[发明专利]基于图神经网络的知识图谱构建方法

权利要求书

1.一种基于图神经网络的知识图谱构建方法，其特征在于，包括以下步骤：

步骤1)目标实体识别：给定目标文本语句，使用双向长短时记忆循环神经网络模型和条件随机场模型识别目标文本语句中的目标实体；

步骤2)实体关系抽取：使用基于文本的卷积神经网络模型抽取两个目标实体之间的关系；

步骤3)知识图谱的构建及更新：使用图卷积神经网络模型对实体及实体关系进行学习，根据学习到的结果对知识图谱进行构建及更新。

2.根据权利要求1所述的基于图神经网络的知识图谱构建方法，其特征在于，步骤1)具体包括：

步骤1.1)采用双向长短时记忆循环神经网络模型计算目标文本语句中每个词X_i对应的所有可能标签的概率Z_i；

步骤1.2)采用条件随机场对目标文本语句中的每一个词X_i进行标注，计算出最优标注序列Y^*，并根据最优标注序列Y^*获取目标文本语句中的目标实体。

3.根据权利要求2所述的基于图神经网络的知识图谱构建方法，其特征在于，步骤1.1)具体包括：

步骤1.1.1)采用双向长短时记忆循环神经网络模型在预设查找表中查找目标文本语句X＝X₁,X₂,…,X_N中的每一个词X_i对应的词向量E_i；

步骤1.1.2)将词向量E_i作为Bi-LSTM模型的输入，分别从右至左和从左至右扫描，得到两个第一输出序列

步骤1.1.3)将第一输出序列和进行串接，抽取和的特征，并计算每个词X_i对应的所有可能标签的概率Z_i，计算公式如下：

Z_i＝W₂·h_i'

公式(1)中，W₁表示隐藏层参数矩阵，b₁表示隐藏层偏置，h_i'表示第一输出序列中第i个值的隐藏层输出，W₂表示输出层参数矩阵。

4.根据权利要求2所述的基于图神经网络的知识图谱构建方法，其特征在于，步骤1.2)具体包括：

步骤1.2.1)将目标文本语句X＝X₁,X₂,…,X_N作为条件随机场模型的输入计算得到第二输出序列，并计算第二输出序列对应的标签序列Y＝Y₁,Y₂,…,Y_N；

步骤1.2.2)根据每个词X_i对应的所有可能标签的概率Z_i计算标签序列Y＝Y₁,Y₂,…,Y_N的得分S(X,Y)，并将得分最高的标签作为最优标签序列标签序列的得分S(X,Y)计算具体如下：

公式(2)中，表示第i个词X_i获得标签Y_i的概率，表示标签Y_i-1与标签Y_i之间的转移概率。