基于图谱关联与融合的数字资源组件多维映射系统及方法技术方案

本发明专利技术公开了一种基于图谱关联与融合的数字资源组件多维映射系统及方法，用于智慧城市异质知识图谱的融合对齐，采用客户服务器架构，包含配置认证管理模块、数据库上传或下载模块、数据库校验重建模块和图谱关联深度融合模块等。本发明专利技术利用多个知识图谱中的实体关系三元组数据，借助基于深度注意力神经网络将实体映射为深度嵌入特征，通过谓词对齐、嵌入学习、实体对齐等模块，在统一的向量空间中利用多维信息完成不同图谱实体关系特征的对齐学习，从而对多个知识图谱进行融合。本发明专利技术能够将内容不同的知识图谱合并成一个整体，使不同图谱的知识能够共享，给用户带来更好的推荐体验。验。验。

【技术实现步骤摘要】
基于图谱关联与融合的数字资源组件多维映射系统及方法


[0001]本专利技术涉及一种基于图谱关联与融合的数字资源组件多维映射系统及方法，属于信息


技术介绍

[0002]随着物联网和智慧城市等新一代信息技术的发展，当今信息时代已经进入了新的阶段，形成了信息空间和物理空间的交互融合。专项按照特大城市群、城市群、中小城市、国家新区四类智慧城市重大应用场景开展规模化示范。各示范城市也在专项的引导下全面提高了城市的新型基础设备水平，提高了政府的社会治理能力，激发了城市新兴业态活力，在各方面取得了显著建设成效。
[0003]在智慧城市的建设中需要对海量的数据进行处理，文本数据、图像数据、音频数据和视频数据等大量数据同时被生成，如何对这些海量数据进行有效的组织、管理、处理和检索是一个非常困难的问题。此外，存储与检索也不能满足城市用户的需求，将这些信息与具体的应用场景结合起来，挖掘有益的语义信息并加以利用才能更好的提高其价值。因此大量面向不同应用场景、不同数据源的知识图谱被建立。
[0004]现有技术生成的知识图谱以结构化的方式对客观世本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图谱关联与融合的数字资源组件多维映射系统，其特征在于：所述数字资源组件是由多个知识图谱的数据信息构成，利用知识图谱的特征进行图谱关联与融合，实现知识图谱的多维映射；所述系统包括：客户端与服务器端，客户端需要配置认证管理模块、数据库上传模块，数据库传输模块、数据库下载模块和本地知识图谱展示模块；在服务器端需要配置认证管理模块、数据库传输模块、数据库重建校验模块和图谱关联深度融合模块：客户端配置认证管理模块、数据库上传模块、数据库传输模块、数据库下载模块和本地知识图谱展示模块；客户端的认证管理模块获取和校验用户的身份信息；验证后，数据库上传模块将用户需要关联融合的知识图谱传至数据库传输模块中；利用数据库传输模块封装数据库信息并发送给服务器端的数据库传输模块，数据库信息包括客户端用户身份信息和需要关联融合的知识图谱；同时客户端的数据库传输模块解析从服务器端返回的融合后的知识图谱，将融合后的知识图谱上传到数据库下载模块，利用数据库下载模块下载融合后的知识图谱并通过本地知识图谱展示模块进行展示；本地知识图谱展示模块由认证管理模块进行管理；服务器端配置认证管理模块、数据库传输模块、数据库重建与校验模块和图谱关联深度融合模块；服务器端的数据库传输模块接收客户端的数据库传输模块传递的数据库信息并传送至数据库重建与校验模块，数据库重建与校验模块对数据库中的知识图谱进行重建，将知识图谱中逻辑错误或重复的实体关系节点校验出来，确保接受知识图谱的正确性，并且至少保证有两个校验成功的知识图谱才能执行下一步操作；校验后的知识图谱上传至服务器端的认证管理模块；服务器端的认证管理模块管理并维护一个用户数据库对用户身份进行校验，校验成功后分配用户工作空间；校验后的知识图谱输入到图谱关联深度融合模块中，所述图谱关联深度融合模块包括谓词对齐模块、嵌入学习模块和实体对齐模块，谓词对齐模块首先将知识图谱分成两两知识图谱对，再对两两知识图谱对分别进行知识图谱的对齐，每两两知识图谱对形成谓词统一的单个知识图谱，然后将知识图谱送到嵌入学习模块中，通过深度注意力网络学习多维度的深度嵌入特征，再将多维度的深度嵌入特征和知识图谱送到实体对齐模块，实体对齐模块利用设定的阈值对两两知识图谱对的实体进行过滤和对齐，将两两知识图谱对合并成一个整体，得到单个统一的融合后的知识图谱，实现不同知识图谱之间的知识共享；融合后的知识图谱通过服务器端的数据库传输模块封装并送回客户端数据库传输模块中。2.根据权利要求1所述的基于图谱关联与融合的数字资源组件多维映射系统，其特征在于：所述图谱关联深度融合模块包括：结构嵌入模块、属性字符嵌入模块和联合嵌入学习模块；结构嵌入模块通过深度注意力网络，首先利用谓词统一的单个知识图谱学习实体对齐的结构嵌入，最小化结构嵌入目标优化损失函数J
SE
，之后再将谓词统一的单个知识图谱输入到属性字符嵌入模块学习属性字符嵌入，最小化属性字符嵌入目标优化损失函数J
CE
，之后将谓词统一的单个知识图谱输入到联合学习模块中，对得到的属性字符嵌入和结构嵌入进行二者的联合学习，得到最小化联合嵌入目标优化损失函数J
SIM
；最后将结构嵌入目标优化损失函数、属性字符嵌入目标优化损失函数和联合嵌入目标优化损失函数三者联合学习得到总体目标优化损失函数J＝J
SE
+J
CE
+J
SIM
，完成将谓词统一的单个知识图谱的统一特征进行嵌入，得到最终嵌入联合学习的总体目标优化损失函数，即多维度的深度嵌入特征。
3.根据权利要求2所述的基于图谱关联与融合的数字资源组件多维映射系统，其特征在于：所述结构嵌入模块中，通过深度注意力网络对谓词统一的单个知识图谱的关系三元组和属性三元组进行处理：调整TransE方法学习实体对齐的结构嵌入，获得最小化的结构嵌入目标优化损失函数J
SE
：：T
r
＝((h，r，t>|(h，r，t>∈G}f(t
r
)＝||h+r
‑
t||其中，||x||是向量x的L1
‑
Norm，γ是边距超参数；一个知识图谱tr由一系列的关系三元组和属性三元组组成，T
r
是重建校验成功的知识图谱的关系三元组的集合，t
r
是重建校验成功的知识图谱的关系三元组的集合的实体；关系三元组和属性三元组的基本组成形式为<实体，关系，实体>的三元组，其中的关系三元组采用<h,r,t>形式，t是关系三元组的尾部实体，h是关系三元组的头部实体，r是关系三元组的尾部实体和头部实体间的关系；count(r)是关系三元组的尾部实体和头部实体间的关系r的出现次数；|T|是合并的两个知识图谱G1和G2中的三元组总数，添加权重α能够控制三元组的嵌入学习，并进一步学习到对齐的结构嵌入；∪{<h，r，t'>|t'∈E}其中，T
′
r
是错误的关系三元组的集合，t
′
是错误的关系三元组的集合中的实体，满足下式：t
′
r
＝{<h
′
,r,t>∣h
′
∈E}负样本，它们是通过用随机实体替换T
r
中重建校验成功的知识图谱中的关系三元组的头部实体或尾部实体创建，E为建校验成功的关系三元组集合中的实体。4.根据权利要求2所述的基于图谱关联与融合的数字资源组件多维映射系统，其特征在于：所述属性字符嵌入模块中，通过深度注意力网络对谓词统一的单个知识图谱的关系三元组和属性三元组进行处理，获得最小化属性字符嵌入目标优化损失函数J
CE
：T
a
＝<h,r,a>∈G；f(t
a
)＝||h+r
‑
f
a
(a)||T
′
a
＝{<h
′
,r,a>∣h
′
∈E}∪{<h,r,a
′
>∣a
′
∈A}其中，T
a...

【专利技术属性】
技术研发人员：盛浩，王暾，王帅，杨达，吕卫锋，诸彤宇，崔正龙，熊璋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：