[发明专利]一种数据处理方法、装置、设备及可读存储介质

说明书

本申请公开了一种数据处理方法、装置、设备及可读存储介质，可应用于人工智能领域或金融领域。本方法融合三元组的第一向量表示和第二向量表示，得到三元组的综合向量表示，综合向量表示包括头实体的综合向量、关系的综合向量以及尾实体的综合向量。基于待预测实体对的综合向量以及待预测实体对的关系路径，获取待预测实体对的预测三元组。三元组的第一向量表示用于表征三元组的结构信息，三元组的第二向量表示用于表征三元组的语义信息，三元组的综合向量表示能够同时指示三元组的结构信息以及语义信息，进一步，结合第一实体的综合向量和第二实体的综合向量，以及待预测实体对的关系路径获取的预测三元组，提高了三元组的预测结果的准确性。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种数据处理方法、装置、设备及可读存储介质。

背景技术

知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示。知识图谱作为人工智能的大脑，已经被广泛运用到搜索引擎、金融、医疗等领域。例如，在银行系统中构建知识图谱能够清晰的描述金融主体之间的关联关系，为银行业务开展以及风险预测等提供数据支持。

但是，随着知识图谱规模的逐渐扩大，知识图谱数据稀疏的问题愈加明显。

发明内容

本申请提供了一种数据处理方法、装置、设备及可读存储介质，如下：

一种数据处理方法，包括：

生成知识图谱中的各个三元组第一向量表示，所述三元组的第一向量表示用于表征所述三元组的结构信息，所述三元组包括头实体、关系和尾实体；

生成各个所述三元组的第二向量表示，所述三元组的第二向量表示用于表征所述三元组的语义信息；

融合所述三元组的第一向量表示和第二向量表示，得到所述三元组的综合向量表示，所述综合向量表示包括头实体的综合向量、关系的综合向量以及尾实体的综合向量；

基于待预测实体对的综合向量以及所述待预测实体对的关系路径，获取所述待预测实体对的预测三元组，所述待预测实体对包括所述知识图谱中的第一实体和第二实体，所述待预测实体对的综合向量包括所述第一实体的综合向量和所述第二实体的综合向量。

可选地，生成知识图谱中的各个三元组第一向量表示，包括：

将所述三元组输入至预设的第一向量生成模型，得到所述第一向量生成模型输出的所述三元组的第一向量表示，所述三元组的第一向量表示包括头实体的第一向量、关系的第一向量、以及尾实体的第一向量；

其中，所述第一向量生成模型通过训练翻译模型得到，所述翻译模型的训练过程包括：

获取第一训练集合，所述第一训练集合包括正例训练集和负例训练集，所述正例训练集包括若干条正例三元组，所述负例训练集包括通过随机替换所述正例三元组的元素得到的负例三元组；

将关系作为头实体和尾实体的翻译操作，构建翻译模型的目标函数；

基于所述第一训练集合，采用梯度下降算法最优化所述翻译模型的目标函数，直至达到预设的训练目标，得到训练好的所述翻译模型。

可选地，三元组的第二向量表示包括头实体的第二向量、关系的第二向量、以及尾实体的第二向量；所述生成各个所述三元组的第二向量表示，包括：

将所述三元组的头实体描述信息输入至预设的第二向量生成模型，得到所述第二向量生成模型输出的所述三元组的头实体的第二向量；

将所述三元组的关系描述信息输入所述第二向量生成模型，得到所述第二向量生成模型输出的所述三元组的关系的第二向量；