[发明专利]实体分类方法、装置及可读存储介质

权利要求书

1.一种实体分类方法，其特征在于，包括：

获取待分类实体；

获取已分类实体和所述已分类实体中的第一词语；

提取所述已分类实体的第一实体特征信息，并根据所述第一实体特征信息计算所述第一实体特征信息的第一实体特征向量表示，以及，根据所述第一词语计算所述第一词语的第一词向量表示；

构建实体图结构，其中，所述实体图结构中的节点包括由所述第一实体特征向量表示构成的第一实体节点、由所述第一词向量表示构成的第一词语节点，所述实体图结构中的边关系包括所述第一实体节点与所述第一词语节点之间的第一边关系、两个所述第一词语节点之间的第二边关系，所述第一边关系表征对应的已分类实体与对应的第一词语之间的词频-逆文本频率指数，所述词频-逆文本频率指数表征该第一词语在该已分类实体中的关键程度，所述第二边关系表征对应的两个第一词语的共现信息；

根据所述实体图结构得到目标图卷积神经网络模型，并通过所述目标图卷积神经网络模型计算所述待分类实体分别属于至少一个预设类别的目标概率序列，并根据所述目标概率序列确定所述待分类实体所属的目标类别，其中，所述目标概率序列包括至少一个目标概率值。

2.根据权利要求1所述的方法，其特征在于，所述实体图结构中的节点还包括由所述待分类实体的第二实体特征信息的第二实体特征向量表示构成的第二实体节点、由所述待分类实体中的第二词语的第二词向量表示构成的第二词语节点，所述实体图结构中的边关系还包括所述第一实体节点与所述第二词语节点之间的第三边关系、所述第二实体节点与所述第一词语节点之间的第四边关系、所述第二实体节点与所述第二词语节点之间的第五边关系、两个所述第二词语节点之间的第六边关系、第一词语节点与第二词语节点之间的第七边关系；

在所述构建实体图结构的步骤之前，所述方法还包括：

获取所述待分类实体中的所述第二词语；

提取所述待分类实体的所述第二实体特征信息，并根据所述第二实体特征信息计算所述第二实体特征信息的所述第二实体特征向量表示，以及，根据所述第二词语计算所述第二词语的所述第二词向量表示。

3.根据权利要求1或2所述的方法，其特征在于，所述实体特征信息包括实体的属性信息和属性值信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述实体图结构得到目标图卷积神经网络模型，包括：

根据所述实体图结构构建初始图卷积神经网络模型；

根据所述初始图卷积神经网络模型计算所述已分类实体分别属于所述至少一个预设类别的第一概率序列，所述第一概率序列包括至少一个第一概率值；

获取预先标注的所述已分类实体分别属于所述至少一个预设类别的第二概率序列，所述第二概率序列包括至少一个第二概率值；

确定所述第一概率值和所述第二概率值之间的差异信息，并根据所述差异信息对所述初始图卷积神经网络模型进行训练，以得到所述目标图卷积神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述初始图卷积神经网络模型包括多层网络，每层网络对应至少一个权重矩阵；

所述根据所述差异信息对所述初始图卷积神经网络模型进行训练，包括：

针对每层网络，根据所述差异信息分别对该层网络所对应的至少一个权重矩阵进行调整。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标概率序列确定所述待分类实体所属的目标类别，包括：

将所述目标概率序列中的最高目标概率值对应的预设类别作为所述目标类别。

7.根据权利要求1所述的方法，其特征在于，在确定所述待分类实体所属的目标类别后，所述方法还包括：

将已确定目标类别的待分类实体存储到知识图谱中；

在接收到用户输入的查询信息的情况下，根据所述知识图谱中各个实体的类别确定与所述查询信息相关的结果信息。