基于知识表示学习的知识图谱可信评估方法及系统技术方案

本发明专利技术提供一种基于知识表示学习的知识图谱可信评估方法及系统，涉及知识图谱可信评估技术领域，该方法包括：获取知识图谱的外部可信证据和内部可信证据；根据预先存储的各外部可信证据与得分之间的对应关系，得到外部可信证据所对应的外部可信特征值；以及，使用知识表示学习算法将元素和元素类型进行向量化表示，根据元组结构的完整程度和元素与对应元素类型映射的正确程度确定元组的可信值，根据各元组的可信值确定内部可信证据所对应的内部可信特征值；对外部可信特征值、内部可信特征值进行加权求和，得到所述知识图谱的可信值。这样，对知识图谱从外部和内部两方面进行全面的可信评估，可以提高可信评估的准确性。可以提高可信评估的准确性。可以提高可信评估的准确性。

【技术实现步骤摘要】
基于知识表示学习的知识图谱可信评估方法及系统


[0001]本专利技术属于知识图谱可信评估
，尤其涉及一种基于知识表示学习的知识图谱可信评估方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成已经成为本领域一般技术人员所公知的现有技术。
[0003]随着知识图谱在智慧城市领域的应用越来越广泛，无论是政府部门还是科研机构甚至是个人，都参与到知识图谱构建活动中，大量知识图谱在网络上发布、下载和传播，在面对大量可获取的知识图谱时，用户需要对知识图谱进行可信评估。知识图谱通过三元组形式(头实体，关系，尾实体)或(实体，属性，属性值)来描述事实，由于传统的人工构建知识图谱方式耗时费力，大多采用自动化的构建方式，导致知识图谱构建效率提高的同时降低了知识图谱的可信性。
[0004]现有的知识图谱可信评估方法包括：利用本体对知识进行可信评估；通过距离和排名策略对信息进行可信评估，以及通过标准集评估属性和问题求解的可信程度，这些方法可以评估信息的可信度，也可以对实体关系和问答应用进行可信评估。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识表示学习的知识图谱可信评估方法，其特征在于，包括：获取知识图谱的外部可信证据和内部可信证据，所述内部可信证据包括知识图谱内每条元组的结构、元组模型的元素和所对应的元素类型；根据预先存储的各外部可信证据与得分之间的对应关系，得到外部可信证据所对应的外部可信特征值；以及，对各元组的元素和元素类型进行向量化表示，根据元组结构的完整程度和元素与对应元素类型映射的正确程度确定元组的可信值，根据各元组的可信值确定内部可信证据所对应的内部可信特征值；对所述外部可信特征值、内部可信特征值进行加权求和，得到所述知识图谱的可信值，所述可信值用于评估所述知识图谱的可信程度。2.如权利要求1所述的基于知识表示学习的知识图谱可信评估方法，其特征在于，所述外部可信证据包括来源和权限；根据预先存储的各外部可信证据与得分之间的对应关系，确定所述知识图谱的来源所对应的可靠性分数，以及权限所对应的可访问性分数；根据所述可靠性分数和可访问性分数确定外部可信特征值。3.如权利要求1所述的基于知识表示学习的知识图谱可信评估方法，其特征在于，针对所述知识图谱内的每条元组，获取该元组的结构，所述元组的结构包括三元组、二元组和一元组，根据各结构与结构得分之间的对应关系，确定该元组的结构所对应的结构得分，所述结构得分用于表征该元组结构的完整程度。4.如权利要求3所述的基于知识表示学习的知识图谱可信评估方法，其特征在于，所述元素包括实体、关系、属性和属性值；为元素的类型τ赋予单个矩阵w用于类型投影，元素与对应元素类型映射的正确程度的计算方式如下：E
x
＝||x
‑
w
·
τ
x
||；将实体e、关系r、属性p和属性值v分别带入x，可得实体类型的正确程度V
e
，关系类型的正确程度V
r
、属性类型的正确程度V
p
和属性值类型的正确程度V
v
；τ
e
、τ
r
、τ
p
、τ
v
分别表示实体、关系、属性和属性值的类型向量，w为映射矩阵。5.如权利要求4所述的基于知识表...

【专利技术属性】
技术研发人员：周传文，钱恒，高永超，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：