[发明专利]知识库实体对齐方法和装置

权利要求书

1.一种知识库实体对齐方法，其特征在于，包括：

使用图注意力神经模型将待对齐的至少两个知识库进行实体编码，获得注意力增强的实体向量表示，且所述注意力增强的实体向量表示融合了实体邻居信息；

基于注意力增强的实体向量表示，使用知识库表示学习模型，获得用于约束所述实体向量表示的第一约束条件；

基于预先确定的等价实体对集合，获得第二约束条件；

基于所述第一约束条件和所述第二约束条件，实现所述至少两个知识库之间的实体对齐。

2.根据权利要求1所述的知识库实体对齐方法，其特征在于，所述使用图注意力神经模型将待对齐的至少两个知识库进行实体编码，获得注意力增强的实体向量表示，且所述注意力增强的实体向量表示融合了实体邻居信息，包括：

对于任一知识库，获取所述任一知识库的实体及所有实体的邻居集合；

将包括一个实体的向量表示矩阵和所述邻居集合输入至所述图注意力神经模型，得到所述图注意力神经模型输出的所述实体向量表示；其中为有理数，n为所述任一知识库的实体数量，s为向量表示的维度。

3.根据权利要求2所述的知识库实体对齐方法，其特征在于，所述图注意力神经模型包括L层卷积层，每一层应用公式

H^(l+1)＝σ(A^(l)H^(l)W^(l))

确定，

其中，为第l层的隐状态，为第l层的参数，H⁽⁰⁾＝X，σ(·)为非线性激活函数ReLU(·)＝max(0,·)，为所述任一知识库在自注意力机制作用下的连接性矩阵，A^(l)的每一个元素表示所述任一知识库中实体e_i到e_j的权重，A^(l)应用公式

确定，

其中，为包含实体e_i及所述实体e_i的邻居实体的集合，k为实体e的编号，e_k为所述集合中的任一实体，为实体e_i到e_j的注意力参数，应用公式

确定，

其中，分别为实体e_i和e_j的隐状态，

λ为预设常数，为学习的参数，·T为矩阵的转置变换，为向量的拼接操作。

4.根据权利要求1-3中任一项所述的知识库实体对齐方法，其特征在于，所述基于注意力增强的实体向量表示，使用知识库表示学习模型，获得用于约束所述实体向量表示的第一约束条件，包括：

基于所述实体向量表示，获取待约束的实体；

根据所述待约束的实体和随机初始化且学习得到的关系，获取所述知识库的事实三元组正例；

基于所述事实三元组正例，获取对应的事实三元组负例；

根据所述事实三元组正例和所述事实三元组负例，获得所述第一约束条件。

5.根据权利要求4所述的知识库实体对齐方法，其特征在于，所述第一约束条件包括目标函数：

其中，[·]₊＝max(0,·)，f(e_h,r,e_t)＝||e_h+r-e_t||₂，||·||₂为二范数，实体e_h和e_t的向量表示根据所述实体向量表示得到，关系r的向量表示根据随机初始化且学习得到的关系向量表示R，为随机初始化且学习得到的关系向量表示，γ₁为预设的表征事实三元组正例(e_h,r,e_t)和事实三元组负例(e＇_h,r＇,e′_t)的间隔的超参数。