[发明专利]一种强适应性的知识库补全方法有效
| 申请号： | 201710630354.8 | 申请日： | 2017-07-28 |
| 公开（公告）号： | CN107491500B | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 孟小峰;张祎;王秋月 | 申请（专利权）人： | 中国人民大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36 |
| 代理公司： | 11245 北京纪凯知识产权代理有限公司 | 代理人： | 徐宁;孙楠 |
| 地址： | 100872 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种强适应性的知识库补全方法，其步骤：从知识库调取数据源，进行局部子图遍历；设置路径特征提取器，该路径特征提取器包括类PRA特征提取器、路径二元特征提取器、修正后的单侧特征提取器、双侧对比特征提取器和关系泛化特征提取器；所有路径特征提取器的提取过程都相同，均包括路径特征提取和路径特征选择，输入为局部子图，输出为路径特征；根据特征提取器构建特征矩阵；选取分类模型，将特征矩阵传输至分类模型中，并训练分类模型，然后由分类模型输出成立的实体对以及实体对对应的关系类型，并将输出结果传输至知识库中，从而实现对知识库的补全。本发明性能具有相对稳定性，即可以在不同数据集上取得相对较好的知识库补全效果。 | ||
| 搜索关键词： | 一种 适应性 知识库 方法 | ||
【主权项】：
1.一种强适应性的知识库补全方法，其特征在于包括以下步骤：/n1)从知识库调取数据源，进行局部子图遍历，为特征提取器提取路径提供信息；/n2)设置路径特征提取器，该路径特征提取器包括类PRA特征提取器、路径二元特征提取器、修正后的单侧特征提取器、双侧对比特征提取器和关系泛化特征提取器；所有路径特征提取器的提取过程都相同，均包括路径特征提取和路径特征选择，输入为局部子图，输出为路径特征；/n3)根据路径特征提取器构建特征矩阵；/n4)选取分类模型，将特征矩阵传输至分类模型中，并训练分类模型，然后由分类模型输出成立的实体对以及实体对对应的关系类型，并将输出结果传输至知识库中，从而实现对知识库的补全。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民大学，未经中国人民大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710630354.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于非结构化数据的舆情预警方法
- 下一篇：一种分组推送的方法及装置
