[发明专利]融合实体类型信息的知识图谱推理方法、装置、设备及存储介质

权利要求书

1.一种融合实体类型信息的知识图谱推理方法，其特征在于，包括：

将知识图谱中的三元组集合转换为与所述三元组集合对应的向量矩阵，转换后的三元组集合包括实体嵌入矩阵、关系嵌入矩阵和实体类型嵌入矩阵；

将所述实体嵌入矩阵、所述关系嵌入矩阵和所述实体类型嵌入矩阵输入推理模型中分别提取头实体向量、关系向量和头实体类型向量，并将所述关系向量和所述头实体类型向量按顺序通过LSTM网络生成所述推理模型的卷积核；

将所述卷积核对所述头实体向量进行卷积，生成所述推理模型的隐藏层；

将所述隐藏层经过所述推理模型的全连接层后，生成混合特征向量，所述混合特征向量的维度与所述三元组集合包括的实体数量相同；

将所述混合特征向量与所述实体嵌入矩阵相乘，并采用sigmoid激活函数进行归一化处理，使所述推理模型输出推理结果。

2.根据权利要求1所述的方法，其特征在于，在所述将知识图谱中的三元组集合转换为与所述三元组集合对应的向量矩阵之前，还包括：

获取待处理的知识库后，提取所述知识库中的实体集合、关系集合和实体类型集合，并根据所述实体集合、所述关系集合和所述实体类型集合生成所述知识图谱的三元组集合。

3.根据权利要求1所述的方法，其特征在于，所述三元组集合包括正向三元组以及与所述正向三元组对应的反向三元组。

4.根据权利要求1所述的方法，其特征在于，在所述将知识图谱中的三元组集合转换为与所述三元组集合对应的向量矩阵之后，还包括：

通过xavier正态分布对所述实体嵌入矩阵、所述关系嵌入矩阵和所述实体类型嵌入矩阵进行初始化。

5.根据权利要求1所述的方法，其特征在于，所述将所述混合特征向量与所述实体嵌入矩阵相乘，并采用sigmoid激活函数进行归一化处理，使所述推理模型输出推理结果，包括：

将所述混合特征向量与所述实体嵌入矩阵相乘，得到输出向量；

采用sigmoid激活函数对所述输出向量进行归一化处理，得到所述三元组集合中各三元组的预测概率，使所述推理模型输出推理结果；

根据下式得到所述三元组集合中各三元组的预测概率：

其中，sigmoid()表示sigmoid激活函数，Vec(LSTM(r,t₁))表示改变卷积核形状的操作，Vec′(h*Vec(LSTM(r,t₁)))表示改变隐藏层形状的操作，*表示卷积操作，W和b表示全连接层的权值矩阵和偏置，h、r、t分别表示三元组中的头实体、关系和尾实体。

6.一种融合实体类型信息的知识图谱推理装置，其特征在于，包括：

转换单元，用于将知识图谱中的三元组集合转换为与所述三元组集合对应的向量矩阵，转换后的三元组集合包括实体嵌入矩阵、关系嵌入矩阵和实体类型嵌入矩阵；

提取单元，用于将所述实体嵌入矩阵、所述关系嵌入矩阵和所述实体类型嵌入矩阵输入推理模型中分别提取头实体向量、关系向量和头实体类型向量，并将所述关系向量和所述头实体类型向量按顺序通过LSTM网络生成所述推理模型的卷积核；

卷积单元，用于将所述卷积核对所述头实体向量进行卷积，生成所述推理模型的隐藏层；

经过单元，用于将所述隐藏层经过所述推理模型的全连接层后，生成混合特征向量，所述混合特征向量的维度与所述三元组集合包括的实体数量相同；

输出单元，用于将所述混合特征向量与所述实体嵌入矩阵相乘，并采用sigmoid激活函数进行归一化处理，使所述推理模型输出推理结果。

7.根据权利要求6所述的装置，其特征在于，所述三元组集合包括正向三元组以及与所述正向三元组对应的反向三元组。