[发明专利]一种基于神经符号增强的知识库复杂查询方法

权利要求书

1.一种基于神经符号增强的知识库复杂查询方法，包括以下步骤：

步骤1，接收关于商品查询的逻辑表达式，其中，逻辑表达式通过逻辑操作连接缺失三元组形成；

步骤2，利用参数优化的知识表示模型学习逻辑表达式中缺失三元组中已知实体和关系的嵌入表示，同时初始化关系映射中初始实体的符号表示，符号表示中每个元素代表对应实体的概率值；

步骤3，对于逻辑表达式中缺失三元组，基于实体的嵌入表示和符号表示进行缺失三元组的关系映射推理，以预测缺失三元组中缺失实体的嵌入表示和符号表示，利用缺失实体的嵌入表示补充缺失实体的符号表示，并利用补充后的缺失实体的符号表示修正缺失实体的嵌入表示；

步骤4，对于逻辑表达式中的逻辑操作，基于缺失实体的符号表示进行逻辑操作推理，得到预测实体的符号表示，并基于预测实体的符号表示计算预测实体的嵌入表示；

步骤5，将预测实体作为候选目标实体时，综合预测实体的符号表示和嵌入表示来从候选目标实体中确定最终的目标实体，该目标实体即为针对逻辑表达式得到的查询结果。

2.根据权利要求1所述的基于神经符号增强的知识库复杂查询方法，其特征在于，步骤3中，基于初始实体的嵌入表示和符号表示进行缺失三元组的关系映射推理，包括：

基于嵌入表示的映射推理：根据缺失三元组中已知实体的嵌入表示v_h和关系的嵌入表示v_r，计算缺失三元组中缺失实体的嵌入表示其中，符号表示哈达玛积；

基于符号表示的映射推理：根据电商知识图谱的关系邻接矩阵M_r和缺失三元组中已知实体的符号表示p_h，计算缺失三元组中缺失实体的符号表示p_t＝g(p_hM_r)^T，其中，g(·)表示归一化函数。

3.根据权利要求1或2所述的基于神经符号增强的知识库复杂查询方法，其特征在于，步骤3中，利用缺失实体的嵌入表示补充缺失实体的符号表示，并利用补充后的符号表示修正缺失实体的嵌入表示，包括：

首先，计算缺失实体的嵌入表示v_t与电商知识图谱中所有实体的嵌入表示之间的相似度，得到相似度向量Y；

然后，对相似度向量Y做激活处理后得到p_t′，将p_t′添加到缺失实体的符号表示p_t中，进行归一化处理得到p_t″；

最后，利用p_t″来修正缺失实体的嵌入表示v_r，得到修正后的嵌入表示v_t′：

其中，S_t表示符号表示p_t″中非零元素对应的实体的集合，e_i表示属于集合S_t中的第i个实体，表示实体e_i的嵌入表示，MLP()表示多层感知机，表示符号表示p_t″中实体e_i对应的概率值，|S_t|表示集合S_t中实体的数量。