【技术实现步骤摘要】
本专利技术涉及一种基于规则挖掘的不确定性知识图谱推理方法，属于知识图谱。
技术介绍
1、知识图谱是以图的形式存储现实世界事实的结构化知识库，每个事实都表示为一个三元组(h,r,t)，其中h和t分别是头实体和尾实体，r是连接它们的关系。由这些事实三元组组成的知识图谱，如yago、wikidata和zhishi.me等，已经广泛应用于各种下游任务，如问答系统和决策支持。然而，上述知识图谱并没有考虑知识的固有不确定性。知识的不确定性主要来源于两种情况：一是知识本身的性质，许多知识事实并非绝对确定。例如，在生物医学领域，不同蛋白质之间的相互作用存在一定概率，而非固定的确定关系；二是数据噪声和自动化构建的误差，许多知识图谱是通过自动化方法(如信息抽取、模式匹配或机器学习)从非结构化文本中构建的，这种方法可能会引入噪声数据或错误推理，导致部分知识的置信度较低。为了对知识图谱中的不确定性建模，不确定性知识图谱被提出。如probase，conceptnet和nell，除了用三元组描述事实以外，还为每个三元组额外赋予一个置信度以描述知识的不确定性，例如&...
【技术保护点】
1.一种基于规则挖掘的不确定性知识图谱推理方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种基于规则挖掘的不确定性知识图谱推理方法，其特征在于，步骤1)中，将规则挖掘任务转化为序列到序列的生成任务，从而应用Vanilla Transformer架构，查询三元组是由头实体h和关系r构成，形式定义为(h,r,？)，输入规则生成器之前，首先将头实体和关系从文本格式转化为向量表示h和r，拼接整合后得到输入序列S＝h,r，Transformer首先进行查询语义编码得到编码结果S′＝h′,r′，之后将其作为上下文，并使用特殊起始符<BOS>...
【技术特征摘要】
1.一种基于规则挖掘的不确定性知识图谱推理方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种基于规则挖掘的不确定性知识图谱推理方法，其特征在于，步骤1)中，将规则挖掘任务转化为序列到序列的生成任务，从而应用vanilla transformer架构，查询三元组是由头实体h和关系r构成，形式定义为(h,r,？)，输入规则生成器之前，首先将头实体和关系从文本格式转化为向量表示h和r，拼接整合后得到输入序列s＝h,r，transformer首先进行查询语义编码得到编码结果s′＝h′,r′，之后将其作为上下文，并使用特殊起始符<bos>，自回归地生成规则体中关系的分布，具体通过以下方式进行计算：
3.如权利要求2所述的一种基于规则挖掘的不确定性知识图谱推理方法，其特征在于，步骤2)中，对于步骤1)生成的规则体中每一步的关系分布，规则推理器基于tensorlog设计可微推理框架，将规则推理表示为可微的向量与矩阵乘法运算，实体表示为独热编码ei∈{0,1}|ε|，关系表示为邻接矩阵mr∈{0,1}|ε|×|ε|，其中mr[i,j]＝s表示三元组(ei,r,ej)具有置信度s，|ε|表示不确定性...
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。