[发明专利]一种基于属性聚合的知识图谱嵌入方法及其存储介质

权利要求书

1.一种基于属性聚合的知识图谱嵌入方法，包括如下步骤：

属性聚合步骤S110：将知识图谱中的属性聚合并转化为实体，具体过程如下：令E＝{e₁,e₂,…,e_m}表示知识图谱中同一个类型的实体组成的集合，对于E的属性a，提取该属性a下所有的属性值，将这些属性值划分为N_a个离散区间，每个区间转化为一个实体，形成新的实体集合对于E中的每一个实体e_i，根据其属性a的属性值x，在e_i与新实体e′_f(x)之间建立新的关系a，其中，f(x)表示属性值划分函数；

训练数据集生成步骤S120：利用知识图谱中已经存在的三元组构成所有正例，形成正例训练数据集合O⁺，利用以下步骤构造反例，所述反例包括值域类反例和关系类反例，

随机选择一个三元组＜b,r,e＞，其中b与e表示实体，r表示关系，令T表示实体b的类型，值域类反例和关系类反例构造方法分别如下：

值域类反例构建方法：令D(r)＝{y|＜a,r,y＞∧a∈T}表示关系r的值域，在D(r)中随机选择一个不等于e的实体q，构建反例＜b,r,q＞；

关系类反例构建方法：令R(T)＝{h|＜a,h,y＞∧a∈T}表示类型T的关系域，在R(T)中随机选择一个不等于r的关系h，构建关系类反例＜b,h,e＞；

对于每个三元组＜b,r,e＞构建值域类反例C₁次，构建关系类反例C₂次，得到反例训练数据集合O^-，将正例训练数据集合O⁺和反例训练数据集合O^-作为下一步骤的输入；

知识图谱嵌入学习步骤S130：建立知识图谱嵌入目标函数，并利用上一步骤形成的训练数据求解目标函数，具体为：将步骤S110中的一系列三元组表示为＜b,r,e＞，令U表示实体嵌入矩阵，令W表示关系嵌入矩阵，U与W是知识图谱嵌入的求解目标，令U( b) 、U( e) 分别表示b与e对应的向量，令W( r) 表示关系r对应的向量，通过设定知识图谱嵌入效果度量函数，以正例训练数据集合O⁺和反例训练数据集合O^-作为训练数据集，求解知识图谱嵌入目标函数，得到U与W。

2.根据权利要求1所述的知识图谱嵌入方法，其特征在于：

在所述属性聚合步骤中，所述离散区间N_a的数量和该属性a有关。

3.根据权利要求1所述的知识图谱嵌入方法，其特征在于：

对E中的每一个实体e_i，根据其属性a的属性值x，通过属性值划分函数f(x)计算方法如下：

f(x)＝g_code(x)％N_a (1)

其中，g_code(x)表示属性字符串x的Unicode编码，其作用是将字符串转化为数字，符号％表示取余数，通过属性值划分函数f(x)将字符串映射到N_a个离散区间上。

4.根据权利要求1所述的知识图谱嵌入方法，其特征在于：

在训练数据集生成步骤中，构建值域类反例和关系类反例的次数根据需要而定。

5.根据权利要求1所述的知识图谱嵌入方法，其特征在于：

在知识图谱嵌入学习步骤中，所述知识图谱嵌入效果度量函数和所述知识图谱嵌入目标函数根据知识图谱嵌入学习所需要突出的特性而选择确定。