知识图谱补全方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种知识图谱补全方法、装置、设备及计算机可读存储介质，该方法包括：基于待处理知识图谱确定实体和关系对应的空间向量；通过所述空间向量捕获语义信息，得到所述实体之间的新关系；基于所述实体之间的新关系补全所述待处理知识图谱。本发明专利技术通过待处理知识图谱确定实体和关系对应的空间向量，继而通过实体和关系对应的空间向量捕获语义信息，得到实体之间的新关系，最后基于实体之间的新关系补全待处理知识图谱，对现有的知识图谱进行完善，获得富含知识更加丰富的知识图谱。获得富含知识更加丰富的知识图谱。获得富含知识更加丰富的知识图谱。

【技术实现步骤摘要】
知识图谱补全方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及知识工程领域，尤其涉及一种知识图谱补全方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]知识图谱把复杂的知识域通过数据挖掘、信息处理以及知识计量进行处理，并通过图形绘制显示出来，以一种高度结构化的形式揭示知识域的核心结构、发展规律等重要信息，为生产、科研、教育以及司法行政等多个方面提供切实的有价值的参考。
[0003]虽然当前知识图谱应用广泛，但是目前通过人工或半自动化的方式进行构建的知识图谱往往会存在知识稀疏的问题，有些知识图谱甚至会出现部分实体关系缺失的问题。在司法行政领域中信息的缺失往往会严重影响工作效率，甚至会导致一些难以弥补的问题。为了防止这些问题的发生，获得更加高质量的知识图谱，需要使用该知识补全工具对现有的知识图谱进行完善，获得富含知识更加丰富的知识图谱。

技术实现思路

[0004]本专利技术提供一种知识图谱补全方法、装置、设备及计算机可读存储介质，用以对现有的知识图谱进行完善，获得富含知识更加丰富的知识图谱。
[0005]本专利技术提供一种知识图谱补全方法，包括：
[0006]基于待处理知识图谱确定实体和关系对应的空间向量；
[0007]通过所述空间向量捕获语义信息，得到所述实体之间的新关系；
[0008]基于所述实体之间的新关系补全所述待处理知识图谱。
[0009]可选地，所述待处理知识图谱为静态知识图谱或动态知识图谱；所述基于待处理知识图谱确定实体和关系对应的空间向量包括：
[0010]基于所述静态知识图谱确定实体和关系对应的空间向量，所述实体和关系均在所述静态知识图谱中出现过；
[0011]基于所述动态知识图谱确定实体和关系对应的空间向量，所述实体和关系中存在未在所述动态知识图谱中出现过的实体和关系。
[0012]可选地，所述基于所述实体之间的新关系补全所述静态知识图谱包括：
[0013]确定基于知识图谱结构特征的表示学习算法：
[0014]将所述静态知识图谱中的实体和关系嵌入到低维稠密空间，在所述低维稠密空间计算所述实体和关系的关联；
[0015]基于所述实体和关系的关联以及所述表示学习算法补全所述静态知识图谱。
[0016]可选地，所述基于所述实体之间的新关系补全所述静态知识图谱还包括：
[0017]将所述静态知识图谱中的实体和关系进行编码；
[0018]基于编码结果计算处理得到缺失的关系编码表示，通过相似度比较的方法确定实际的关系。
[0019]可选地，所述基于所述实体之间的新关系补全所述动态知识图谱包括：
[0020]基于图神经网络模型确定实体向量；
[0021]基于所述实体向量和所述实体之间的新关系补全所述动态知识图谱。
[0022]可选地，所述图神经网络模型包括传播模型和输出模型；所述基于图神经网络模型确定实体向量包括：
[0023]通过所述传播模型在所述待处理知识图谱中的节点之间传播信息；
[0024]通过所述输出模型将所述待处理知识图谱中相邻头尾实体的向量进行组合，得到实体向量。
[0025]本专利技术还提供一种知识图谱补全装置，包括：
[0026]空间向量确定模块，用于基于待处理知识图谱确定实体和关系对应的空间向量；
[0027]新关系确定模块，用于通过所述空间向量捕获语义信息，得到所述实体之间的新关系；
[0028]知识图谱补全模块，用于基于所述实体之间的新关系补全所述待处理知识图谱。
[0029]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述知识图谱补全方法。
[0030]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述知识图谱补全方法。
[0031]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述知识图谱补全方法。
[0032]本专利技术提供的知识图谱补全方法、装置、设备及计算机可读存储介质，通过待处理知识图谱确定实体和关系对应的空间向量，继而通过实体和关系对应的空间向量捕获语义信息，得到实体之间的新关系，最后基于实体之间的新关系补全待处理知识图谱，对现有的知识图谱进行完善，获得富含知识更加丰富的知识图谱。
附图说明
[0033]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0034]图1是本专利技术提供的知识图谱补全方法的流程示意图之一；
[0035]图2是本专利技术提供的知识图谱补全方法的流程示意图之二；
[0036]图3是本专利技术提供的知识图谱补全装置的结构示意图；
[0037]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0038]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳
动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]下面结合图1
‑
图2描述本专利技术的知识图谱补全方法。
[0040]请参照图1，本专利技术提供一种知识图谱补全方法，包括：
[0041]步骤100，基于待处理知识图谱确定实体和关系对应的空间向量；
[0042]步骤200，通过所述空间向量捕获语义信息，得到所述实体之间的新关系；
[0043]步骤300，基于所述实体之间的新关系补全所述待处理知识图谱；
[0044]具体地，获取行政司法知识图谱(即本实施例中的待处理知识图谱)，根据行政司法知识图谱得到行政司法领域的实体关系三元组，输出实体和关系对应的空间向量。根据得到的实体和关系的空间向量计算语义关系，即捕获语义信息，得到实体关系三元组中空缺的实体或关系，从而补全知识图谱。
[0045]本实施例提供的知识图谱补全方法提供两种知识补全模式，既可以根据当前知识库进行知识补全，也可以依据语义信息进行推理。
[0046]其中，静态知识补全是将关系和实体进行编码，通过计算处理得到缺失的关系编码表示，最终通过相似度比较的方法来确定实际的关系；对于动态知识补全，使用基于图神经网络的模型，基于图神经网络的模型分为两部分(传播模型以及输出模型)。其中，传播模型负责在待处理知识图谱中的节点之间传播信息，而输出模型则是根据具体任务定义了一个目标函数。对于知识图谱补全任务，将图谱中相邻(头/尾)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱补全方法，其特征在于，包括：基于待处理知识图谱确定实体和关系对应的空间向量；通过所述空间向量捕获语义信息，得到所述实体之间的新关系；基于所述实体之间的新关系补全所述待处理知识图谱。2.根据权利要求1所述的知识图谱补全方法，其特征在于，所述待处理知识图谱为静态知识图谱或动态知识图谱；所述基于待处理知识图谱确定实体和关系对应的空间向量包括：基于所述静态知识图谱确定实体和关系对应的空间向量，所述实体和关系均在所述静态知识图谱中出现过；基于所述动态知识图谱确定实体和关系对应的空间向量，所述实体和关系中存在未在所述动态知识图谱中出现过的实体和关系。3.根据权利要求2所述的知识图谱补全方法，其特征在于，所述基于所述实体之间的新关系补全所述静态知识图谱包括：确定基于知识图谱结构特征的表示学习算法：将所述静态知识图谱中的实体和关系嵌入到低维稠密空间，在所述低维稠密空间计算所述实体和关系的关联；基于所述实体和关系的关联以及所述表示学习算法补全所述静态知识图谱。4.根据权利要求2所述的知识图谱补全方法，其特征在于，所述基于所述实体之间的新关系补全所述静态知识图谱还包括：将所述静态知识图谱中的实体和关系进行编码；基于编码结果计算处理得到缺失的关系编码表示，通过相似度比较的方法确定实际的关系。5.根据权利要求1所述的知识图谱补全方法，其特征在于，...

【专利技术属性】
技术研发人员：李伟平，莫同，樊泓呈，王宇，孙永荻，温立强，
申请(专利权)人：北京大学，
类型：发明
国别省市：