[发明专利]基于Markov逻辑网的知识图谱关系类型推测方法及其装置

权利要求书

1.一种基于Markov逻辑网的知识图谱关系类型推测方法，其特征在于，包含如下内容：

步骤1、针对已知数据集的知识图谱，确定已知节点间的路径特征及待推测节点；

步骤2、根据已知节点间的路径特征生成推理规则，设知识图谱中P_n(A,B)＝P₁P₂…P_n,其中P₁＝A,P_n＝B，P_n(A,B)表示人物实体对象节点A与人物实体对象节点B之间的一条长度为n的路径，若P_n＝r₁r₂…r_n-1，则r₁r₂…r_n-1表示该路径P_n对应的关系类型序列，其中，r_i表示节点P_i与P_i+1之间的关系类型，若A、B之间同时存在P_n(A,B)与P₁(A,B)路径，则P_n(n1)看作P₁的路径特征，P_n与P₁之间构成P_n→P₁的推理规则；

步骤3、通过Markov逻辑网对推理规则进行可信度权重学习，得到带权重的推理规则；

步骤4、通过带权重的推理规则，对待推测节点间的关系类型进行概率推理，利用已知的关系类型实例作为训练集对缺失的人物关系类型进行推测；

步骤5、根据概率推理结果确定待推测节点间的关系类型；

步骤2包含如下内容：

步骤21、采用图的遍历方法对知识图谱已知节点间的路径特征进行遍历，生成证据谓词和查询谓词；

步骤22、根据证据谓词和查询谓词，构建证据谓词到查询谓词的推理规则；步骤21包含内容如下：通过设定已知节点间的路径长度大小并采用广度优先遍历方法对知识图谱已知节点间的路径特征进行遍历，生成证据谓词和查询谓词，其中，谓词组成表示如下：

类别	逻辑表示	具体含义
证据谓词	n)]]>	n路径特征]]>
查询谓词	Relation(A,B)	实体对象A与B之间有Relation关系

。

2.根据权利要求1所述的基于Markov逻辑网的知识图谱关系类型推测方法，其特征在于，步骤2还包含如下内容：步骤23、根据推理规则，并结合节点信息，构建用于Markov逻辑网学习的训练集数据。