基于知识图谱的信息补充语义通信系统的实现方法技术方案

本发明专利技术提供了一种基于知识图谱的信息补充语义通信系统的实现方法，相较于传统的通信信号传输系统，该系统创新性地在接收方利用基于BERT模型的命名实体识别技术、基于知识图谱的知识关联技术以及知识图谱文本生成技术扩充补全少量的接收信息使得接收端用户可以获取发送方想要表达的完整信息，从而显著减少了通信传输数据量；创新性地利用基于字符的余弦相似度纠错技术解决了通信传输过程和命名实体识别过程导致的实体错误，显著提高了系统在较高信道差错概率情况下的信息传输准确度，也使得系统具有更好的鲁棒性。使得系统具有更好的鲁棒性。使得系统具有更好的鲁棒性。

【技术实现步骤摘要】
基于知识图谱的信息补充语义通信系统的实现方法


[0001]本专利技术涉及一种基于知识图谱的信息补充语义通信系统的实现方法，属于通讯


技术介绍

[0002]近年来，随着人们对无线通信智能化需求的迅速提升，各种基于无线通信技术的新兴智能业务如工业互联网、智能网联车、远程医疗/手术、虚拟现实及全息投影技术等层出不穷。这些新兴业务不再仅仅依靠高速率的数据传输，而逐渐对网络智能化和服务多样性等方面提出更多要求。未来6G时代，随着系统传输信道容量逐渐接近香农极限，一种打破原有信息传输极限的通信方式是目前通信领域探索的主要方向之一。
[0003]在过去的几十年里，通信主要关注的是如何准确有效地将符号(以比特计量)从发射机传输到接收机。在这种系统中，误码率(BER)或符号误码率(SER)通常被作为性能指标。随着第一代通信(1G)到第五代通信(5G)的发展，实现的传输速率提高了数万倍，系统容量逐渐接近香农极限。随着各种各样新应用出现，如自动交通、消费者机器人、环境监测和远程健康等。这些应用程序的相互连接将产生zeta字节为数量级的惊人数据。这些本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的信息补充语义通信系统的实现方法，其特征在于，所述实现方法主要包括：步骤1，获取数据集以及准备相关知识图谱；步骤2，编码信息、解码信息以及传输信息；步骤3，基于初始解码信息的命名实体识别；步骤4，基于知识图谱数据库的相似度对比实体纠错；利用余弦相似度计算公式，计算知识图谱数据库实体与识别实体的相似度得分，将知识库中得分最高的对应实体作为识别实体的正确结果，以进行纠错；记纠错后的实体集为E'(i)；步骤5，基于知识图谱的关联信息补充；调用neo4j知识图谱数据库，对经过纠错的命名实体进行知识库关联实体查询检索，获取对话场景下输入实体的关联实体及关系，形成格式规整的SPO三元组数据集T(i)输出给文本生成模型；步骤6，生成知识图谱文本；用预训练的T5模型作为知识图谱文本生成模型，采用数据集作为知识图谱文本生成模型训练集及验证集，进行知识图谱文本生成模型训练，训练阶段后，生成参数模型文件，该模型可以利用检索出的三元组生成句子Text(i)；步骤7，进行模型整体测试；将要发送的语句与接收端最终恢复的语句进行包括BLEU评分以及基于BERT模型的句子相似度评分等多个指标的对比分析，并与传统通信模型的相关得分进行比较分析。2.根据权利要求1所述的基于知识图谱的信息补充语义通信系统的实现方法，其特征在于：在步骤1中，基于相关标识符利用代码提取其中的三元组数据，并对错误及重复数据进行清洗，形成可用的格式规整三元组数据集，数据集中的文本经过处理，以作为通信过程发送语句来源，三元组数据利用neo4j形成知识图谱供模型使用。3.根据权利要求2所述的基于知识图谱的信息补充语义通信系统的实现方法，其特征在于：在步骤2中，所述编码信息包括信源编码和信道编码；所述解码信息包括信源解码和信道解码。4.根据权利要求3所述的基于知识图谱的信息补充语义通信系统的实现方法，其特征在于：所述信源编码为霍夫曼编码，所述信道编码为卷积码方式；所述信源解码为霍夫曼解码，所述信道解码为卷积码对应解码方式。5.根据权利要求1所述的基于知识图谱的信息补充语义通信系统的实现方法，其特征在于：在步骤3中，采用基于掩码语言模型和下一句预测模型的BERT预训练语言模型作为命名实体识别的编码器，对训练语料...

【专利技术属性】
技术研发人员：吴伟，孙文虎，周福辉，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：