语义知识库自动构建与更新方法、语义编码器和通信架构技术

本发明专利技术公开语义知识库自动构建与更新方法、语义编码器和通信架构，属于语义通信领域。针对现有语义通信框架和模型需在通信前预先训练、无法对未知知识进行语义编解码、无法对未知语义进行自动模型更新和编解码的语义通信的问题，本发明专利技术引入语义知识库自动构建方法、推理机制自动更新方法与语义编解码器协同机制。本语义通信架构可以自动识别未知语义信息，自动学习和适配未知实体和已知实体间关系，并且引入模型自动学习和自动更新机制，能够实现在语义通信过程中自动协同编码器和解码器的语义知识库，从而实现语义编解码器实时协同更新学习模型。避开对传统语义信息中的语义知识库单一且固定，当遇到未知知识时无法实现编码与解码等问题。现编码与解码等问题。现编码与解码等问题。

【技术实现步骤摘要】
语义知识库自动构建与更新方法、语义编码器和通信架构


[0001]本专利技术属于语义通信领域，更具体地，涉及语义知识库自动构建与更新方法、语义编码器和通信架构。

技术介绍

[0002]语义通信是一种新兴的范式，侧重于理解和传递消息所蕴含的语义信息。传统的通信系统聚焦于提高有限资源的利用率，以满足快速增长的用户需求。随着通信系统的发展，对多样化服务的需求不断增加，越来越多的应用开始以增强以人为本的体验为目标，并提出了严格且高度个性化的要求。这激发了一种新的传播范式，被称为语义传播，它从人类交际沟通的模式中汲取灵感，专注于理解和传递消息的语义信息。
[0003]现有的语义通信领域的相关工作都充分利用了机器学习的最新进展，尤其是基于深度学习的方法，来检测并传输从源信号中识别的对象标签。例如，已有工作将从源信号识别的单词含义定义为语义。
[0004]然而，这种将语义定义方式忽略了不能直接观察到的语义信息。此外，现有的工作方案通常假定可识别的语义信息受到预定义标签数据库的限制。

技术实现思路

[0005]针对现有技术的缺陷和改进需求，本专利技术提供了语义知识库自动构建与更新方法、语义编码器和通信架构，其目的在于通过语义信息的构建表征、推理补全以实现语义传输。
[0006]为实现上述目的，按照本专利技术的第一方面，提供了一种语义知识库自动构建方法，应用于源用户端，该方法包括：
[0007]在训练过程中，语义编码器将各待训练的源信号语义表征转化为嵌入向量表示，并生成语义表征和嵌入向量表示的一对一映射关系，得到语义压缩表，加入源用户端的语义知识库中。
[0008]为实现上述目的，按照本专利技术的第二方面，提供了一种语义知识库自动构建方法，应用于目的用户端，该方法包括：
[0009]在训练过程中，语义解码器接收信号，对接收到的各信号和其所代表的语义表征构建一对一映射关系，得到语义解析表，加入到目的用户端的语义知识库中。
[0010]为实现上述目的，按照本专利技术的第三方面，提供了一种语义知识库自动更新方法，应用于源用户端，该方法包括：
[0011]在实际通信过程中，若源信号语义表征不包含在源用户端语义知识库，启动语义知识库更新，所述更新具体如下：生成源信号语义表征和其嵌入向量表示的一对一映射关系，加入到语义压缩表，并更新源用户端的语义知识库，将嵌入向量表示和语义表征一起发送给目的用户端。
[0012]为实现上述目的，按照本专利技术的第四方面，提供了一种语义知识库自动更新方法，
应用于目的用户端，该方法包括：
[0013]在实际通信过程中，若接收到的信号和其所代表的语义表征不包含在目的用户端语义知识库，启动语义知识库更新，所述更新具体如下：
[0014]请求源用户端将嵌入向量表示和语义表征一起发送，将源用户端反馈的嵌入向量表示和语义表征一起加入到语义解析表，并更新目的用户端的语义知识库；
[0015]或者，
[0016]若嵌入向量表示和目的用户端当前语义知识库中的某一嵌入向量表示的相似度超过设定阈值，则将接收到的嵌入向量表示和相似嵌入向量表示的语义表征构成一对一映射关系，加入到语义解析表，并更新目的用户端的语义知识库，否则，请求源用户端将嵌入向量表示和语义表征一起发送，将源用户端反馈的嵌入向量表示和语义表征一起加入到语义解析表，并更新目的用户端的语义知识库。
[0017]为实现上述目的，按照本专利技术的第五方面，提供了一种语义编码器，位于源用户端，所述语义编码器用于，在训练阶段，将待训练的源信号语义表征编码为嵌入向量，将待训练的源信号语义表征的嵌入向量表示通过信道发送给目的用户端，接收目的用户端反馈的对该嵌入向量表示的评估分数并进行更新，使得输出的嵌入向量表示在目的用户端获得更高的分数；
[0018]在实际通信阶段，将源信号的各语义表征编码为嵌入向量，并将得到的嵌入向量表示通过信道发送给目的用户端，接收目的用户端反馈的需要重新训练的信号后，重新进行训练。
[0019]为实现上述目的，按照本专利技术的第六方面，提供了一种目的用户端，包括：语义评估器、语义知识库、知识探测器和语义解码器；
[0020]所述语义评估器，用于在训练阶段，接收源用户端发送的待训练的源信号语义表征嵌入向量表示，结合目的用户端语义知识库的背景知识和推理函数，得到评估分数，并反馈给源用户端；
[0021]所述语义知识库采用如第二方面所述的方法构建，并采用如第四方面所述的方法更新；
[0022]所述知识探测器，用于在实际通信阶段，接收源用户端发送的源信号语义表征嵌入向量表示，查询语义解析表，若存在，则将源信号语义表征语义解析表示发送给语义解码器，否则，反馈源用户端需要重新训练；
[0023]所述语义解码器，用于在实际通信阶段，基于推理函数和语义解析表，得到推理结果。
[0024]优选地，所述语义评估器通过以下方式，基于推理函数得到语义距离评估分数L：
[0025][0026]其中，φ表示完整的语义表征嵌入向量，φ
′
表示在训练过程中随机产生的错误的语义表征的嵌入向量，f()为推理函数，γ为训练参数，Φ
+
表示语义知识库抽样出的正样本集，Φ
‑
表示语义知识库抽样出的负样本集。
[0027]有益效果：针对现有技术语义通信过程中在信道产生的噪声对通信的干扰问题，
本专利技术通过在训练时产生负样本集，并将正、负源信号的语义表征的语义差异进行排序，以使得编码器产生的嵌入向量能够最大化地符合推理规则，可以避免或者减小信道产生的噪声的影响。
[0028]优选地，所述语义解码器使用推理函数f，使推理函数值最小化，得到隐藏或缺失的语义信息：
[0029][0030]其中，表示不完整的语义表征<e
s
,r,e
o
>的嵌入向量表示，e
s
,e
o
分别为头实体与尾实体，ε表示实体库，r为关系，R为关系库，为能够使得推理函数值最小的实体或关系标签，即推理所得结果，所述推理函数值越小，表明语义表征成立的可能性越大。
[0031]有益效果：本专利技术优选上述方式推理补全信息，应用推理函数，在语义的接收方的语义解析表中找到与接收到的信息最接近的实体或关系向量，并将此作为需要进行推理的实体，可以补齐隐藏或缺失的语义信息，以有效进行语义通信，并减小信道产生的噪声对语义的影响。
[0032]优选地，所述推理函数通过以下方式构建：
[0033][0034]其中，g(
·
)，h(
·
)，l(
·
)对应实体嵌入和关系嵌入的加法关系、线性关系、乘法以及可能的更高阶关系，定义形式如下：
[0035][0036]其中，a,a
′
,a
″
,b,b
′
,b
″
,c本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义知识库自动构建方法，应用于源用户端，其特征在于，该方法包括：在训练过程中，语义编码器将各待训练的源信号语义表征转化为嵌入向量表示，并生成语义表征和嵌入向量表示的一对一映射关系，得到语义压缩表，加入源用户端的语义知识库中。2.一种语义知识库自动构建方法，应用于目的用户端，其特征在于，该方法包括：在训练过程中，语义解码器接收信号，对接收到的各信号和其所代表的语义表征构建一对一映射关系，得到语义解析表，加入到目的用户端的语义知识库中。3.一种语义知识库自动更新方法，应用于源用户端，其特征在于，该方法包括：在实际通信过程中，若源信号语义表征不包含在源用户端语义知识库，启动语义知识库更新，所述更新具体如下：生成源信号语义表征和其嵌入向量表示的一对一映射关系，加入到语义压缩表，并更新源用户端的语义知识库，将嵌入向量表示和语义表征一起发送给目的用户端。4.一种语义知识库自动更新方法，应用于目的用户端，其特征在于，该方法包括：在实际通信过程中，若接收到的信号和其所代表的语义表征不包含在目的用户端语义知识库，启动语义知识库更新，所述更新具体如下：请求源用户端将嵌入向量表示和语义表征一起发送，将源用户端反馈的嵌入向量表示和语义表征一起加入到语义解析表，并更新目的用户端的语义知识库；或者，若嵌入向量表示和目的用户端当前语义知识库中的某一嵌入向量表示的相似度超过设定阈值，则将接收到的嵌入向量表示和相似嵌入向量表示的语义表征构成一对一映射关系，加入到语义解析表，并更新目的用户端的语义知识库，否则，请求源用户端将嵌入向量表示和语义表征一起发送，将源用户端反馈的嵌入向量表示和语义表征一起加入到语义解析表，并更新目的用户端的语义知识库。5.一种语义编码器，位于源用户端，其特征在于，所述语义编码器用于，在训练阶段，将待训练的源信号语义表征编码为嵌入向量，将待训练的源信号语义表征的嵌入向量表示通过信道发送给目的用户端，接收目的用户端反馈的对该嵌入向量表示的评估分数并进行更新，使得输出的嵌入向量表示在目的用户端获得更高的分数；在实际通信阶段，将源信号的各语义表征编码为嵌入向量，并将得到的嵌入向量表示通过信道发送给目的用户端，接收目的用户端反馈的需要重新训练的信号后，重新进行训练。6.一种目的用户端，其特征在于，包括：语义评估器、语义知识库、知识探测器和语义解码器；所述语义评估器，用于在训练阶段，接收源用户端发送的待训练的源信号语义表征嵌入向量表示，结合目的用户端语义知识库的背景知识和推理函数，得到评估分数，并反馈给源用户端；所述语义知识库采用如权利要求2所述的方法构建，并采用如权利要求4所述的方法更新；所述知识探测器，用于在实际通信阶段，接收源用...

【专利技术属性】
技术研发人员：肖泳，石光明，梁静明，李莹玉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：