[发明专利]一种用于知识图谱中知识获取模型的构建方法及系统有效
| 申请号： | 201711394314.4 | 申请日： | 2017-12-21 |
| 公开（公告）号： | CN108563653B | 公开（公告）日： | 2020-07-31 |
| 发明（设计）人： | 刘知远;韩旭;孙茂松 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/35;G06N3/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100084 北京市海*** | 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： | 本发明提供一种用于知识图谱中知识获取模型的构建方法，包括：构建由多个文本句子为输入数据，以及每个句子内任意两个实体在知识图谱中的关系为分类结果，组成的第一训练集，对第一神经网络进行训练；构建由多个知识图谱中的三元组组成的第二训练集，对第二神经网络进行训练；将第二神经网络中获得的输入数据向量作为第一神经网络的注意力特征，构建关系抽取模型；将第一神经网络中获得的输入数据向量作为第二神经网络的注意力特征，构建知识表示模型；将关系抽取模型和知识表示模型融合，获得用于知识图谱中知识获取的模型。本发明提供的方法，同时整合知识表示与关系抽取两个任务模型，能够综合提取知识图谱与自由文本的特征，提高了模型的稳定性与准确性。 | ||
| 搜索关键词： | 一种 用于 知识 图谱 获取 模型 构建 方法 系统 | ||
【主权项】：
1.一种用于知识图谱中知识获取模型的构建方法，其特征在于，包括：S1，构建由多个句子为输入数据，以及每个句子内任意两个实体在知识图谱中的关系为分类结果，组成的第一训练集，用所述第一训练集对第一神经网络进行训练，并获得所述第一训练集的输入数据在所述第一神经网络中转化的向量；每个句子至少包含2个实体；S2，构建由多个知识图谱中的三元组组成的第二训练集，对第二神经网络进行训练，并获得所述第二训练集的输入数据在所述第二神经网络中转化的向量；所述三元组中，头实体和尾实体为所述第二训练集的输入数据，所述头实体和尾实体在知识图谱中的关系作为第二训练集的分类结果；S3，将所述第二训练集的输入数据在所述第二神经网络中转化的向量作为所述第一神经网络的注意力特征，对所述第一神经网络的训练结果进行加权，构建用于对句子中任意两个实体在知识图谱中关系分类的关系抽取模型；S4，将所述第一训练集的输入数据在所述第一神经网络中转化的向量作为所述第二神经网络的注意力特征，对所述第二神经网络的训练结果进行加权，构建用于对任意两个实体进行知识图谱中关系分类的知识表示模型，S5，将所述关系抽取模型和所述知识表示模型融合，获得用于知识图谱中知识获取的模型。
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清华大学，未经清华大学许可，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/201711394314.4/，转载请声明来源钻瓜专利网。
