对象知识图谱的训练方法、对象推荐方法及装置制造方法及图纸

本公开提供了一种对象知识图谱的训练方法、对象推荐方法及装置，可以应用于人工智能技术、知识图谱技术和深度学习技术领域。该对象知识图谱的训练方法包括：获取预先构建的初始对象知识图谱，其中，初始对象知识图谱包括M个对象节点和N个对象关联边，对象关联边用于表征相邻两个对象节点之间具有关联关系，M和N均为正整数；根据初始对象知识图谱，生成与M个对象节点各自对应的对象向量；根据与M个对象节点各自对应的对象向量，构建损失函数；利用损失函数，训练初始对象知识图谱，得到对象知识图谱。

【技术实现步骤摘要】

本公开涉及人工智能技术、知识图谱技术和深度学习，更具体地，涉及一种对象知识图谱的训练方法、对象推荐方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

1、随着计算机技术的发展，人工智能技术也得以发展。人工智能技术在各种领域均得到了广泛应用，例如，可以利用人工智能技术构建知识图谱。

2、工业领域存在着某些特定行业问题，例如，如何进行工业商品的类目识别、如何进行工业商品的同品识别等。如何将知识图谱应用于工业领域以便解决该些特定行业问题是亟待解决的问题。

3、在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：由于工业领域较为依赖专家知识，导致难以有效地构建工业领域的知识图谱，进而无法保障工业领域下游任务处理的效率和准确性。

技术实现思路

1、有鉴于此，本公开提供了一种对象知识图谱的训练方法、对象推荐方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

2、根据本公开的一个方面，提供了一种对象知识图谱的训练方法，包括：获取预先构建的初始对象本文档来自技高网...

【技术保护点】

1.一种对象知识图谱的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述根据与所述M个对象节点各自对应的对象向量，构建损失函数包括：

3.根据权利要求2所述的方法，其中，所述对与所述M个对象节点各自对应的对象向量进行处理，得到与所述M个对象节点各自对应的节点相似度包括：

4.根据权利要求3所述的方法，其中，在p＝1的情况下，

5.根据权利要求3所述的方法，其中，在1＜p≤P的情况下，每个第p-1层级各自对应有第p-1数目个第p-1层级候选对象节点；

6.根据权利要求2所述的方法，其中，所述根据与所述M个对象节点各自对应的...

【技术特征摘要】

1.一种对象知识图谱的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述根据与所述m个对象节点各自对应的对象向量，构建损失函数包括：

3.根据权利要求2所述的方法，其中，所述对与所述m个对象节点各自对应的对象向量进行处理，得到与所述m个对象节点各自对应的节点相似度包括：

4.根据权利要求3所述的方法，其中，在p＝1的情况下，

5.根据权利要求3所述的方法，其中，在1＜p≤p的情况下，每个第p-1层级各自对应有第p-1数目个第p-1层级候选对象节点；

6.根据权利要求2所述的方法，其中，所述根据与所述m个对象节点各自对应的节点相似度，构建所述损失函数包括：

7.根据权利要求6所述的方法，其中，所述节点相似度包括与第一层级目标对象节点对应的第一子概率乘积值和与第p层级目标对象节点对应的第p子概率乘积值；

8.根据权利要求1至7中任一项所述的方法，其中，...

【专利技术属性】
技术研发人员：李国才，
申请(专利权)人：北京京东电解智科技有限公司，
类型：发明
国别省市：