[发明专利]基于协同关系的知识图谱上下文嵌入方法

权利要求书

1.一种基于协同关系的知识图谱上下文嵌入方法，其特征在于，包括以下步骤：

步骤1、定义协同关系；

步骤2、将协同关系结合到平移距离模型；

步骤3、将协同关系结合到语义匹配模型；

步骤4、基于步骤2、3执行训练过程。

2.如权利要求1所述的方法，其特征在于，步骤1具体包括邻居实体的表示。

3.如权利要求2所述的方法，其特征在于，邻居实体的表示具体为：

给定一个三元组(h,r,t)，头实体h的邻居实体表示为{h₁,h₂,…,h_p}，尾实体t的邻居实体表示为{t₁,t₂,…,t_q}，头实体的邻居实体向量均值表示为头实体的邻居实体向量的平均值，如式(1)所示：

尾实体的邻居实体向量均值v_t表示为尾实体的邻居实体向量的平均值，如式(2)所示

其中，p和q分别表示头实体和尾实体邻居实体的数量。

4.如权利要求3所述的方法，其特征在于，步骤1具体还包括头实体与尾实体之间的关系表示。

5.如权利要求4所述的方法，其特征在于，头实体与尾实体之间的关系表示具体为：

h和t之间的显式关系r_exp：

在给定的三元组(h,r,t)中，定义头实体h和尾实体t之间的三种关系，分别为显式关系r_exp、隐式关系r_lat及协同关系其中，显示关系与原三元组中的关系等同；

隐式关系的向量通过对头实体h和尾实体t的邻居实体向量均值进行元素级乘法而获得，如式(3)所示：

其中的表示Hadamard积；

协同关系用于训练协同模型，其向量定义为r_exp和r_lat的向量的线性组合：

其中η表示根据模型的训练情况的可调节参数。

6.如权利要求5所述的方法，其特征在于，步骤2中，平移距离模型的定义为：

其中，和分别表示一个三元组中不同头实体与尾实体之间的协同关系的向量，表示循环关系中的实体，i＝1,2,3，P_r和Q_r表示关系r对应的投影矩阵；

利用公式(5)的平移距离模型计算三元组(h,r,t)的得分：

其中，L₁和L₂表示正则化，v_h、v_t表示头实体向量和尾实体向量。

7.如权利要求6所述的方法，其特征在于，步骤3中，语义匹配模型的定义为：

其中，分别表示对应不同实体之间的协同关系矩阵。

利用公式(7)的语义匹配模型计算三元组(h,r,t)得分：

表示实体之间的协同关系矩阵。