[发明专利]知识图谱上的树状规则提取方法及装置

说明书

本发明提供一种知识图谱上的树状规则提取方法及装置，所述方法包括：从知识图谱上提取链式规则；对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；基于所述预测结果进行反向推理，得到所述目标规则体变量表示；基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。本发明提供的知识图谱上的树状规则提取方法及装置，基于链式规则，补充候选原子，得到树状规则，提升了规则的表达能力，使得规则更加准确，具有更好的链接预测效果。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种知识图谱上的树状规则提取方法及装置。

背景技术

知识图谱上的规则挖掘可以用来描述数据的一般规律，有助于理解数据，并在此基础上进行推理、补全、和检错纠错。

相关技术中从知识图谱上提取的规则通常为链式规则，链式规则形如其中，r₀(x₀,x₁)∧r₁(x₁,x₂)∧…∧r_n(x_n,x_n+1)为链式规则的规则体，规则体由多个原子(三元组r_n(x_n,x_n+1)，r表示关系，x表示变量实体)的合取组成，r(x₀,x_n+1)为链式规则的规则头，规则头是包含目标谓词的单个原子。链式规则能够通过结合神经网络嵌入和可微分归纳逻辑编程(Differentiable ILP)等方法缓解规则提取面临的组合爆炸问题，进而完成规则提取。

通过链式规则提取方法得到的链式规则，由于其链式结构限制了规则的表达能力，使得规则的准确性不高。

发明内容

本发明提供一种知识图谱上的树状规则提取方法及装置，用以解决现有技术中链式规则的准确性不高的技术问题。

第一方面，本发明提供一种知识图谱上的树状规则提取方法，包括：

从知识图谱上提取链式规则；

对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；

基于所述预测结果进行反向推理，得到所述目标规则体变量表示；

基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。

在一些实施例中，对所述链式规则进行前向推理，得到对目标规则体变量的预测结果，包括：

对所述链式规则进行前向推理，得到所述链式规则的规则头和规则体；

利用规则头对目标规则体变量进行预测，得到预测结果中的第一预测向量，并利用规则体对目标规则体变量进行预测，得到预测结果中的第二预测向量。

在一些实施例中，基于所述预测结果进行反向推理，得到所述目标规则体变量表示，包括：

将所述第一预测向量与所述第二预测向量逐元素相乘，得到正例实体表示和负例实体表示；

基于所述正例实体表示和所述负例实体表示进行反向推理，得到目标规则体变量表示。

在一些实施例中，基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，包括：

利用多种预设的候选原子表示分别与目标规则体变量表示做内积，筛选出目标规则体变量对应的最优的候选原子；

将最优的候选原子补充到目标规则体变量处。

在一些实施例中，利用多种预设的候选原子表示分别与目标规则体变量表示做内积，筛选出目标规则体变量对应的最优的候选原子，包括：