【技术实现步骤摘要】
基于强化学习的事理图谱补全方法及其相关设备
[0001]本申请涉及知识图谱
，尤其涉及基于强化学习的事理图谱补全方法及其相关设备。
技术介绍
[0002]近年来，知识图谱已经在金融、电商、医疗等领域得到了广泛应用，但传统知识图谱也存在局限。首先，知识图谱中的知识是静态、确定的，而现实中知识是动态变化的；其次是知识图谱只能回答诸如“XX是什么”的问题，却很难回答“为什么”、“怎么做”等类型问题；这是由于实体之间没有建立起时序上的演变逻辑关系。新兴的一种知识图谱
‑
事理图谱则是研究谓词性事件及事件之间随着时间变化产生的逻辑关系。因此，事理图谱是弥补传统知识图谱缺陷的新工具。
[0003]由于现实世界的复杂性，构建事理图谱需要花费较多精力，仍可能出现实体之间的逻辑关系遗漏等问题，因此实际应用中还需要做知识补全(或者叫推理)。知识补全是指给定事理图谱中需要补全的三元组<eh,r,？>，需要在整个事理图谱中进行搜索，经过若干中间实体的传递，最终找到满足关系r要求的尾实体t，从...
【技术保护点】
【技术特征摘要】
1.一种基于强化学习的事理图谱补全方法，其特征在于，包括下述步骤：接收事件语料，对所述事件语料进行事件实体识别操作，获得事件实体，对所述事件语料进行事件关系识别操作，获得事件关系，并基于所述事件实体和事件关系构建事理图谱；调用预训练的Bert模型，将所述事理图谱中各实体节点和边节点分别输入至所述预训练的Bert模型中，分别获得实体嵌入向量和边嵌入向量；将所述事理图谱中的任一所述实体节点作为起始节点,基于所述实体嵌入向量和所述边嵌入向量计算所述起始节点在所述事理图谱中每一步推理的状态向量；基于所述状态向量和预训练的推理模型在所述事理图谱中进行逐步推理,获得两个所述实体节点之间的目标事理关系,根据所述目标事理关系补全所述事理图谱。2.根据权利要求1所述的基于强化学习的事理图谱补全方法，其特征在于，所述对所述事件语料进行事件关系识别操作，获得事件关系的步骤包括：接收多个关系词典，基于所述关系词典对所述事件训练语料中的句子进行分类，以确定所述句子对应的关系词典，其中，所述关系词典包括多个关系名称；识别所述句子中各词语的词性，判断所述句子中是否有且仅有一个动词；若是，则确定所述词性为动词的词语是否存在于所述关系词典中，若存在，则将所述词性为动词的词语作为所述事件实体对应的事件关系；若不是有且仅有一个动词，则按预设方式从所述句子对应的关系词典中选择一个关系名称作为所述事件实体对应的事件关系。3.根据权利要求2所述的基于强化学习的事理图谱补全方法，其特征在于，所述按预设方式从所述句子对应的关系词典中选择一个关系名称作为所述事件实体对应的事件关系的步骤包括：将所述句子中词性为动词的词语分别输入至预训练的词向量转换模型中，分别获得输出的第一词嵌入向量，计算所述第一词嵌入向量的平均值，获得平均向量；将所述关系词典的关系名称分别输入至所述词向量转换模型中，分别获得输出的第二词嵌入向量；计算所述平均向量与所述第二词嵌入向量的语义相似度，将最大的语义相似度对应的关系名称作为所述事件关系。4.根据权利要求1所述的基于强化学习的事理图谱补全方法，其特征在于，所述基于所述实体嵌入向量和所述边嵌入向量计算所述中心节点的在所述事理图谱中每一步推理的状态向量的步骤包括：基于所述实体嵌入向量和所述边嵌入向量计算所述实体节点间的语义距离，获得实体语义距离；在所述事理图谱中，以所述起始节点为圆心，预设第一语义距离为半径，形成第一兴趣区域，并基于所述实体语义距离确定处于所述第一兴趣区域内的实体节点，作为所述起始节点的第一邻居节点；以所述第一邻居节点为圆心，预设第二语义距离为半径，形成第二兴趣区域，将处于所述第二兴趣区域内的所述实体节点作为所述第一邻居节点的第二邻居节点，并将在所述事理图谱中，与所述第一邻居节点相连接的所述第二邻居节点作为目标邻居节点；基于所述目标邻居节点与所述第一邻居节点之间的边的边嵌入向量以及所述第一邻
居节点的实体嵌入向量计算所述起始节点的所述状态向量。5.根据权利要求4所述的基于强化学习的事理图谱补全方法，其特征在于，所述基于所述目标邻居节点与所述第一邻居节点...
【专利技术属性】
技术研发人员：王伟，黄勇其，于翠翠，张黔，
申请(专利权)人：润联软件系统深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。