[发明专利]一种强适应性的知识库补全方法

说明书

本发明涉及一种强适应性的知识库补全方法，其步骤：从知识库调取数据源，进行局部子图遍历；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；根据特征提取器构建特征矩阵；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。本发明性能具有相对稳定性，即可以在不同数据集上取得相对较好的知识库补全效果。

技术领域

本发明涉及一种知识库补全方法，特别是关于一种在计算机领域中应用的强适应性的知识库补全方法。

背景技术

目前，YOGO、NELL、Freebase和DBPedia等大型知识库层出不穷。学者们基于这些知识库，进行了大量关系抽取、关系推断、自然语言问答和知识发现等工作，在很大程度上推动了对应领域的发展。不过，即使是规模庞大的当代知识库，也存在严重的信息不完善问题。职业信息属于人的基本信息，但是，在Freebase所包含的200万人类主体中，只有30万有这方面的信息，且大多数都是政治家或明星等。这些基本信息的匮乏，会极大阻碍人们对知识库的进一步利用。知识库补全技术应运而生。“知识库补全技术”的优势在于可以发现已存在但未知的知识。随着大数据时代的到来，隐藏在“数据洪流”之中的知识越来越多，这种知识发现技术也愈加引起各行各业的关注。

现有的知识库补全技术主要包括三大类，即基于隐性特征向量表示的embedding方法、基于知识图谱拓扑结构的知识库补全，以及马尔科夫随机场。这三种方法通过利用知识库或全局或局部的信息，实现知识库补全。

归纳逻辑编程(Inductive Logic Programming，ILP)通过一阶逻辑谓词之间的推理进行链接预测相关工作，但在表达能力、鲁棒性和可扩展性三个方面具有一定局限。NiLao的PRA(Path Ranking Algorithm)算法通过随机游走实现了对所有路径的简单抽样，在一定程度上降低了时间复杂度，增强了模型的可扩展性。同时，其对规则可靠性的度量，提高了模型的表达能力和鲁棒性。Matt Gardner在PRA的基础上提出“局部子图”的概念，并通过“局部子图”提取知识图谱中的路径特征；将特征矩阵“0,1”化；同时使用修正后的宽度优先遍历取代PRA中的随机游走算法；而且融合了“关系泛化特征”提取器，最终构建了知识库补全的SFE(Subgraph Feature Extraction)模型，将PRA知识库补全的MAP值从0.432提高到0.528，而且训练时间少了一个数量级。

虽然SFE在PRA基础上进行了很大改善，但依旧存在以下不足：(1)提出单个特征提取器时，考虑的因素有限，可能会出现过拟合现象；(2)在最终确定SFE算法之前没有就单个特征提取器的优劣进行评测，导致最终的SFE算法并非最优；(3)忽略了知识库补全模型对数据集的高度依赖性。而这种依赖性不仅会影响同一模型在不同数据集上的表现效果，还会影响不同模型在不同数据集上的相对优劣。

发明内容

针对上述问题，本发明的目的是提供一种强适应性的知识库补全方法，其性能具有相对稳定性，即可以在不同数据集上取得相对较好的知识库补全效果。

为实现上述目的，本发明采取以下技术方案：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。