本申请实施例公开了一种知识表示学习方法、装置、电子设备及存储介质，涉及人工智能和云技术领域。该方法包括：确定目标知识图谱中每个原始三元组的深度信息；深度信息包括逆关系三元组和关联三元组集合中的至少一个；基于原始三元组的深度信息，构建原始三元组的正样本；基于目标知识图谱，构建原始三元组的负样本；基于各原始三元组对应的正样本、负样本以及预设的目标约束条件，确定目标三元组；逆关系三元组为基于原始三元组中尾实体指向头实体的关系形成的三元组；关联三元组集合中前一三元组中的尾实体和后一三元组中的头实体相同。采用本申请实施例，可以捕捉到知识图谱中各关系路径的深层信息，确定出判别性和区分度更高的目标三元组。更高的目标三元组。更高的目标三元组。
【技术实现步骤摘要】
知识表示学习方法、装置、电子设备及存储介质
[0001]本申请涉及人工智能及云
，尤其涉及一种知识表示学习方法、装置、电子设备及存储介质。
技术介绍
[0002]随着技术的发展，越来越多的领域的信息的种类日渐丰富。为了更清楚的表示各种信息之间的关系，可以通过逻辑符号，对各种信息之间的关系进行直观表示，但该方法存在数据系数和计算效率低等问题。
[0003]为了更进一步地对各种信息之间的关系进行表示，还可以对各种信息之间的关系进行知识表示学习，通过将各种信息作为实体，将高维、离散的实体和关系表示为稠密连续低维实值向量，从而实现把所有不同种类的信息连接在一起而得到一个关系网络，形成知识图谱。
[0004]但在相关技术中，主要是通过对每组通过关系连接的信息组本身，以及随机替换每组信息中的任一信息，以构建负样本的方式进行知识表示学习的，容易忽略掉各种关系之间的更深层的信息，不能够很好地表示出各种信息之间的关系，实用性较差。
技术实现思路
[0005]本申请实施例提供了一种知识表示学习方法，以解决相关技术中，无法基于各种关系之间的更深层的信息进行知识图谱构建，导致所构建的知识图谱的表示学习能力较弱的问题。
[0006]相应的，本申请实施例还提供了一种知识表示学习装置、一种电子设备以及一种存储介质，用以保证上述方法的实现及应用。
[0007]一方面，本申请实施例提供一种知识表示学习方法，该方法包括：
[0008]确定目标知识图谱中每个原始三元组的深度信息；深度信息包括原始三元组对应的逆关系三元组和关联三元组集合中的至少一个；
[0009]基于每个原始三元组的深度信息，构建每个原始三元组对应的正样本；以及基于目标知识图谱，构建每个原始三元组对应的负样本；
[0010]基于各原始三元组对应的正样本、负样本以及预设的目标约束条件，确定目标知识图谱中的目标三元组；
[0011]其中，逆关系三元组为基于原始三元组中的尾实体、头实体以及尾实体指向头实体的关系形成的三元组；关联三元组集合中第一个三元组的头实体为原始三元组的头实体，最后一个三元组的尾实体为原始三元组的尾实体，且相邻三元组中的前一三元组中的尾实体和后一三元组中的头实体相同。
[0012]另一方面，本申请实施例提供了一种知识表示学习装置，该装置包括：
[0013]深度信息确定模块，用于确定目标知识图谱中每个原始三元组的深度信息；深度信息包括原始三元组对应的逆关系三元组和关联三元组集合中的至少一个；
[0014]样本构建模块，用于基于每个原始三元组的深度信息，构建每个原始三元组对应的正样本；以及基于目标知识图谱，构建每个原始三元组对应的负样本；
[0015]目标三元组确定模块，用于基于各原始三元组对应的正样本、负样本以及预设的目标约束条件，确定目标知识图谱中的目标三元组；
[0016]其中，逆关系三元组为基于原始三元组中的尾实体、头实体以及尾实体指向头实体的关系形成的三元组；关联三元组集合中第一个三元组的头实体为原始三元组的头实体，最后一个三元组的尾实体为原始三元组的尾实体，且相邻三元组中的前一三元组中的尾实体和后一三元组中的头实体相同。
[0017]可选地，上述目标三元组确定模块在基于各原始三元组对应的正样本、负样本以及预设的目标约束条件，确定目标知识图谱中的目标三元组时，可以具体用于：
[0018]确定各原始三元组对应的正样本与负样本之间的相似度；
[0019]基于各原始三元组对应的相似度和目标约束条件，确定目标三元组；
[0020]其中，目标约束条件指示各原始三元组对应的相似度小于预设阈值。
[0021]可选地，对于每个原始三元组，上述目标三元组确定模块在确定各原始三元组对应的正样本与负样本之间的相似度时，可以具体用于执行以下至少一项：
[0022]确定原始三元组对应的逆关系三元组和对应的负样本之间的第一相似度；
[0023]确定原始三元组对应的关联三元组集合和对应的负样本之间的第二相似度。
[0024]可选地，上述目标三元组确定模块在确定原始三元组对应的逆关系三元组和对应的负样本之间的第一相似度时，可以具体用于：
[0025]分别确定原始三元组的第一势能、相应的逆关系三元组的第二势能、以及相应的负样本的第三势能；
[0026]基于第一势能和第二势能，确定原始三元组和对应的逆关系三元组之间的第三相似度；
[0027]基于第一势能和第三势能，确定原始三元组和对应的负样本之间的第四相似度；
[0028]基于第三相似度和第四相似度，确定第一相似度。
[0029]可选地，目标约束条件包括第一目标约束条件，上述目标三元组确定模块在基于各原始三元组对应的相似度和目标约束条件，确定目标三元组时，可以具体用于：
[0030]基于各原始三元组对应的第一相似度和第一目标约束条件，确定目标三元组。
[0031]可选地，上述目标三元组确定模块在确定原始三元组对应的关联三元组集合和对应的负样本之间的第二相似度时，可以具体用于：
[0032]分别确定原始三元组的第一势能、相应的负样本的第三势能、以及相应的关联三元组集合的第四势能；
[0033]基于第一势能和第三势能，确定原始三元组和对应的负样本之间的第四相似度；
[0034]基于第一势能和第四势能，确定原始三元组和对应的关联三元组集合之间的第五相似度；
[0035]基于第四相似度和第五相似度，确定第二相似度。
[0036]可选地，上述目标约束条件包括第二目标约束条件，上述目标三元组确定模块在基于各原始三元组对应的相似度和目标约束条件，确定目标三元组时，可以具体用于：
[0037]基于各原始三元组对应的第二相似度和第二目标约束条件，确定目标三元组。
[0038]可选地，对于每个原始三元组，相应的关联三元组集合的数量包括至少一个，上述目标三元组确定模块在基于各原始三元组对应的第二相似度和第二目标约束条件，确定目标三元组时，可以具体用于：
[0039]对于原始三元组对应的每个关联三元组集合，基于原始三元组对应的各关联三元组集合对应的第四势能以及对抗降噪权重系数确定方式，确定关联三元组集合对应的目标对抗降噪权重系数；基于目标对抗降噪权重系数，对关联三元组集合对应的第二相似度进行修正，得到原始三元组对应于关联三元组集合的修正后的第二相似度；目标对抗降噪权重系数指示相应的关联三元组集合中各三元组之间的关系成立的置信度；
[0040]基于各原始三元组对应的修正后的第二相似度和第二目标约束条件，确定目标三元组。
[0041]另一方面，本申请实施例提供了一种电子设备，包括处理器和存储器，该处理器和存储器相互连接；
[0042]上述存储器用于存储计算机程序；
[0043]上述处理器被配置用于在调用上述计算机程序时，执行本申请实施例提供的知识表示学习方法。
[004本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种知识表示学习方法，其特征在于，所述方法包括：确定目标知识图谱中每个原始三元组的深度信息；所述深度信息包括所述原始三元组对应的逆关系三元组和关联三元组集合中的至少一个；基于每个所述原始三元组的深度信息，构建每个所述原始三元组对应的正样本；以及基于所述目标知识图谱，构建每个所述原始三元组对应的负样本；基于各所述原始三元组对应的正样本、负样本以及预设的目标约束条件，确定所述目标知识图谱中的目标三元组；其中，所述逆关系三元组为基于所述原始三元组中的尾实体、头实体以及所述尾实体指向所述头实体的关系形成的三元组；所述关联三元组集合中第一个三元组的头实体为所述原始三元组的头实体，最后一个三元组的尾实体为所述原始三元组的尾实体，且相邻三元组中的前一三元组中的尾实体和后一三元组中的头实体相同。2.根据权利要求1所述的方法，其特征在于，所述基于各所述原始三元组对应的正样本、负样本以及预设的目标约束条件，确定所述目标知识图谱中的目标三元组，包括：确定各所述原始三元组对应的正样本与负样本之间的相似度；基于各所述原始三元组对应的相似度和所述目标约束条件，确定所述目标三元组；其中，所述目标约束条件指示各所述原始三元组对应的相似度小于预设阈值。3.根据权利要求1所述的方法，其特征在于，对于每个所述原始三元组，所述确定各所述原始三元组对应的正样本与负样本之间的相似度，包括以下至少一项：确定所述原始三元组对应的逆关系三元组和对应的负样本之间的第一相似度；确定所述原始三元组对应的关联三元组集合和对应的负样本之间的第二相似度。4.根据权利要求3所述的方法，其特征在于，所述确定所述原始三元组对应的逆关系三元组和对应的负样本之间的第一相似度，包括：分别确定所述原始三元组的第一势能、相应的逆关系三元组的第二势能、以及相应的负样本的第三势能；基于所述第一势能和所述第二势能，确定所述原始三元组和对应的逆关系三元组之间的第三相似度；基于所述第一势能和所述第三势能，确定所述原始三元组和对应的负样本之间的第四相似度；基于所述第三相似度和所述第四相似度，确定所述第一相似度。5.根据权利要求4所述的方法，其特征在于，所述目标约束条件包括第一目标约束条件，所述基于各所述原始三元组对应的相似度和所述目标约束条件，确定所述目标三元组，包括：基于各所述原始三元组对应的第一相似度和所述第一目标约束条件，确定所述目标三元组。6.根据权利要求3所述的方法，其特征在于，所述确定所述原始三元组对应的关联三元组集合和对应的负样本之间的第二相似度，包括：分别确定所述原始三元组的第一势能、相应的负样本的第三势能、以及相应的关联三元组集合的第四势能；基于所述第一势能和所述第三势能，确定所述原始三元组和对应的负样本之间的第四
相似度；基...
【专利技术属性】
技术研发人员：林镇溪，张子恒，吴贤，
申请(专利权)人：腾讯医疗健康深圳有限公司，
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。