【技术实现步骤摘要】
知识图谱的对齐方法、电子设备
[0001]本申请涉及电子商务领域,具体而言,涉及一种知识图谱的对齐方法、电子设备以及非瞬时性计算机可读存储介质。
技术介绍
[0002]随着电商批发平台用户数量、成交单量的激长和市场竞争的加剧,用户侧对商品有着更加多样化的诉求。因此,对平台商家服务、生产、运营能力等多方面素质产生了更高的要求。
[0003]为了能更好地牵引优质供给的招商引入,提升优质供给渗透,并帮助优质供给商家成长,需要加深对源头工厂商家的认知,形成一个统一规范、覆盖范围广而全的工厂画像体系,以保障优质的、能提供针对性供给的商家能得到快速高效的引入和培育,为平台买家提供更大的价值。
[0004]目前的工厂画像体系,需要从多维度全面刻画工厂信息,包括工厂基础信息、工厂品牌和工厂行业。然而当前工厂图谱中域外工厂Leads信息的完整度较低,工厂画像刻画能力较弱,需要利用外部数据进行信息补充。然而,很多实体使用了不同的ID来描述,需要将这些实体与工厂图谱中的实体进行对齐,才能进行整合。
技术实现思路
[0005]本申请提出了一种知识图谱的对齐方法、电子设备以及非瞬时性计算机可读存储介质,以解决不同知识图谱的数据整合问题。
[0006]根据本申请的一方面,提出一种知识图谱的处理方法,包括:将多个知识图谱输入至预设的联合对齐模型,以得到每个所述知识图谱中实体、关系和类的向量表示;根据所述知识图谱中实体、关系和类的向量表示,计算所述多个知识图谱的实体、关系和/或类的相似度。
[0007 ...
【技术保护点】
【技术特征摘要】
1.一种知识图谱的处理方法,其特征在于,包括:将多个知识图谱输入至预设的联合对齐模型,以得到每个所述知识图谱中实体、关系和类的向量表示;根据所述知识图谱中实体、关系和类的向量表示,计算所述多个知识图谱的实体、关系和/或类的相似度。2.根据权利要求1所述的处理方法,其特征在于,在将多个知识图谱输入至预设的联合对齐模型,以得到每个所述知识图谱中实体、关系和类的向量表示之前,所述方法还包括:构建所述联合对齐模型,其中,所述联合对齐模型包括所述知识图谱的实体
‑
关系评分函数、实体
‑
类评分函数、实体相似度函数、关系相似度函数和/或类相似度函数;其中,所述将多个知识图谱输入至预设的联合对齐模型,以得到每个所述知识图谱中实体、关系和类的向量表示,包括:利用所述联合对齐模型中的实体
‑
关系评分函数、实体
‑
类评分函数,得到每个所述知识图谱中实体、关系和类的向量表示;其中,所述根据所述知识图谱中实体、关系和类的向量表示,计算所述多个知识图谱的实体、关系和/或类的相似度,包括:利用所述联合对齐模型中的实体相似度函数、关系相似度函数和/或类相似度函数,计算所述知识图谱中一对实体、关系或类的相似度。3.根据权利要求2所述的处理方法,其特征在于,所述构建所述联合对齐模型,包括:利用Adam优化器迭代训练所述联合对齐模型。4.根据权利要求3所述的处理方法,其特征在于,所述利用Adam优化器迭代训练所述联合对齐模型,包括:利用Adam优化器,使用如下式所示的损失函数训练所述联合对齐模型,其中,e,e
′
,e
‘’
为实体向量,r为关系向量,c为类向量,f
r
(e,r,e
′
)为所述实体
‑
关系评分函数,f
ec
(e,c)为所述实体
‑
类评分函数,λ
r
和λ
ec
为边界参数,f
r
(e,r,e
′
)=||e+r
‑
e
′
||,f
ec
(e,c)=W
c
x
‑
b
c
,f
ec
(e,c)为类的线性空间,W
c
和b
c
为可学习参数,x为变量。5.根据权利要求4所述的处理方法,其特征在于,所述实体相似度函数如下式所示:S(e,e
′
)=cos(A
ent
e,e
′
)其中,A
ent
为映射矩阵,所述映射矩阵通过利用Adam优化器,使用如下式所示的损失函数得到,其中,exp是指数函数。6.根据权利要求5所述的处理方法,其特征...
【专利技术属性】
技术研发人员:黄佳程,孙泽群,林靖豪,徐晓舟,陈起进,齐晓宁,任卫军,
申请(专利权)人:淘宝中国软件有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。