[发明专利]基于翻译模型的知识图谱消歧方法及相关设备

说明书

本发明提供一种基于翻译模型的知识图谱消歧方法及相关设备。所述方法包括：获取第一知识图谱和第二知识图谱，第一知识图谱及第二知识图谱具有相同的第一属性节点；对第一知识图谱进行向量向量化获得第一向量化结果；根据第一向量化结果及所述第一属性节点进行向量迁移，获得第二知识图谱的第二向量化结果；基于所述第一向量化结果及所述第二向量化结果，采用聚类算法对第一知识图谱中的第一实体节点以及第二实体节点进行聚类计算；根据聚类计算结果，获得第一实体节点与第二实体节点之间的关系。本发明所述方法改善了聚类消歧效果。

技术领域

本发明涉及知识图谱技术领域，尤其涉及一种基于翻译模型的知识图谱消歧方法及相关设备。

背景技术

本发明涉及知识图谱技术领域，尤其涉及一种基于翻译模型的知识图谱消歧方法及相关设备。

但是，现有技术中，在对知识图谱向量化后直接进行聚类分析，导致聚类效果不理想。

发明内容

有鉴于此，本发明的目的在于提出一种基于翻译模型的知识图谱消歧方法及相关设备，解决聚类效果不理想的问题。

基于上述目的，本发明提供了一种基于翻译模型的知识图谱消歧方法，包括：

获取第一知识图谱和第二知识图谱，所述第一知识图谱及所述第二知识图谱具有相同的第一属性节点；

对所述第一知识图谱进行向量化获得第一向量化结果；

根据所述第一向量化结果及所述第一属性节点进行向量迁移，获得所述第二知识图谱的第二向量化结果；

基于所述第一向量化结果及所述第二向量化结果，采用聚类算法对所述第一知识图谱中的第一实体节点以及所述第二知识图谱中的第二实体节点进行聚类计算；

根据聚类计算结果，获得所述第一实体节点与所述第二实体节点之间的关系。

本发明提供了一种基于翻译模型的知识图谱消歧装置，包括：

获取模块，被配置为获取第一知识图谱和第二知识图谱，所述第一知识图谱及所述第二知识图谱具有相同的第一属性节点；

向量化模块，被配置为对所述第一知识图谱进行向量化获得第一向量化结果；

向量迁移模块，被配置为根据所述第一向量化结果及所述第一属性节点进行向量迁移，获得所述第二知识图谱的第二向量化结果；

聚类模块，被配置为基于所述第一向量化结果及所述第二向量化结果，采用聚类算法对所述第一知识图谱中的第一实体节点以及所述第二知识图谱中的所述第二实体节点进行聚类计算；

结果获得模块，被配置为根据聚类计算结果，获得所述第一实体节点与所述第二实体节点之间的关系。

本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的基于翻译模型的知识图谱消歧方法。

本发明所述基于翻译模型的知识图谱消歧方法及相关设备，改善了聚类消歧效果，通过确定的聚类中心数目更好的反应数据的真实情况；通过向量迁移的方法，在保证了聚类效果的前提下减少算法所耗时间。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于翻译模型的知识图谱消歧方法的流程示意图；

图2为本发明知识图谱融合中同类节点聚类问题定义示意图；