[发明专利]一种融合实体和关系描述的知识图谱表示学习方法

权利要求书

1.一种融合实体和关系描述的知识图谱表示学习方法，其特征是，具体包括步骤如下：

步骤1.通过基于神经网络的端到端模型对网络中实体和关系的文本描述信息进行联合抽取，并利用平衡因子将抽取的实体和关系的文本描述信息与知识图谱中实体和关系的结构化信息结合，通过实体与关系之间基于翻译的模型，根据预测对象的不同来定义衡量关系和实体对之间相互关联的得分函数：

当预测的是头实体或尾实体时，则得分函数f(h,r,t)定义为：

当预测的是关系时，则得分函数f(h,r,t)定义为：

其中，μ是平衡因子，h是头实体向量，t是尾实体向量，r是头实体和尾实体之间的关系向量，h_s是头实体的结构化向量，t_s是尾实体的结构化向量，r_s是关系的结构化向量，h_d是头实体的文本描述向量，t_d是尾实体的文本描述向量，r_d是关系的文本文本描述向量，L₁是范式，L₂是L₂范式；

步骤2.基于得分函数建立实体与关系的损失函数，并通过最小化损失函数来学习结构化信息与文本信息融合之后的实体和关系，以达到优化目标。

2.根据权利要求1所述的一种融合实体和关系描述的知识图谱表示学习方法，其特征是，步骤1中，平衡因子μ的取值范围为[0,1]。

3.根据权利要求1所述的一种融合实体和关系描述的知识图谱表示学习方法，其特征是，步骤2中，所建立的损失函数L为：

其中，[f(h,r,t)+γ-f(h',r,t')]₊＝max(0,f(h,r,t)+γ-f(h',r,t'))；γ为设定的边界值；(h,r,t)表示知识图谱的三元组即正例三元组，h表示头实体，t表示尾实体，r表示头实体和尾实体之间的关系，f(h,r,t)表示正例三元组的得分函数，S(h,r,t)表示正例三元组集合；(h',r,t')表示随机替换掉头实体h和尾实体t所构建的负例三元组，f(h',r,t')表示负例三元组的得分函数，S′(h,r,t)表示负例三元组集合。

4.根据权利要求1或3所述的一种融合实体和关系描述的知识图谱表示学习方法，其特征是，步骤2中，采用随机梯度下降算法最小化损失函数。