[发明专利]通过对开放域事实的贝叶斯结构学习来学习实体、关系词和概念之间的可解释关系

权利要求书

1.一种计算机实施的方法，包括：

获取概念图中标识为与概念相关联的实体集合；

搜索包括来自开放域信息的事实的信息储存库，以获取包括来自所述实体集合的、作为事实的主语或宾语的实体的事实集合，其中，每个事实均包括主语实体、宾语实体、以及表示所述主语实体与所述宾语实体之间的谓语或关系的关系词；

使用所述事实集合中的至少一些事实来生成所述概念的肯定数据观察，所述肯定数据观察将所述实体集合中的所述实体中的至少一些实体与来自所述事实集合的一个或多个关系词相关联；

使用所述肯定数据观察中的至少一些和贝叶斯网络结构学习方法来学习用于所述概念的贝叶斯网络，以发现实体、关系词与所述概念之间的网络结构；以及

输出所学习的用于所述概念的贝叶斯网络，以用于预测新实体是否为所述概念的实例。

2.如权利要求1所述的计算机实施的方法，还包括：

对多个概念中的每个概念重复如权利要求1所述的步骤，以获取所学习的用于每个概念的贝叶斯网络。

3.如权利要求1所述的计算机实施的方法，还包括：

将新实体和来自包括所述新实体作为主语实体或作为宾语实体的一个或多个事实的一个或多个关系词输入至所学习的用于所述概念的贝叶斯网络中，以预测所述新实体是否是所述概念的实例。

4.如权利要求3所述的计算机实施的方法，还包括：

给定已被预测为所述概念的实例的一个或多个新实体，用所述一个或多个新实体更新所述概念图；以及

重复如权利要求1所述的步骤，以获取更新的学习的用于所述概念的贝叶斯网络。

5.如权利要求1所述的计算机实施的方法，还包括：

生成否定数据观察，其中，否定数据观察中的实体是指不是所述概念的实例并且不包括在所述实体集合中的实体；以及

其中，使用至少所述肯定数据观察和贝叶斯网络结构学习方法来学习用于所述概念的贝叶斯网络以发现实体、关系词与所述概念之间的网络结构的步骤包括：

使用所述贝叶斯网络结构学习方法和所述肯定数据观察以及所述否定数据观察，以学习用于所述概念的所述贝叶斯网络。

6.如权利要求1所述的计算机实施的方法，其中，使用所述事实集合中的至少一些事实来生成肯定数据观察，所述肯定数据观察将所述实体集合中的所述实体中的至少一些实体与来自所述事实集合的一个或多个关系词相关联的步骤，包括；

针对作为所述概念的主语实例的每个实体，通过记录实体作为主语实体在具有来自所述概念的主语-视图顶级关系词集合的顶级关系词的事实中出现的次数，生成用于所述概念的主语-视图肯定数据观察集合；以及

针对作为所述概念的宾语实例的每个实体，通过记录宾语视图中实体在具有来自所述概念的宾语-视图顶级关系词集合的顶级关系词的事实中出现的次数，生成用于概念的宾语-视图肯定数据观察集合。

7.根据权利要求6所述的计算机实施的方法，其中，通过执行以下步骤来获得所述主语-视图顶级关系词集合和所述宾语-视图顶级关系词集合，所述步骤包括：

将所述事实集合拆分为主语-视图事实集合和宾语-视图事实集合，其中，所述主语-视图事实集合包括来自所述事实集合的事实，其中来自所述实体集合的实体是所述主语实体，以及其中，所述宾语-视图事实集合包括来自所述事实集合的事实，其中来自所述实体集合的实体是所述宾语实体；

对于所述主语-视图事实集合，使用所述主语-视图事实集合中关系词的出现频率来选择所述主语-视图顶级关系词集合；以及

对于所述宾语-视图事实集合，使用所述宾语-视图事实集合中关系词的出现频率来选择所述宾语-视图顶级关系词集合。