[发明专利]一种获取知识图谱向量化表示的方法以及装置

摘要

本发明公开一种获取知识图谱向量化表示的方法以及装置。其中，所述方法包括：根据待处理的知识图谱，使用实体标注工具标注给定辅助文本语料中属于知识图谱中存在的实体，得到实体标注的文本语料；基于所述文本语料，构建由词和实体组成的共现网络，以将所述辅助文本语料的文本信息和所述知识图谱的实体信息进行关联，进而学习得到文本上下文嵌入表示；根据所述文本上下文嵌入表示对所述知识谱图中实体和关系的嵌入表示分别进行建模，得到所述知识图谱的嵌入表示模型；使用随机梯度下降法训练所述嵌入表示模型，得到所述知识图谱中实体和关系的嵌入表示。本发明不仅能提高关系的表示能力，而且还能有效地解决知识图谱稀疏性带来的表示效果不足的问题。

主权项

1.一种获取知识图谱向量化表示的方法，其特征在于，所述方法包括：根据待处理的知识图谱，使用实体标注工具标注给定辅助文本语料中属于知识图谱中存在的实体，得到实体标注的文本语料；基于所述文本语料，构建由词和实体组成的共现网络，以将所述辅助文本语料的文本信息和所述知识图谱的实体信息进行关联，进而学习得到文本上下文嵌入表示；根据所述文本上下文嵌入表示对所述知识图谱中实体和关系的嵌入表示分别进行建模，得到所述知识图谱的嵌入表示模型；使用随机梯度下降法训练所述嵌入表示模型，得到所述知识图谱中实体和关系的嵌入表示；所述基于所述文本语料，构建由词和实体组成的共现网络，以将所述辅助文本语料的文本信息和所述知识图谱的实体信息进行关联，进而学习得到文本上下文嵌入表示，包括：根据所述共现网络分别定义一元文本上下文和二元文本上下文；以所述文本语料为输入，采用Skip‑gram Word2Vec进行词嵌入表示学习，得到所述共现网络中任意一点的词向量嵌入表示；根据所述一元文本上下文和所述词向量嵌入表示定义一元文本上下文嵌入表示；根据所述二元文本上下文和所述词向量嵌入表示定义二元文本上下文嵌入表示；对于共现网络中任意一点x_i，该点的一元文本上下文n(x_i)定义为其在共现网络中关联程度较高的邻居节点：n(x_i)＝{x_j|y_ij＞θ}，其中，θ表示共现频率的阈值，y_ij表示点x_i和点x_j之间的共现频率；该点的一元文本上下文嵌入表示N(x_i)定义为n(x_i)中词向量嵌入表示的加权平均向量：对于共现网络中任意两点x_i和x_j，该两点的二元文本上下文n(x_i,x_j)定义为该两点x_i和x_j在共现网络中均具有较高关联程度的公共邻居节点：n(x_i,x_j)＝{x_k|x_k∈n(x_i)∩n(x_j)}；该两点的二元文本上下文嵌入表示N(x_i,x_j)定义为n(x_i,x_j)中词向量嵌入表示的加权平均向量：其中公共邻居节点x_k的权重定义为y_ik和y_jk的最小值，为所有权重之和。