[发明专利]一种面向大规模知识库的快速学习方法有效
| 申请号： | 201910431538.0 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110275959B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 程良伦;陈柯棠;张凡龙 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/28;G06F40/30;G06F40/211;G06F40/289 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种面向大规模知识库的快速学习方法，所述方法包括以下步骤：S1：知识提取：从异源异构的数据中进行知识数据的提取，知识数据为事实三元组，包括：实体和关系；S2：知识表示：构建TransH模型，利用TransH模型，把知识数据中的所有实体和关系嵌入到低维向量空间中，从而实现知识数据的知识表示；S3：知识融合：通过RLCD模型对经S2知识表示之后的知识数据进行融合，并将融合后的知识数据存入知识图谱；S4：知识推理：从知识图谱中提取S3融合后的知识数据进行推理，并将推理后的知识数据存入知识图谱；获得更新的知识和结论；本发明可实现知识库的快速学习。 | ||
| 搜索关键词： | 一种 面向 大规模 知识库 快速 学习方法 | ||
【主权项】：
1.一种面向大规模知识库的快速学习方法，其特征在于，所述方法包括以下步骤：S1：知识提取：从异源异构的数据中进行知识数据的提取，知识数据为事实三元组，包括：实体和关系；S2：知识表示：构建TransH模型，利用TransH模型，把知识数据中的所有实体和关系嵌入到低维向量空间中，从而实现知识数据的知识表示；S3：知识融合：通过RLCD模型对经S2知识表示之后的知识数据进行融合，并将融合后的知识数据存入知识图谱；S4：知识推理：从知识图谱中提取S3融合后的知识数据进行推理，并将推理后的知识数据存入知识图谱；获得更新的知识和结论。
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广东工业大学，未经广东工业大学许可，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/201910431538.0/，转载请声明来源钻瓜专利网。
