[发明专利]一种基于余弦度量规则的知识图谱表示学习方法

权利要求书

1.一种基于余弦度量规则的知识图谱表示学习方法，其特征是，包括步骤如下：

步骤1、利用向量随机生成方法将知识图谱中的实体集和关系集分别嵌入到实体向量空间和关系向量空间，得到实体向量和关系向量；

步骤2、利用候选实体统计规则，获得随机选择三元组的候选实体向量集，并根据候选实体向量集随机生成错误实体向量集；

步骤3、利用余弦相似度构造目标向量与候选实体向量之间的评分函数，同时规范其函数值的取值范围；其中所构造的评分函数如下：

候选尾实体向量的评分函数f_t(g_t,t)为：

候选头实体向量的评分函数f_h(g_h,h)为：

错误尾实体向量的评分函数f_t′(g_t,t′)为：

错误头实体向量的评分函数f′_h(g_h,h′)为：

步骤4、利用评分函数构建基于边界的区分候选实体向量集与错误实体向量集的损失函数，然后根据损失函数使得候选实体向量集对目标向量进行统一约束；其中所构建的损失函数L为：

步骤5、利用优化算法最优化损失函数值，从而使得候选实体向量集的评分函数值接近于1，错误实体向量集的评分函数值接近于0，以学得实体与关系的最佳向量表示，达到优化目标；

上述各式中，α是评分函数值范围规范参数；g_t是尾实体的目标向量，g_t＝h₀+r₀；g_h是头实体的目标向量，g_h＝t₀-r₀；h₀是所选择的三元组的头实体向量，t₀是所选择的三元组的尾实体向量，r₀是所选择的三元组的关系向量；t是候选尾实体向量，h是候选头实体向量，t′是错误尾实体向量，h′是错误头实体向量；γ为设定的边界值；f_t′(g_t,t′)表示错误尾实体向量的评分函数，f_t(g_t,t)表示候选尾实体向量的评分函数，f′_h(g_h,h′)表示错误头实体向量的评分函数，f_h(g_h,h)表示候选头实体向量的评分函数；t_c为候选尾实体向量集，t′_c为错误尾实体向量集，h_c为候选头实体向量集，h′_c为错误头实体向量集。

2.根据权利要求1所述的一种基于余弦度量规则的知识图谱表示学习方法，其特征是，步骤2的具体子步骤如下：

步骤2.1、从知识图谱的三元组集中随机选择一个三元组；

步骤2.2、在三元组集中找到同时匹配所选择的三元组的头实体向量和关系向量的所有尾实体向量，并将所找出的尾实体向量形成候选尾实体向量集；同时，在三元组集中找到同时匹配所选择的三元组的尾实体向量和关系向量的所有头实体向量，并将所找出的头实体向量形成候选头实体向量集；

步骤2.3、对候选尾实体向量集进行随机替换操作，生成错误尾实体向量集；同时，对候选头实体向量集进行随机替换操作，生成错误头实体向量集。

3.根据权利要求1所述的一种基于余弦度量规则的知识图谱表示学习方法，其特征是，评分函数值范围规范参数α∈[0,1]。

4.根据权利要求1所述的一种基于余弦度量规则的知识图谱表示学习方法，其特征是，步骤5中所述优化算法为随机梯度下降算法。