[发明专利]知识图谱的构建方法、训练方法、信息推荐方法及装置

说明书

本申请提供一种知识图谱的构建方法、基于知识图谱库的推荐方法及装置，包括：对目标文本进行语义特征编码，得到与目标文本对应的第一特征序列。对目标文本对应的第一特征序列进行实体关系识别，得到与目标文本对应的实体关系集合。基于所述目标文本对应的第一特征序列和所述实体关系集合，确定所述目标文本对应的所述实体关系集合中各实体关系的实体标识序列。从所述目标文本对应的所述实体关系集合中各实体关系对应的实体标识序列中，提取所述实体关系集合中各实体关系对应的首实体和尾实体，根据所述实体关系集合中各实体关系，所述各实体关系对应的首实体、所述各实体关系对应的尾实体构建所述知识图谱。

技术领域

本申请属于人工智能领域，尤其涉及一种知识图谱的构建方法、训练方法、信息推荐方法及装置。

背景技术

在知识图谱构建中，知识抽取是核心基础，而实体关系信息是知识抽取的重要对象。作为可用的知识，实体关系信息不仅要呈现出实体关系，还要指明组成该实体关系的实体。

比如，“钱塘江流经杭州，是吴越文化的主要发源地之一”这句话，其中的钱塘江和吴越文化是实体，发源地是钱塘江对于吴越文化的实体关系，理想抽取到的实体关系信息应为″吴越文化(首实体)-发源地(实体关系)-钱塘江(尾实体)″的三元组。

在目前的知识图谱构中，针对三元组知识的抽取方法是先穷举出本中潜在的所有三元组知识，再通过对三元组知识的有效性分析，过滤掉无效部分。这种穷举方式需要投入大量的算力用在有效性分析和过滤上，且即便经过过滤也难免会残留一部分脏数据被添加至知识图谱中。

发明内容

本申请目的是提供一种知识图谱的构建方法、基于知识图谱库的推荐方法及装置，能够以更低的算力开销、更高的准确率，从文本中抽取知识图谱。

为了实现上述目的，本申请实施例是这样实现的：

第一方面，提供一种知识图谱的构建方法，包括：

对目标文本进行语义特征编码，得到与所述目标文本对应的第一特征序列；

对所述目标文本对应的第一特征序列进行实体关系识别，得到所述目标文本对应的实体关系集合；

基于所述目标文本对应的第一特征序列和所述实体关系集合，确定所述目标文本对应的所述实体关系集合中各实体关系的实体标识序列；

从所述目标文本对应的所述实体关系集合中各实体关系对应的实体标识序列中，提取所述实体关系集合中各实体关系对应的首实体和尾实体，根据所述实体关系集合中各实体关系，所述各实体关系对应的首实体、所述各实体关系对应的尾实体构建所述知识图谱。

第二方面，提供一种知识图谱识别模型的训练方法，包括：

将已标注的样本文本输入至初始知识图谱识别模型进行语义特征编码，得到所述样本文本的第三特征序列，其中，所述已标注的样本文本的标注信息包括所述样本文本对应多个实体关系的实体标识序列；

将所述样本文本的第一特征序列输入至所述初始知识图谱识别模型进行实体关系识别，得到所述样本文本对应的实体关系集合；

将所述样本文本的第一特征序列和所述实体关系集合输入至所述初始知识图谱识别模型进行实体标识识别，得到所述样本文本对应所述实体关系集合中各实体关系的实体标识序列；

基于所述实体标识序列，以及所述预测实体标识序列，对所述初始知识图谱识别模型进行训练，得到知识图谱识别模型，其中，所述知识图谱识别模型用于识别目标文本中由实体关系、所述实体关系对应的首实体、所述实体关系对应的尾实体组成的知识图谱的实体标识序列。

第三方面，提供一种信息推荐方法，包括：

获取目标用户的用户信息；确定所述用户信息中的目标实体；