【技术实现步骤摘要】
本专利技术属于计算机，尤其涉及基于层次建模的知识图谱常识生成方法。
技术介绍
1、知识图谱是知识工程的一个分支，以知识工程中语义网络作为理论基础，并且结合了机器学习，自然语言处理和知识表示和推理的最新成果，在大数据的推动下受到了业界和学术界的广泛关注，其中机器学习、自然语言处理和知识表示和推理都是人工智能的重要方面。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
2、常识知识是构建强大人工智能的关键。因为知识图谱被广泛用来组织和存储知识，所以出现了部分常识知识库，例如临床蛋白质组学数据知识图谱ckg、conceptnet、atomic、ascent，ascent++。最近的研究关注于肯定知识的获取，否定知识却鲜少关注。然而，知道和理解“不要做什么”也很重要。对于传统模型，否定知识帮助机器学习模型更好地训练，从而提高模型性能。对于大语言模型(la...
【技术保护点】
1.一种基于层次建模的知识图谱常识生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，所述的利用盒嵌入提取每个实体短语的相似实体，包括：
3.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，为了产生候选的否定常识，将相似实体C替换常识知识库中每个三元组的头实体或者尾实体；
4.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，所述可达路径通过最短路径的存在性是否存在来表示，所述最短路径通过使用双向迪杰斯特拉算法来搜索，当前向搜索到达某一节...
【技术特征摘要】
1.一种基于层次建模的知识图谱常识生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，所述的利用盒嵌入提取每个实体短语的相似实体，包括：
3.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，为了产生候选的否定常识，将相似实体c替换常识知识库中每个三元组的头实体或者尾实体；
4.根据权利要求1所述的基于层次建模的知识图谱常识生成方法，其特征在于，所述可达路径通过最短路径的存在性是否存在来表示，所述最短路径通过使用双向迪杰斯特拉算法来搜索，当前向搜索到达某一节点，且同时后向搜索的序列包含该节点，此时得到最短路径；
5.根据权利...
【专利技术属性】
技术研发人员：唐九阳，盛雅清，曾维新，赵翔，黄宏斌，刘丽华，葛斌，
申请(专利权)人：中国人民解放军国防科技大学，
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。