[发明专利]基于多方面子任务交互的跨语言实体对齐方法

说明书

本发明涉及知识融合领域，公开了基于多方面子任务交互的跨语言实体对齐方法。技术方案：根据知识图谱中实体的不同方面信息；使用不同的方法获取实体的结构、关系、属性的嵌入表示；对三方面信息进行子任务对齐；对子任务对齐结果之间进行积极交互，更新向量；融合三方面的嵌入表示和迭代策略进行最终的对齐任务。有益效果：本发明融合了实体的全方面信息，对知识图谱的关系三元组和属性三元组都加以有效利用，得到了更为真实准确的实体表示，更加优异的嵌入工作对实体对齐的后续操作打下基础，并缓解了知识图谱的主要问题‑‑异构性；采用迭代的策略，解决预对齐种子对缺少的难题，减少成本投入，增加了方法的可行性。

技术领域

本发明涉及知识融合领域，特别是跨语言知识库融合技术领域，尤其涉及基于嵌入学习与多个子任务积极交互的跨语言实体对齐方法。

背景技术

知识图谱是谷歌公司在2012年提出的一种结构化知识存储的方式，近年来知识图谱技术发展迅速、日趋成熟，各行各业催生出了大量的知识库并应用于各种下游任务，如搜索、问答、推荐等等。但由于知识库都是独立构建，它们存在覆盖面不够大和包含信息不够完整的问题，而不同的知识库间的知识互相重叠又相互补充。实体对齐就是融合不同知识库过程中的关键技术，它的目的是将不同知识库中的等效实体链接起来，构建内容丰富的统一知识库。与单语言知识库不同的是多语言知识库的实体对齐存在着更多的差异。在不同语言环境中结构差异大，内容差异大。为全球知识共享带来了困难，跨语言实体对齐成为研究热点。

传统实体对齐算法的人工成本消耗大，且效果精度不高。随着对深度学习方法的大量研究，目前知识图谱的实体对齐的主要方法，是基于嵌入学习的算法，嵌入学习模块又分为基于TransE的算法和基于图神经网络的算法。而基于TransE模型，并没有考虑到关系对于实体对齐过程的影响，而且依赖于预先对齐的实体对即种子对，同时为大型知识库构建种子对的成本高昂，在一定程度上限制了此类方法的实施。

发明内容

发明目的：为实体对齐技术提供一种基于多方面子任务的跨语言实体对齐方法，该方法考虑了实体对齐中的异构和种子对缺少问题。从实体多个方面的信息出发，分别通过子任务后对其进行积极的信息交互，相互更新优化。用最终的嵌入表示进行实体匹配，提高性能。

技术方案如下：本发明采用的技术方案为:一种基于多方面子任务交互的跨语言实体对齐方法，包括以下步骤:

步骤1：输入两个不同的知识图谱，获取基于BERT预训练实体名称的词向量；

步骤2：通过以预先对齐的种子对为两个知识图谱之间的实体进行链接，以发现两个知识图谱中潜在的等效实体对；

步骤3：将两个知识图谱投影映射到同一个向量空间中；

步骤4：对于知识图谱的关系三元组和属性三元组进行学习，分别从实体的结构信息、关系信息、属性信息三个方面进行嵌入表示的学习；

步骤5：对结构信息进行初始实体对齐子任务；

步骤6：对关系信息进行关系对齐子任务；

步骤7：对属性信息进行属性感知的实体对齐子任务；

步骤8：对初始实体对齐和属性感知的实体对齐进行积极交互；

步骤9：对初始实体对齐第一交互结束后，与关系感知的实体对齐进行第二交互，以此类推进行多次积极交互，不断更新优化向量表示，得到最终的实体向量表示；

步骤10：通过实体最终的向量表示进行最后的实体匹配，得到对齐结果；

步骤11：将对齐结果作为训练集数据，再次送入实体对齐的过程中，实现迭代策略。

进一步的，针对步骤1，使用BERT模型对实体名称进行预训练得到相应的词向量表示，基于实体名称的词向量将作为后续实体嵌入表示学习中的输入向量，即为每个实体初始化特征向量。