[发明专利]基于卷积网络的路径感知的知识图谱补全方法及相关设备

说明书

本公开提供基于卷积网络的路径感知的知识图谱补全方法及相关设备，该方法包括：从所述知识图谱中获取初始三元组集合；基于所述初始三元组集合确定候选三元组集合；将所述候选三元组集合输入至预先构建的排序模型中，通过所述排序模型输出所述候选三元组集合中每一个候选三元组的关系得分，基于所述关系得分从所述候选三元组集合中确定至少一个候选三元组，并将其补入所述知识图谱中；其中，所述排序模型是通过预训练的。本公开的补全方法通过引入三元组的路径信息，并进一步考虑路径局部和全局重要性，提升知识图谱补全准确率。

技术领域

本公开涉及数据挖掘和深度学习技术领域，尤其涉及基于卷积网络的路径感知的知识图谱补全方法及相关设备。

背景技术

知识图谱，是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系。知识图谱通过对错综复杂的文档的数据进行有效的加工、处理、整合，抽取为简单、清晰的(头实体h，关系r，尾实体t)的三元组。比如中国的首都是北京，则可以抽取为三元组(中国，首都，北京)。

知识图谱补全(Knowledge Graph Completion)旨在根据知识图谱中已知的三元组挖掘出隐含的三元组，作为提升知识图谱完整性的重要手段受到了国内外研究人员的广泛关注，涌现了大量的知识图谱补全方法。基于神经网络的知识图谱补全方法依据能够自动提取数据深层特征的优势，已发展成为最主流的知识图谱补全方法之一。但是现有的基于神经网络知识图谱补全方法，通常只考虑知识图谱中三元组的实体、关系信息，忽略了知识图谱中包含着丰富推理模式的路径信息，从而严重影响了知识图谱补全的准确率。

发明内容

有鉴于此，本公开的目的在于提出基于卷积网络的路径感知的知识图谱补全方法及相关设备。

基于上述目的，本公开提供了基于卷积网络的路径感知的知识图谱补全方法，包括：

从所述知识图谱中获取初始三元组集合；

基于所述初始三元组集合确定候选三元组集合；

将所述候选三元组集合输入至预先构建的排序模型中，通过所述排序模型输出所述候选三元组集合中每一个候选三元组的关系得分，基于所述关系得分从所述候选三元组集合中确定至少一个候选三元组，并将其补入所述知识图谱中；

其中，所述排序模型是通过预训练的。

基于同一发明构思，本公开还提供了一种基于卷积神经网络的路径感知的知识图谱补全装置，包括：

获取集合模块，被配置为从所述知识图谱中获取初始三元组集合；

确定集合模块，被配置为基于所述初始三元组集合确定候选三元组集合；

确定补入模块，被配置为将所述候选三元组集合输入至预先构建的排序模型中，通过所述排序模型输出所述候选三元组集合中每一个候选三元组的关系得分，基于所述关系得分从所述候选三元组集合中确定至少一个候选三元组，并将其补入所述知识图谱中；

其中，所述排序模型是通过预训练的。

基于同一发明构思，本公开还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上任意所述的方法。

基于同一发明构思，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意所述的方法。