[发明专利]图谱中边类型的识别方法、装置、设备及存储介质

说明书

本申请提出了一种图谱中边类型的识别方法、装置、设备及存储介质，涉及深度学习和知识图谱技术领域，具体实现方案为：获取图谱中各个节点分别对应的第一特征；根据每个节点的第一特征、及每个类型边在图神经网络模型中对应的第一层模型参数，计算每个节点分别在各类型边对应空间中的向量；根据每个节点分别对应的向量，计算图谱中每个边属于各类型边的概率；根据每个边属于各类型边的概率，确定每个节点在图神经网络第二层中的第二特征，重复上述过程，直至获取图神经网络输出的特征；根据图神经网络输出的特征，确定图谱中各个边的类型。根据本申请的方案能够提高边类型识别的精准度，降低了标注成本。

技术领域

本申请涉及数据处理技术领域，尤其涉及深度学习和知识图谱技术领域，提出一种图谱中边类型的识别方法、装置、设备及存储介质。

背景技术

图谱被广泛应用于搜索、聊天机器人、大数据、智能医疗、推荐系统等各个领域。图谱包括节点和边，而在多关系图谱中，通常包含多种类型的边，图谱中边的类型对图谱的应用至关重要。

目前，通常通过人工标注的方式为图谱中的边标注各种边类型，人工标注边类型的成本较高，且人工标注的边类型往往是粗粒度的，精准度有待提高。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出了一种图谱中边类型的识别方法、装置、设备及存储介质。

本申请第一方面实施例提出了一种图谱中边类型的识别方法，包括：

获取待处理的图谱中各个节点分别对应的第一特征；

根据每个所述节点分别对应的第一特征、及每个类型边在图神经网络模型中对应的第一层模型参数，计算每个所述节点分别在各类型边对应空间中的向量；

根据每个所述节点分别对应的向量，计算所述图谱中每个边属于各类型边的概率；

根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，重复上述过程，直至获取所述图神经网络输出的特征；

根据所述图神经网络输出的特征，确定所述图谱中各个边的类型。

本申请第二方面实施例提出了一种图谱中边类型的识别装置，包括：

获取模块，用于获取待处理的图谱中各个节点分别对应的第一特征；

映射模块，用于根据每个所述节点分别对应的第一特征、及每个类型边在图神经网络模型中对应的第一层模型参数，计算每个所述节点分别在各类型边对应空间中的向量；

计算模块，用于根据每个所述节点分别对应的向量，计算所述图谱中每个边属于各类型边的概率；

确定模块，用于根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，重复上述过程，直至获取所述图神经网络输出的特征；

识别模块，用于根据所述图神经网络输出的特征，确定所述图谱中各个边的类型。

本申请第三方面实施例提出了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面实施例所述的图谱中边类型的识别方法。

本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面实施例所述的图谱中边类型的识别方法。

本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时实现如第一方面实施例所述的图谱中边类型的识别方法。