[发明专利]知识图谱嵌入模型的训练方法、装置和计算机存储介质

说明书

本申请涉及一种知识图谱嵌入模型的训练方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取图谱数据中正三元组中的待替换的第一实体；计算第一实体与图谱数据中各个第二实体的语义相似度；确定知识图谱嵌入模型的当前训练迭代次序，根据当前训练迭代次序以及第一实体与各第二实体的语义相似度，调整各第二实体的采样概率；基于各第二实体的采样概率，从第二实体中随机筛选目标实体；将正三元组中的第一实体替换为目标实体，得到负三元组；根据正三元组以及负三元组，对知识图谱嵌入模型进行迭代训练。本申请提供的方案可以实现有助于知识图谱嵌入模型区分那些难以区分的错误三元组，使得模型获得更好的嵌入效果。

技术领域

本申请涉及计算机技术领域，特别是涉及一种知识图谱嵌入模型的训练方法、装置、计算机可读存储介质和计算机设备，以及一种基于知识图谱的实体间关系的预测方法。

背景技术

知识图谱嵌入是指将知识图谱中实体和关系映射到低维连续的向量空间，即将图谱三元组(s,p,o)表示为向量(h,r,t)，使得知识图谱数据能够进一步应用于各种任务中，如知识图谱补全、关系提取等。

但是，现有的知识图谱中只存储了有效的正确知识，而没有与之对应有效的错误知识，因而在传统的知识图谱嵌入技术中，特别是知识图谱嵌入模型的训练过程中需要生成负训练样本，负训练样本通常是随机选取的，即使用一个随机实体替换原有实体从而生成负样本。然而随机选取实体替换原有实体而生成的负训练样本大多数情况下是一个易于区分的负例，无法使知识图谱嵌入模型有效的区分语义上相似的正确实体与错误实体，导致训练得到的知识图谱嵌入模型的嵌入性能差，输出的实体向量或关系向量难以准确表示知识图谱中的实体或关系。

发明内容

基于此，有必要针对传统的随机选取实体替换原有实体而生成的负训练样本大多数情况下是一个易于区分的负例，导致训练得到的知识图谱嵌入模型的嵌入性能差的技术问题，提供一种知识图谱嵌入模型的训练方法、装置、计算机可读存储介质和计算机设备。

一种知识图谱嵌入模型的训练方法，包括：

获取图谱数据中正三元组中的待替换的第一实体；

计算所述第一实体与图谱数据中各个第二实体的语义相似度；

确定知识图谱嵌入模型的当前训练迭代次序，根据所述当前训练迭代次序以及所述第一实体与各所述第二实体的语义相似度，调整各所述第二实体的采样概率；

基于各所述第二实体的采样概率，从所述第二实体中随机筛选目标实体；

将所述正三元组中的第一实体替换为所述目标实体，得到负三元组；

根据所述正三元组以及所述负三元组，对知识图谱嵌入模型进行迭代训练。

一种基于知识图谱的实体间关系的预测方法，其特征在于，包括：

获取已知的第一实体以及已知的第二实体；

获取图谱数据中的各个关系类别，根据各所述关系类别、所述第一实体以及所述第二实体，生成与各所述关系类别对应的三元组；

通过知识图谱嵌入模型获取各所述三元组的嵌入向量；其中，所述知识图谱嵌入模型是根据图谱数据中正三元组以及与所述正三元组对应的负三元组进行迭代训练的；所述负三元组是基于图谱数据中正三元组中的待替换的第一实体与图谱数据中第二实体间的语义相似度以及当前训练迭代次序确定的第二实体的采样概率，从所述第二实体中随机筛选目标实体替换所述正三元组中的第一实体得到的；

分别对各所述三元组的嵌入向量进行打分，得到各所述三元组的三元组分值；

根据各所述三元组的三元组分值确定目标三元组，并将所述目标三元组对应的关系类别确定为所述第一实体以及第二实体间的关系类别。

一种知识图谱嵌入模型的训练装置，所述装置包括：