所述在所述知识表示中迭代恢复实体的信息，包括：获取所述实体对应的目标节点在所述知识表示中的位置；...

【专利技术属性】
技术研发人员：杨之乐，郭媛君，王猛，吴承科，王尧，冯伟，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：