[发明专利]基于深度嵌入表示和深度图计算的知识表示方法及系统

权利要求书

1.基于深度嵌入表示和深度图计算的知识表示方法，其特征在于，包括如下过程：

针对被处理的知识图谱，利用深度图计算链接预测算法，根据知识图谱的图结构和语义信息，预测知识图谱中可能形成链接的实体对；

利用深度嵌入自适应知识嵌入方法，采用自适应度量方法和深度嵌入空间投影相结合，验证链接预测阶段得到的实体对之间的关系，形成正确的三元组，更新知识图谱。

2.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：深度图计算链接预测算法，结合Rooted PageRank算法和实体聚类算法进行联合筛选，使得筛选出的候选实体对更有可能形成链接。

3.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：深度图计算链接预测算法，具体包括如下步骤：

采用实体聚类算法挖掘知识图谱中的语义信息，根据语义信息对知识图谱中的实体进行聚类，排除不可能形成链接的实体对得到聚类后的实体类；

采用Rooted PageRank算法计算挖掘知识图谱中的图结构信息，根据图结构信息筛选可能形成链接的实体对；

根据实体聚类算法得到的实体类，计算任意头实体类和尾实体类之间的置信度值，如果置信度值大于设定的阈值β，并且，对于采用Rooted PageRank算法筛选得到的可能形成链接的实体对e_i和e_j，分别属于置信度大于阈值β的两个实体类，则实体对e_i和e_j属于筛选出的实体候选对。

4.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：采用实体聚类算法挖掘知识图谱中的语义信息，根据语义信息排除不可能形成链接的实体对，包括如下步骤：

初始化知识图谱为从头实体经关系至尾实体的有向图，实体为有向图中的节点，遍历知识图谱的关系集合，得到每个关系对应的头实体类和尾实体类，得到初始实体类；

计算初始化实体类之间的相似度，将相似度大于设定阈值的实体类合并。

5.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：采用Rooted PageRank算法挖掘知识图谱中的图结构信息，根据图结构信息筛选可能形成链接的实体对，具体的方法如下：

将知识图谱看作是无向图G，其中实体E是无向图G的节点，三元组看成是无向图G中从节点h出发到节点t的一条无向边；

根据Rooted PageRank算法计算从无向图中一个节点游走至另一节点的稳定概率，当大于概率阈值，则两个节点对应的实体对为可能形成链接的实体对。

6.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：自适应度量方法为在得分函数中加入自适应权重矩阵，所述自适应权重矩阵为对角权重矩阵；

或/和，深度嵌入空间投影，具体为：将三元组中的实体通过关系矩阵再投影到关系空间中，得到新的嵌入向量。

7.如权利要求1所述的基于深度嵌入表示和深度图计算的知识表示方法，其特征在于：将自适应度量方法和深度嵌入空间投影相结合的方法，具体为：将自适应度量方法和空间投影模型结合，建模在一个统一的模型框架下，最终提出TransAR模型，其得分函数中加入自适应权重矩阵，并且得分函数中的实体嵌入向量为三元组的实体通过关系矩阵再投影到关系空间中，得到的新嵌入向量。

8.基于深度嵌入表示和深度图计算的知识表示系统，其特征在于，包括：

链接预测模块：被配置为用于针对被处理的知识图谱，利用深度图计算链接预测算法，根据知识图谱的图结构和语义信息，预测知识图谱中可能形成链接的实体对；

关系验证模块：被配置为用于利用深度嵌入自适应知识嵌入方法，采用自适应度量方法和深度嵌入空间投影相结合，验证链接预测阶段得到的实体对之间的关系，形成正确的三元组，更新知识图谱。