[发明专利]一种基于语义空间映射的知识图谱管理方法和系统

权利要求书

1.一种基于语义空间映射的知识图谱管理方法，其特征在于具体步骤分为：语义向量构建、语义空间映射、知识图谱管理；其中：

（1）语义向量构建的具体步骤如下：

基于语料库构建语义向量库，使得文本单元映射到语义空间上的向量；

构建语义向量的训练数据采用维基百科知识库作为用Word2Vec方法训练语义向量的语料库，并用训练结果构建语义向量库；

（2）语义空间映射

将知识图谱中表示边结点的文本映射为语义空间中的向量，具体步骤如下：

（2.1）对知识图谱中的边/结点中的词语进行过滤处理，去除其中无语义的停用词；

（2.2）对经步骤（2.1）操作处理后保留的每一个词语，从已经构建好的语义向量库中获取其在语义空间中的投影向量，然后将这些词语对应的语义向量进行累加，进而得到表征该边/结点的总体语义向量；

（3）知识图谱管理分为三个分步骤：语义聚类、语义去重、语义标注；

（3.1）语义聚类的具体步骤如下：

对待聚类的边/结点集合，首先基于构建好的语义向量库进行语义空间映射，然后进一步地对获得的这些语义向量进行聚类；

（3.2）语义去重的具体步骤如下：

对于语义聚类的结果，对被聚在同一类中的边/结点集合，通过计算典型边/典型结点取代原先的类集合元素来降低语义信息的冗余性，其选取依据是：

公式的含义是选取使函数取最大值时所对应的k作为Typical，Typical是指选取的典型边或者典型结点；

这里， V_k是待合并集合中对应第k个关系/实体的语义向量，V是待合并集合中所有关系/实体的累积语义向量，Sim(a，b)表示向量a和向量b的相似度；

（3.3）语义标注具体步骤如下：

（3.3.1）边/结点模型构建：

对于聚类后的边/结点，基于其对应的语义向量集合构建边/结点模型；

同时，手工为每一类关系/实体标定出其对应的类型标签；

为对应i类边/结点的均值向量,i∈｛1，2，…，N｝，N为边/结点模型库中的模型数目；

其中，m_i,j表示第i类中第j个向量，n_i为该类中的样本个数，为均值向量；

在模型构建完成后，即将边/结点模型添加进边/结点模型库；

（3.3.2）边/结点识别

对于待查询的边/结点，在按语义空间映射所述步骤获得边/结点语义向量表征后，将该向量与关系模型库中的边/结点模型依次进行比较，其中，对均值向量模型、高斯模型，可直接比较向量间相似度或者是计算输入向量属于模型的概率值，遍历后取最高值对应的类别作为输出；对人工神经网络、支持向量机，则是直接输出对应的类别；

（3.3.3）边/结点语义标注

对于步骤（3.3.2）中输出的类别，从边/结点模型库中取出预先标注的相应类型标签赋给输入的边/结点，从而完成了语义标注过程。

2.根据权利要求1所述的基于语义空间映射的知识图谱管理方法，其特征在于步骤（3.3.2）中，对于均值向量模型时，输出的类别为：

公式的含义是选取使函数取最大值时所对应的i作为Class；

V为待识别的语义向量，Sim(a，b)表示向量a和向量b的相似度。

3.基于权利要求1所述方法的基于语义空间映射的知识图谱管理系统，其特征在于有下述三大模块组成：语义向量构建模块用于执行步骤（1）、语义空间映射模块用于执行步骤（2）、知识图谱管理模块用于执行步骤（3），其中：知识图谱管理模块，包括三个子模块：语义聚类子模块用于执行步骤（3.1）、语义去重子模块用于执行步骤（3.2）、语义标注子模块用于执行步骤（3.3）。