[发明专利]知识表示学习方法及装置、电子设备、存储介质

权利要求书

1.一种知识表示学习方法，其特征在于，包括：

获取知识图谱对应的三元组数据，所述三元组数据包括源实体、目标实体以及所述源实体和所述目标实体之间的关系；

对所述三元组数据中的所有实体进行语义分层，得到实体分层数据；

将所述实体分层数据输入到知识表示学习模型中，对所述知识表示学习模型进行训练，得到所述知识图谱中实体与关系之间的分布式向量表示。

2.根据权利要求1所述的方法，其特征在于，所述对所述三元组数据进行语义分层，得到目标三元组数据，包括：

提取所述源实体、所述目标实体构成实体集合，提取所述关系构成关系集合；

确定所述实体集合中实体对应的实体向量，确定所述关系集合中关系对应的关系向量；

以极坐标的形式对所述实体向量以及所述关系向量进行语义分层，得到实体分层数据。

3.根据权利要求2所述的方法，其特征在于，所述以极坐标的形式对所述实体向量以及所述关系向量进行语义分层，包括：

获取所述实体向量对应的模数属性，并根据所述模数属性对所述实体向量在不同语义层次上进行区分；

获取所述实体向量对应的相位属性，并根据所述相位属性对所述实体向量在相同语义层次上进行区分。

4.根据权利要求3所述的方法，其特征在于，根据所述模数属性对所述实体向量在不同语义层次上进行区分，包括：

将所述关系向量作为所述实体向量之间的平移，使存在关系的实体之间的模数差值与平移间隔相等。

5.根据权利要求3所述的方法，其特征在于，根据所述相位属性对所述实体向量在相同语义层次上进行区分，包括：

将所述关系向量作为所述实体向量之间的相位转换，使存在关系的实体之间的相位差值与相位转换等价。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述知识表示学习模型包括目标函数，所述目标函数由模长距离函数和相位距离函数构成。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过目标评价指标对所述知识表示学习模型进行链接预测评估，其中，所述目标评价指标包括平均排名、平均倒数排名和平均占比排名中的任意一个或者多个组合。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取需要添加到目标知识图谱中的目标实体；

将所述目标实体输入到所述目标知识图谱对应的知识表示学习模型中进行链接预测，确定预测三元组数据；

基于所述预测三元组数据对所述目标知识图谱进行补全。

9.根据权利要求8所述的方法，其特征在于，所述目标知识图谱包括通信网络业务知识图谱，所述目标实体包括无线网资源、基站配置数据、基站站址经度和基站站址纬度中的一个或者多种组合。

10.一种知识表示学习装置，其特征在于，包括：

数据获取模块，用于获取知识图谱对应的三元组数据，所述三元组数据包括源实体、目标实体以及所述源实体和所述目标实体之间的关系；

实体语义分层模块，用于对所述三元组数据中的所有实体进行语义分层，得到实体分层数据；

模型训练模块，用于将所述实体分层数据输入到知识表示学习模型中，对所述知识表示学习模型进行训练，得到所述知识图谱中实体与关系之间的分布式向量表示。

11.一种电子设备，包括：

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至9中任一项所述的知识表示学习方法。

12.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的知识表示学习方法。