[发明专利]一种强适应性的知识库补全方法

权利要求书

1.一种强适应性的知识库补全方法，其特征在于包括以下步骤：

1)从知识库调取数据源，进行局部子图遍历，为特征提取器提取路径提供信息；

2)设置路径特征提取器，该路径特征提取器包括类PRA特征提取器、路径二元特征提取器、修正后的单侧特征提取器、双侧对比特征提取器和关系泛化特征提取器；所有路径特征提取器的提取过程都相同，均包括路径特征提取和路径特征选择，输入为局部子图，输出为路径特征；

3)根据路径特征提取器构建特征矩阵；

4)选取分类模型，将特征矩阵传输至分类模型中，并训练分类模型，然后由分类模型输出成立的实体对以及实体对对应的关系类型，并将输出结果传输至知识库中，从而实现对知识库的补全。

2.如权利要求1所述的一种强适应性的知识库补全方法，其特征在于：所述步骤1)中，局部子图是指通过宽度优先遍历的方法搜索结点e在s步范围内的所有结点；最后得到以对应结点为中心的遍历结果，即局部子图G_e。

3.如权利要求1所述的一种强适应性的知识库补全方法，其特征在于：所述步骤2)中，路径特征提取过程为：

按照宽度优先方式进行路径特征提取：假设存在头实体s_i的局部子图和尾实体t_i的局部子图以及中间结点e_i；如果则提取的路径特征为如果e_i＝t_i，则抽取的路径特征为如果e_i＝s_i，则抽取的路径特征为

4.如权利要求3所述的一种强适应性的知识库补全方法，其特征在于：如果遍历遇到了高出度结点，就停止遍历；高出度结点是出度高于预先设定出度阈值的结点。

5.如权利要求3或4所述的一种强适应性的知识库补全方法，其特征在于：遍历过程中以关系标签为单位进行类分层抽样的宽度优先遍历。

6.如权利要求1所述的一种强适应性的知识库补全方法，其特征在于：所述步骤2)中，路径特征选择是依据出现频率对路径特征进行选择。

7.如权利要求1所述的一种强适应性的知识库补全方法，其特征在于：所述步骤3)中，特征矩阵构建过程为：

3.1)将不同特征提取器提取的路径特征取并集，作为特征矩阵的列；

3.2)同时，将实体对作为特征矩阵的行；

3.3)求出特征矩阵中的每个单元的概率值，即P(t_i|s_i,π)，该概率值表示从头实体s_i出发经过路径特征π到达尾实体t_i的概率。

8.如权利要求7所述的一种强适应性的知识库补全方法，其特征在于：所述步骤3.3)中，概率值的计算过程是采用从头实体s_i出发的随机游走遍历，如果概率值大于0，则特征矩阵中的值为1；否则为0。

9.如权利要求1所述的一种强适应性的知识库补全方法，其特征在于：所述步骤4)中，分类模型选取逻辑回归模型或支持向量机模型。