[发明专利]融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法

摘要

本发明公开了一种融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法，包括：首先对知识库和语料库进行预处理，提取结构化信息(三元组)、实体描述信息、层次化类型信息和文本关系信息；其次，用基于翻译的模型TransE学习基于结构化信息的表示，用CNN学习基于实体描述信息的表示，用WHE构造实体层次化类型的映射矩阵，学习基于层次化类型信息的表示，用基于位置的PCNN学习句子的表示，并使用句子级别的注意力机制为每个句子分配权重，学习基于文本关系信息的表示；然后根据上述基于四种信息的表示构造模型总的能量函数和损失函数。结合损失函数对模型参数进行学习，最终得到优化的实体和关系表示。

主权项

1.一种融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法，包括以下步骤：(1)从知识库KB提取知识图谱的结构化信息，构建正负例；从知识库KB提取头实体和尾实体的特定关系层次化类型限制；并从语料库C中提取实体描述信息；从语料库D中提取实体对的文本关系信息；(2)采用TransE学习实体和关系基于结构化信息的向量表示h、r、t，构造基于结构化信息的能量函数E_S；(3)采用CNN学习头实体和尾实体基于实体描述信息的向量表示h_d、t_d，构造基于实体描述信息的能量函数E_D；(4)采用WHE构造头实体和尾实体基于特定关系层次化类型限制的映射矩阵M_rh、M_rt，通过将实体映射到关系层次化类型空间，学习头实体和尾实体基于层次化类型信息的向量表示h_t、t_t，构造基于层次化类型信息的能量函数E_T；(5)通过句法树路径表示远程监督得到的句子，采用PCNN学习句子的表示，引入句子级别的注意力机制对每个句子分配权重，学习基于文本关系信息的向量表示r_text，构造基于文本关系信息的能量函数E_TM；(6)根据上述能量函数E_S、能量函数E_D、能量函数E_T以及能量函数E_TM构造能量函数E，基于能量函数E构建损失函数L，结合损失函数L对由TransE、CNN、WHE以及PCNN组成的模型的参数进行学习，最终得到优化的实体和关系表示。