[发明专利]多元组数据标注方法、模型训练方法、装置、设备和介质

说明书

本说明书实施方式提供了一种多元组数据标注方法、模型训练方法、装置、设备和介质。所述方法包括基于输入的多元组数据生成所述多元组数据的全连接向量、所述概念值与所述属性关系值的联合向量，和所述属性值的属性值向量；建立所述联合向量与所述属性值向量之间的演变向量；其中，所述演变向量用于表征所述联合向量与所述属性值向量之间的差异；根据所述全连接向量和所述演变向量生成所述多元组数据的标注数据；其中，所述标注数据用于表示所述概念值与所述属性值之间，存在或不存在所述属性关系值表示的关联关系。可以通过提升对于多元组数据的标注效率，实现提升知识图谱的构建效率。

技术领域

本说明书中实施方式涉及知识图谱数据处理领域，具体涉及一种多元组数据标注方法、模型训练方法、装置、设备和介质。

背景技术

知识图谱可以将知识数据可视化，以便于对于知识数据的学习和使用。具体的，例如，知识图谱在医学知识领域得到了较多的使用。如此，可以促进医学领域的知识研究。

现有技术中，知识图谱的构建，主要是基于专家人工处理。具体的，可以收集某一个领域的相关医学知识，该领域的专家人员依照经验，构建多元组数据，进而基于多元组数据建立知识图谱。

然而，这种知识图谱的构建方式，需要耗费大量人力，导致效率较低。

发明内容

本说明书中多个实施方式提供一种多元组数据标注方法、模型训练方法、装置、设备和介质。可以一定程度上，提升知识图谱的构建效率。

本说明书的一个实施方式提供一种多元组数据标注方法，所述多元组数据包括概念值、属性关系值和属性值；所述方法包括：基于输入的多元组数据生成所述多元组数据的全连接向量、所述概念值与所述属性关系值的联合向量，和所述属性值的属性值向量；建立所述联合向量与所述属性值向量之间的演变向量；其中，所述演变向量用于表征所述联合向量与所述属性值向量之间的差异；根据所述全连接向量和所述演变向量生成所述多元组数据的标注数据；其中，所述标注数据用于表示所述概念值与所述属性值之间，存在或不存在所述属性关系值表示的关联关系。

本说明书的一个实施方式提供一种多元组数据标注模型的训练方法，所述方法包括：获取样本数据；其中，所述样本数据包括样本标注数据和多元组数据；所述多元组数据包括概念值、属性关系值和属性值；将所述样本数据中的多元组数据输入所述标注模型，以使所述标注模型基于输入的多元组数据生成所述多元组数据的全连接向量、所述概念值与所述属性关系值的联合向量，和所述属性值的属性值向量；建立所述联合向量与所述属性值向量之间的演变向量；其中，所述演变向量用于表征所述联合向量与所述属性值向量之间的差异；根据所述全连接向量和所述演变向量生成所述多元组数据的标注数据；其中，所述标注数据用于表示所述概念值与所述属性值之间，存在或不存在所述属性关系值表示的关联关系；在所述标注模型输出的标注数据与所述样本标注数据不相同的情况下，计算差异损失，以基于所述差异损失修正所述标注模型。

本说明书的一个实施方式提供一种多元组数据标注装置，所述多元组数据包括概念值、属性关系值和属性值；所述多元组数据标注装置包括：构建模块，用于基于输入的多元组数据构建所述多元组数据的全连接向量、所述概念值与所述属性关系值的联合向量，和所述属性值的属性值向量；建立模块，建立所述联合向量与所述属性值向量之间的演变向量；其中，所述演变向量用于表征所述联合向量与所述属性值向量之间的差异；生成模块，用于根据所述全连接向量和所述演变向量生成所述多元组数据的标注数据；其中，所述标注数据用于表示所述概念值与所述属性值之间，存在或不存在所述属性关系值表示的关联关系。