[发明专利]一种基于主题关键词过滤的知识图谱补全方法

摘要

一种基于主题关键词过滤的知识图谱补全方法，属于知识图谱领域。现有知识图谱补全方法的实体描述的文本内容复杂冗余，导致不能对某一特定的补全任务有针对性地进行补全的问题。一种基于主题关键词过滤的知识图谱补全方法，针对实体的描述信息复杂、冗余的问题，集合注意力机制。提出了主题关键词评分函数，对实体的描述进行评价提高了实体描述文本的可用性，解决描述文本存在大量噪音信息的问题。为了进一步反应实体描述与三元组的语义联系，通过主题语义空间模型提高实体描述的语义针对性。本发明通过文本过滤方法能够有针对性地完成特定补全任务。

主权项

1.一种基于主题关键词过滤的知识图谱补全方法，其特征在于：所述方法包括以下步骤：步骤1：设定知识图谱G＝(E,R,T)；其中，E表示知识图谱实体集合，R表示知识图谱中关系集合，T表示待补全的三元组集合，步骤2：将知识图谱G中不完整的三元组元素构成的集合设定为补全任务集合H，H中的元素分为(h,r,？)和(h,？,t)两种形式；其中，头实体h∈E，关系r∈R，尾实体t∈E；步骤3：使用词向量工具对待补全的三元组集合T中的h和r进行训练，针对(h,r,？)任务得到h′和r′，针对(h,？,t)任务得到h′和t′；步骤4：使用词向量工具对三元组集合T中实体的实体描述进行处理，得到主题计算词向量矩阵，包括：头实体描述的词向量矩阵D_e和尾实体描述的词向量矩阵D_t；步骤5：通过NMF模型分别对头实体h和尾实体t的实体描述进行处理，获取头实体和尾实体的主题向量s_h和s_t；步骤6：利用步骤5获取的主题向量s_h和s_t来计算主题语义空间s(s_h,s_t)：其中，向量s为主题语义空间的法向量；步骤7：获取主题计算词向量矩阵D_e和D_t的注意力分数，再根据注意力分数选取主题词；并对词向量矩阵D_e和D_t进行注意力分数的赋值；其中，获取注意力分数的公式为：式中，表示行乘，表现对实体描述D的词向量矩阵的每一行乘以注意力分数；a_i表示实体描述中的第i个单词的注意力分数；步骤8：使用卷积神经网络对步骤7计算得到的注意力分数矩阵attention(D)抽取特征向量；步骤9：定义损失函数E(h,r,t)以及目标函数l；其中：损失函数为：E(h,r,t)＝E′_s+E′_d+E_s+E_d；e＝h+r‑t；L₁和L₂都表示范数，L₁/L₂表示L₁或L₂的关系；且E_d表示e_d表示所具有的能量，e_d＝h_d+r‑t_d，h_d是头实体h实体描述的特征向量，t_d是尾实体t实体描述的特征向量，由步骤8经卷积神经网络抽取得到s^T表示s的转置；目标函数为：l＝l_embed+μl_topic；且S′＝{(h′,r,t)}∪{(h,r′,t)}∪{(h,r,t′)}其中，l_embed表示考虑词向量的目标函数；l_topic表示考虑主题的目标函数；μ表示超参数，根据训练结果确定；S表示正确三元组的集合；S′表示通过负采用得到的错误三元组的集合；通过随机地替换正确三元组中的实体和关系构成错误的三元组集合；max(0,γ+E(h,r,t)‑E(h′,r′,t′))表示返回两个量中的较大值；γ为超参数，表示正确三元组得分与错误三元组得分之间的间隔距离；且l_topic的定义如下：式中，E表示实体集，D_e表示实体e的实体描述所构成的单词集，c_e,ω表示单词w出现在实体e的描述的出现次数；s_e表示实体e的描述文本的主题向量；θ表示单词w的主题分布；整个训练过程使用随机梯度下降法进行训练；步骤10：将E或R中全部元素作为缺失实体或关系的候选集合，通过负采样学习错误的三元组集合T′；步骤11：针对H中的每一个元素，将步骤8得到的正确三元组和步骤10得到的错误三元组输入到损失函数，计算相应的得分；步骤12：通过训练以调整参数，优化目标函数l以使目标函数值达最小；步骤13：根据步骤9计算所得的得分对候选实体集合排序并输出选列表；重复步骤9～步骤11，直到得到输出结果。