【技术实现步骤摘要】
本申请涉及人工智能领域，特别是涉及一种面向实体对齐的主动学习方法、装置和电子装置。
技术介绍
1、知识图谱(knowledge graph，kg)是一种简单而有效的建模人类知识的方式，通过实体和关系来表示，已用于大型语言模型、信息检索和检测等。实体对齐(entityalignment, ea)的目标是在不同的知识图谱之间建立相同实体的对应关系，其中，实体对齐是知识图谱融合过程的初始阶段。利用视觉模态(如图像)来增强实体嵌入的多模态知识图谱获得了大量的关注，同时，主动学习方法可以挑选最具价值的实体对来减轻人工标注多模态知识图谱中的实体成本。
2、现有技术中，多模态知识图谱通过利用视觉模态(如图像)来增强实体嵌入。但是多模态主动学习所对应的不同模式可能会提供重叠的视角，导致冗余标签和注释资源的低效使用；同时，不同的模态可能提供重叠的信息，导致冗余标注，造成标注预算的浪费。而在多模态知识图谱中利用有限的标注预算进行实体对齐的方式，这些方法在标注实体对信息时未充分考虑到其他模态信息的影响，导致标注冗余，未能提升模型效果，导致标注预算
【技术保护点】
1.一种面向实体对齐的主动学习方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向实体对齐的主动学习方法，其特征在于，所述基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中的第二实体对之前，包括：
3.根据权利要求1所述的面向实体对齐的主动学习方法，其特征在于，所述基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中的第二实体对，包括：
4.根据权利要求3所述的面向实体对齐的主动学习方法，其特征在于，所述输入除第一实体对外的实体至所述中间图神经网络模型，得到所述除第一实体外的实体的标签特征
<...【技术特征摘要】
1.一种面向实体对齐的主动学习方法，其特征在于，所述方法包括：
2.根据权利要求1所述的面向实体对齐的主动学习方法，其特征在于，所述基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中的第二实体对之前，包括：
3.根据权利要求1所述的面向实体对齐的主动学习方法，其特征在于，所述基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中的第二实体对，包括：
4.根据权利要求3所述的面向实体对齐的主动学习方法，其特征在于，所述输入除第一实体对外的实体至所述中间图神经网络模型，得到所述除第一实体外的实体的标签特征值，包括：
5.根据权利要求3所述的面向实体对齐的主动学习方法，其特征在于，所述根据所述第一实体对和所述第二实体对，训练预设的图神经网络模型，并基于所述主动学习规则得到第三实体对，根据所...
【专利技术属性】
技术研发人员：陆亚飞，许宝贵，严笑然，刘洋，滕皓，
申请(专利权)人：之江实验室，
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。