[发明专利]基于实体对齐的多源异构知识图谱协同推理方法及装置

说明书

本发明提供一种基于实体对齐的多源异构知识图谱协同推理方法及装置，所述方法包括：基于待推理实体对，以及待推理实体对的查询关系，确定查询关系的等价关系路径；将各等价关系路径对应的特征向量输入至关系推理模型，得到查询关系对应的推理结果。本发明中用于训练关系推理模型的正样本三元组是从多个知识图谱中获取的，同时等价关系路径包括跨知识图谱的等价关系路径，实现了不同知识图谱之间的连通，从而关系推理模型能够学习多个知识图谱中的语义信息，避免传统方法中针对单一知识图谱进行知识推理造成推理精度较低的问题。

技术领域

本发明涉及知识推理技术领域，尤其涉及一种基于实体对齐的多源异构知识图谱协同推理方法及装置。

背景技术

知识推理即根据已知的信息预测某三元组存在与否的任务，是知识图谱补全和基于知识的决策问题的重要基础。

近年来，随着大数据和人工智能技术的发展及发展可解释的人工智能的需求，知识图谱的知识推理问题得到了广泛研究，目前多采用基于规则的方法、基于表示学习的方法和基于路径的方法等进行知识推理。然而，上述方法主要针对单一知识图谱的知识推理，知识推理的精度较低。

发明内容

本发明提供一种基于实体对齐的多源异构知识图谱协同推理方法及装置，用以解决现有技术中知识推理精度较低的缺陷。

本发明提供一种基于实体对齐的多源异构知识图谱协同推理方法，包括：

基于待推理实体对，以及所述待推理实体对的查询关系，确定所述查询关系的等价关系路径；所述等价关系路径包括跨知识图谱的等价关系路径；

将各等价关系路径对应的特征向量输入至关系推理模型，得到所述查询关系对应的推理结果；

其中，所述关系推理模型是基于正样本三元组的等价关系路径对应的特征向量、负样本三元组的等价关系路径对应的特征向量训练得到的，各正样本三元组是从多个知识图谱中获取的，且各正样本三元组的关系类型与所述查询关系类型相同，各负样本三元组是基于各正样本三元组的k阶邻居确定的。

根据本发明提供的一种基于实体对齐的多源异构知识图谱协同推理方法，所述基于待推理实体对，以及所述待推理实体对的查询关系，确定所述查询关系的等价关系路径，包括：

基于所述待推理实体对的查询关系、多个知识图谱的三元组以及对齐锚链，确定强化学习环境；所述对齐锚链用于连通多个知识图谱中的三元组；

基于所述待推理实体对，在所述强化学习环境中确定所述查询关系的等价关系路径。

根据本发明提供的一种基于实体对齐的多源异构知识图谱协同推理方法，所述对齐锚链是基于如下步骤确定的：

将所述多个知识图谱输入至嵌入模型，得到所述嵌入模型输出的实体和关系嵌入向量；

若任意两个嵌入向量之间的距离小于预设值，则为对应的两个实体添加所述对齐锚链；

其中，所述嵌入模型是基于正样本实体对以及负样本实体对训练得到的，所述正样本实体对为多个知识图谱中的对齐种子，所述负样本实体对是基于各正样本实体对的k阶邻居确定的。

根据本发明提供的一种基于实体对齐的多源异构知识图谱协同推理方法，所述将所述多个知识图谱输入至嵌入模型，得到所述嵌入模型输出的实体和关系嵌入向量，包括：

将所述多个知识图谱输入至所述嵌入模型的图注意力层，得到所述图注意力层输出的实体初始嵌入向量；

将所述实体初始嵌入向量输入至所述嵌入模型的翻译向量层，得到所述翻译向量层输出的实体和关系嵌入向量。

根据本发明提供的一种基于实体对齐的多源异构知识图谱协同推理方法，所述基于所述待推理实体对的查询关系、多个知识图谱的三元组以及对齐锚链，确定强化学习环境，包括：