[发明专利]一种基于张量的知识图谱表示学习方法及系统

权利要求书

1.一种基于张量的知识图谱表示学习方法，其特征在于，包含如下步骤：

S1、对知识图谱进行预处理，生成每个实体的掩码矩阵Se；

生成的实体掩码矩阵包含了局部网络结构信息，具体步骤如下：

(1)设定掩码矩阵维度：获取知识图谱包含的关系种类总数m，实体掩码矩阵为对角矩阵，维度为m×m；

(2)计算一阶实体掩码矩阵：在知识图谱中，对任意一个实体，每遍历一条与该实体直接相连的边，就在实体对应的一阶掩码矩阵中对应的位置从零开始每次累加1；

(3)计算二阶实体掩码矩阵：在知识图谱中，对任意一个实体，每遍历一条与该实体二跳相连的边，就在实体对应的二阶掩码矩阵中对应的位置从零开始每次累加0.5；

(4)将每个实体对应的一阶掩码矩阵与二阶掩码矩阵加到一块儿得到最终的实体掩码矩阵；

S2、获取表示知识图谱全部语义信息的张量R；

S3、每个实体通过自身掩码矩阵Se分别与张量R相乘，获得每个实体的语义张量；

S4、为每一种语义信息设定一个对应的映射向量v，通过各个{v}的作用，分别将各个实体的语义张量映射到对应的各个语义空间中，得到相对应语义空间中的向量表达e；

S5、对在各个语义空间中存在关系的各个实体三元组进行训练，得到知识图谱表示学习的模型，所述模型用于输入头实体和关系，输出对应的尾实体；其中对于任意一个语义空间对应的任意实体三元组(e1，r，e2)，训练使得e1+r与e2一致；其中，e1代表头实体，e2代表尾实体，e1和e2之间的关系r对应的向量空间即为所述语义空间。

2.根据权利要求1所述的基于张量的知识图谱表示学习方法，其特征在于，所述实体对应的一阶掩码矩阵或二阶矩阵中对应的位置具体是指：

对于任意实体，与其直接相连的边共有K条，这K条边包含：k1条关系r1、k2条关系r2、…、km条关系rm，其中k1+k2+…+km＝K，则掩码矩阵中第n行第n列的元素为kn，n＝1、2、…及m；

对于任意实体，与其二跳相连的边共有P条，这P条边包含：p1条关系r1、p2条关系r2、…、pm条关系rm，其中p1+p2+…+pm＝P，n＜m，则掩码矩阵中第n行第n列的元素为kn/2，n＝1、2、…及m。

3.根据权利要求1所述的基于张量的知识图谱表示学习方法，其特征在于，步骤S3中，利用张量对实体进行表示，是将实体的各种层面的语义信息分布 在指定的安放位置。

4.一种基于张量的知识图谱表示学习系统，其特征在于，包含如下步骤：

预处理模块，用于对知识图谱进行预处理，生成每个实体的掩码矩阵Se；

生成的实体掩码矩阵包含了局部网络结构信息，具体步骤如下：

(1)设定掩码矩阵维度：获取知识图谱包含的关系种类总数m，实体掩码矩阵为对角矩阵，维度为m×m；

(2)计算一阶实体掩码矩阵：在知识图谱中，对任意一个实体，每遍历一条与该实体直接相连的边，就在实体对应的一阶掩码矩阵中对应的位置从零开始每次累加1；

(3)计算二阶实体掩码矩阵：在知识图谱中，对任意一个实体，每遍历一条与该实体二跳相连的边，就在实体对应的二阶掩码矩阵中对应的位置从零开始每次累加0.5；

(4)将每个实体对应的一阶掩码矩阵与二阶掩码矩阵加到一块儿得到最终的实体掩码矩阵；

张量获取模块，用于获取表示知识图谱全部语义信息的张量R；

语义张量获取模块，用于每个实体通过自身掩码矩阵Se分别与张量R相乘，获得每个实体的语义张量；

向量获取模块，用于为每一种语义信息设定一个对应的映射向量v，通过各个{v}的作用，分别将各个实体的语义张量映射到对应的各个语义空间中，得到相对应语义空间中的向量表达e；

模型训练模块，用于对在各个语义空间中存在关系的各个实体三元组进行训练，得到知识图谱表示学习的模型，所述模型用于输入头实体和关系，输出对应的尾实体；其中对于任意一个语义空间r对应的任意实体三元组(e1，r，e2)，训练使得e1+r与e2一致；其中，e1代表头实体，e2代表尾实体，e1和e2之间的关系r对应的向量空间即为所述语义空间。