[发明专利]一种基于向量空间的RDF结构化查询自动构建方法

权利要求书

1.一种基于向量空间的RDF结构化查询自动构建方法，其特征在于，首先利用概括局部子图将RDF图映射到连续向量空间中，学习RDF图中每个节点与边的向量表示；然后给定通过自然语言问题表达的查询意图后，提取问题中的实体、关系短语，并在RDF图中匹配得到候选匹配节点、边；再利用RDF图的向量表示将候选匹配节点、边的集合表示为向量并计算最优查询结构；最后利用翻译机制选取每个候选集合中的最优匹配节点、边并生成目标结构化查询；

利用概括局部子图将RDF图映射到连续向量空间中，学习RDF图中每个节点与边的向量表示具体包括以下步骤：

S101、设为RDF图中节点的集合，ε为RDF图中边的集合；一条RDF三元组为(v_h,e,v_t)，其中，即头节点v_h由边e指向尾节点v_t，一个RDF图是RDF三元组的有限集合；

S102、对于RDF图中的一个节点其局部子图为三元组集合如下：

对于RDF图中的一个边e∈ε，其局部子图为：

S103、对于RDF图中的一个实体节点其概括局部子图如下：

其中，v_c'为实体节点v'_e所对应的类别节点；

S104、对于RDF图中的每一个节点v与边e，利用其概括局部子图学习其在连续向量空间中的向量表示，即v与e；该学习过程在离线阶段完成，学习得到的向量表示在后续在线的RDF结构化查询构建中直接使用；

利用翻译机制选取每个候选集合中的最优匹配节点、边并生成目标结构化查询包括以下步骤：

S401、基于计算得到的最优结构，通过从每个候选匹配节点/边集合中选取一个节点/边可以构建多个可能的结构化查询表示Q_R；

S402、对于每个可能的结构化查询表示，在此计算其损失值f₄(Q_R)；

S403、损失值最小的结构化查询表示为最优的，将其中的类别节点替换为变量，并将变量通过表示类别的边指向原本的类别节点，得到自然语言问题所对应的RDF结构化查询，多个可能的结构化查询表示Q_R表示如下：

损失值f₄(Q_R)表示如下：

。

2.根据权利要求1所述的基于向量空间的RDF结构化查询自动构建方法，其特征在于，步骤S103中，对于RDF图中的一个类别节点其概括局部子图为：

其中，v_c为实体节点v_e所对应的类别节点；

对于RDF图中的一个边e∈ε，其概括局部子图为：

其中，v_c,v_c'为实体节点v_e,v_e'所对应的类别节点。

3.根据权利要求2所述的基于向量空间的RDF结构化查询自动构建方法，其特征在于，步骤S104中，在分别给定节点v与边e的概括局部子图与的条件下，定义得到节点v与边e的条件概率，通过最大化RDF图中所有节点与边的联合概率，学习得到RDF图的向量表示；

节点v的条件概率如下：

其中，是一个用于度量节点v′与概括局部子图之间相互关系的函数；

RDF图中节点的向量表示通过最大化以下联合概率得到：

边e的条件概率如下：

其中，是一个用于度量节点e′与概括局部子图之间相互关系的函数；

RDF图中边的向量表示通过最大化以下联合概率得到：

同时考虑节点与边的联合概率，通过最大化目标函数得到RDF图的向量表示如下：

O＝λ_vO_v+λ_eO_e

其中，λ_v与λ_e为权值系数。