[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

说明书

本发明涉及一种基于Markov逻辑网的知识图谱关系类型推测方法及其装置，该装置包含：推理规则获取模块，用于根据数据集知识图谱已知节点间的路径特征生成推理规则；可信度权重学习模块，用于通过Markov逻辑网对推理规则进行可信度权重学习并获取带权重的推理规则；概率推理模块，用于根据带权重的推理规则对待推测节点间存在的关系类型进行概率推理，获取待推测节点间的关系类型概率；关系类型确定模块，用于根据概率推理模块获取的关系类型概率，选取较大概率值的关系类型，作为待推测节点间的关系类型。本发明实现知识图谱中推理规则的自动学习与节点间关系类型的概率推理，有效保证节点间可能存在的关系类型推测的准确率。

技术领域

本发明属于大数据分析技术领域，特别涉及一种基于Markov逻辑网的知识图谱关系类型推测方法及其装置。

背景技术

随着互联网由文档万维网向数据万维网的逐步转变，互联网中相互关联的实体对象逐步转化为计算机能够理解的知识图谱形式存在，基于知识图谱的快速问答、关联查询、实体推荐为人们的生活提供了极大的便利。然而，知识图谱的构建是个复杂的过程，实体间的关联关系在知识抽取过程中往往难以全面获取，如何基于实体间已有的关系类型对实体间未知的关系类型进行推测，从而完善知识图谱，具有十分重要的现实意义和实用价值。

知识图谱作为一个新兴的研究方向，是近些年的研究热点，国内外研究学者提出了大量的模型用于解决知识图谱的链接推测问题，主要有基于张量分解的方法、基于转换的方法和基于路径推理的方法，其中基于张量分解的方法将实体间的关系用矩阵表示，基于转换的方法将高维知识图谱中的实体和关系嵌入到一个低维连续向量中，基于路径推理的方法通过统计知识图谱中大量的关系路径构建关系分类的特征向量。这些方法在通用知识图谱上取得了一定效果，但普遍存在着推理准确率不高的问题。

发明内容

针对现有技术中的不足，本发明提供一种基于Markov逻辑网的知识图谱关系类型推测方法及其装置，实现知识图谱中推理规则的自动学习与节点间关系类型的概率推理，解决知识图谱完善过程中人工制定推理规则不科学、不全面、可扩展性差等的问题，可信度高，有效提升推测的准确率。

按照本发明所提供的设计方案，一种基于Markov逻辑网的知识图谱关系类型推测方法，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；

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；

步骤5、根据概率推理结果确定待推测节点间的关系类型。

上述的，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。

优选的，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。

上述的，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。

优选的，步骤23还包含：若存在节点信息满足推理规则，则将该推理规则中的证据谓词到查询谓词对应的闭谓词添加至训练集数据中。

上述的，步骤4包含如下内容：根据带权重的推理规则进行Markov逻辑网推理，得到待推测节点间存在的关系类型概率。