[发明专利]一种知识图谱的知识推理方法、装置、设备及存储介质

说明书

本发明实施例公开了一种知识图谱的知识推理方法，包括：获取初始知识图谱，并根据初始知识图谱生成备选规则；对备选规则进行判别，确定置信度大于设定阈值的合格规则；根据合格规则对初始知识图谱进行推理补全，获取新的节点及对应关系，并添加至图谱知识集中。本发明实施例提供的知识图谱的知识推理方法，通过将规则推理方法与图神经网络推理方法进行结合，从而形成基于生成对抗模型的混合推理框架设计混合推理框架实现混合推理，并利用基于层次结构的链接预测方法对节点和关系进行预测，结合了不同推理方法的优点，既提高了知识推理的泛化能力与计算效率，也保证了推理结果的准确性与可解释性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种知识图谱的知识推理方法、装置、设备及存储介质。

背景技术

知识推理是指基于已知的事实或知识推断得出未知的事实或知识的过程，知识图谱推理的任务是根据知识图谱中已有的知识推理出新的知识或识别出错误的知识。知识推理作为人类问题求解的主要方法，一直以来备受关注。一般来说，知识推理包括两种主要的方法：一种是基于规则的传统知识推理模式；另一种是基于图神经网络的推理方法。

传统的基于规则的推理具有良好的准确率，但是通常需要花费大量的专家成本来构建业务规则，且构建的业务规则通常仅适用于特定的场景，泛化能力弱；且在大规模的多模态知识图谱场景中，其效率也容易成为瓶颈。基于神经网络的单步推理试图利用神经网络强大的学习能力建模知识图谱事实元组，获得很好的推理能力和泛化能力，但是准确性和合理性难以保证，神经网络固有的可解释性问题也依然存在于知识图谱的应用中，如何恰当地解释神经网络的推理能力是一大问题。

发明内容

本发明实施例提供了一种知识图谱的知识推理方法、装置、设备及存储介质，实现了同时具有良好泛化能力、计算效率及准确性的知识推理。

第一方面，本发明实施例提供了一种知识图谱的知识推理方法，包括：

获取初始知识图谱，并根据所述初始知识图谱生成备选规则；

对所述备选规则进行判别，确定置信度大于设定阈值的合格规则；

根据所述合格规则对所述初始知识图谱进行推理补全，获取新的节点及对应关系，并添加至图谱知识集中。

进一步地，根据所述初始知识图谱生成备选规则，包括：

提取所述初始知识图谱中的图像和文本，并表征成节点；

对所述节点对应的实体向量和关系向量分别进行初始化，生成实体嵌入向量和关系嵌入向量；

提取所述实体嵌入向量和关系嵌入向量中的各三元组序列，并输入长短期记忆模型，获得所述备选规则；所述三元组序列中包括两个实体嵌入向量与对应的关系嵌入向量。

进一步地，提取所述初始知识图谱中的图像和文本，并表征成节点，包括：

提取所述初始知识图谱中的图像，根据所述图像生成图像描述；

提取所述初始知识图谱中的文本，对所述文本与图像描述进行语义解析，将解析得到的实体和属性确定为所述节点。

进一步地，对所述备选规则进行判别，确定置信度大于设定阈值的合格规则，包括：

对所述初始知识图谱进行规则推理，确定新规则；

根据所述新规则确定各所述备选规则的置信度，将置信度大于所述设定阈值的备选规则确定为所述合格规则。

进一步地，对所述初始知识图谱进行规则推理，确定新规则，包括：

确定所述初始知识图谱对应的规则转换逻辑；

根据所述规则转换逻辑，从所述初始知识图谱中学习出所述新规则。