[发明专利]知识图谱的实体对齐方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能领域，具体涉及一种知识图谱的实体对齐方法、装置、计算机设备和存储介质。所述方法包括：获取待处理的至少两个知识图谱，并确定第一对齐子模型和第二对齐子模型；基于第二对齐子模型前个轮次输出的对齐处理结果，启动第一对齐子模型，得到当前轮次成功配对的配对实体对集合；根据配对实体对集合对当前轮次的第二对齐子模型进行有监督训练；通过当前轮次训练得到的第二对齐子模型，对至少两个知识图谱进行多维度图谱嵌入处理，输出当前轮次的对齐处理结果；将下一轮次作为当前轮次进行迭代处理，直至达到第一停止条件时停止，得到与至少两个知识图谱对应的实体对齐结果。采用本方法可以提升知识图谱的对齐效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种知识图谱的实体对齐方法、装置、计算机设备和存储介质。

背景技术

随着科学技术的发展，出现了知识图谱技术，知识图谱是描述实体以及实体之前关系的必要基础，而知识图谱对齐技术则是快速工程化搭建知识图谱的重要利器。知识图谱对齐旨在判断两个或多个不同知识图谱中是否存在指向真实世界中的同一个对象的实体，如果存在，则在这些实体之间构建对齐关系，从而基于对齐关系融合多个知识图谱，形成完整的、知识覆盖更广的知识图谱。

传统技术中，可以通过预训练的神经网络对知识图谱进行实体对齐处理。然而，在基于预训练的神经网络对知识图谱进行实体对齐处理之前，往往需要依赖知识图谱专业人员对至少两个知识图谱中相同的实体进行标注处理，得到包含有标注标签的训练样本，并通过训练样本对待训练的实体对齐模型进行训练。其中，整个标注过程耗时耗力，从而导致知识图谱的对齐效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升知识图谱对齐效率的知识图谱的实体对齐方法、装置、计算机设备和存储介质。

一种知识图谱的实体对齐方法，所述方法包括：

获取待处理的至少两个知识图谱，并确定属于无监督学习类别的第一对齐子模型和属于有监督学习类别的第二对齐子模型；

基于所述第二对齐子模型前个轮次输出的对齐处理结果，启动所述第一对齐子模型，以对所述至少两个知识图谱进行对齐概率推导处理，得到当前轮次成功配对的配对实体对集合；

根据所述配对实体对集合对当前轮次的第二对齐子模型进行有监督训练；

通过当前轮次训练得到的第二对齐子模型，对所述至少两个知识图谱进行多维度图谱嵌入处理，基于相应的图谱嵌入结果输出当前轮次的对齐处理结果；

将所述当前轮次的对齐处理结果作为下个轮次中的前个轮次输出的对齐处理结果，进入下个轮次，并返回所述基于所述第二对齐子模型前个轮次输出的对齐处理结果，启动所述第一对齐子模型的步骤继续执行，直至达到第一停止条件时停止，得到与所述至少两个知识图谱对应的实体对齐结果。

在一个实施例中，每个所述知识图谱包括至少一个知识多元组，所述知识多元组包括头实体、尾实体、以及所述头实体和所述尾实体之间的实体参考关系；

所述基于所述第二对齐子模型前个轮次输出的对齐处理结果，启动所述第一对齐子模型，以对所述至少两个知识图谱进行对齐概率推导处理，得到当前轮次成功配对的配对实体对集合，包括：

基于所述知识多元组，并通过所述第一对齐子模型确定每个所述实体参考关系各自对应的函数性；所述函数性表征了在头实体已确定的情况下，基于所述实体参考关系确定对应尾实体的概率；

基于所述第二对齐子模型前个轮次输出的对齐处理结果和每个所述实体参考关系各自对应的函数性，通过所述第一对齐子模型对待处理的知识图谱进行至少一次的概率推导，并根据最后一次概率推导所得到的概率推导结果，得到当前轮次成功配对的配对实体对集合。