[发明专利]一种知识图谱构建方法

说明书

本发明提供了一种知识图谱构建方法，包括：对待处理的句子进行分词，得到多个单独词；识别所述多个单独词中的实体，得到两个一组的实体对；对于每个所述实体对，获取所述句子的句向量，所述句向量包括多个所述单独词的词‑位置向量；根据所述句向量提取所述句子多个方面的表示特征；根据所述多个方面的表示特征得到一个融合特征；根据所述融合特征预测所述实体对的实体关系；根据所述实体对和对应的实体关系构建知识图谱。本发明充分体现了词组与实体对之间的关联性，并从多个方面、多角度地挖掘句子的特征，能够更加全面、准确地进行实体关系预测，进而可以更加完备地构建知识图谱。

技术领域

本发明涉及自然语言处理领域，特别涉及一种知识图谱的构建方法。

背景技术

随着信息时代的飞速发展，在互联网上拥有的信息资源越来越丰富，信息数据规模越来越巨大，表现形式也越来越多样。但是，对于海量的信息数据资源来说，其中的绝大部分都只能被人类所理解，机器对于这些信息的理解仍十分困难，特别是数量庞大的文本数据，自然语言理解也一直是非常热门的研究领域。

为了能够帮助机器更好地理解文本数据，知识图谱技术应运而生。知识图谱本质上是一种语义网络，由代表实体(Entity)的结点和代表实体之间关系的边构成。知识图谱从“关系”出发，具有更全面的实体覆盖率和更复杂的语义关系网，在智能搜索、智能问答等领域具有很好的应用前景。但是，在现有的知识图谱构建过程中，实体之间的关系大多需要人工构建或者依赖固定的逻辑，工作量巨大且难以普遍适用，而且对于实体来说，表示的角度比较单一化，使得最后建立的关系不够准确，进而影响了实际的构建效果。

发明内容

为了解决上述问题，本发明提出一种知识图谱的构建方法，以解决实体关系建立复杂且不够准确的问题。具体内容包括：

一种知识图谱构建方法，包括以下步骤：

对待处理的句子进行分词，得到多个单独词；

识别所述多个单独词中的实体，将所述实体两个一组组成实体对；

对于每个所述实体对，获取所述句子的句向量，所述句向量包括多个所述单独词的词-位置向量，所述单独词的词-位置向量包括所述单独词的词向量，以及所述单独词与所述实体对的相对位置向量；

根据所述句向量提取所述句子多个方面的表示特征；

根据所述多个方面的表示特征得到一个融合特征，所述融合特征包括不少于一个特征向量；

根据所述融合特征预测所述实体对的实体关系；

根据所述实体对和对应的实体关系构建知识图谱。

可选地，在所述根据所述多个方面的表示特征得到一个融合特征之后，所述根据所述融合特征预测所述实体对的实体关系之前，还包括步骤：

对所述融合特征进行特征筛选，屏蔽其中的噪声特征。

可选地，所述对所述融合特征进行特征筛选，屏蔽其中的噪声特征包括：

对所述融合特征中包括的所述特征向量进行全局平均池化，得到所述特征向量分别对应的聚合信息；

利用两个全连接网络对所述聚合信息进行筛选，得到所述特征向量对应的筛选参数；

根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述噪声特征屏蔽，更新所述特征向量；

根据所述更新后的特征向量，更新所述融合特征。

本发明还提供了一种知识图谱构建装置，具体包括：

句子分词模块，所述句子分词模块用于对待处理的句子进行分词，得到多个单独词；