[发明专利]知识图谱关系推理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种知识图谱关系推理方法、装置、计算机设备和存储介质。所述方法包括：提取知识图谱中的实体集和关系集得到当前三元组集；从当前三元组集中提取匹配预定义的知识规则的三元组得到当前训练集；根据当前训练集，采用第一损失函数训练当前授课模型并使得授课模型的输出拟合当前学习模型的输出，得到训练好的当前授课模型及更新后的当前三元组集；根据更新后的当前三元组集，采用第二损失函数训练当前学习模型并使得当前学习模型的输出拟合当前授课模型的输出，得到训练好的当前学习模型及更新后的当前训练集，重复进行训练直至训练结果满足收敛条件，得到目标学习模型；获取目标实体，根据目标学习模型进行推理得到推理结果。

技术领域

本申请涉及知识图谱技术领域，特别是涉及一种知识图谱关系推理方法、装置、计算机设备和存储介质。

背景技术

知识图谱是知识工程中以图的形式组织的知识集群，其由不同类型的实体作为节点、关系作为连接节点的边所构成的。在知识图谱中，实体指真实世界中的客观物体，或者人类思想中的抽象概念。关系则是描述两个实体之间的实际关系。

传统技术中，通过机器学习训练模型进行关系推理时，通常训练的模型都是基于具体领域的知识库进行模型训练，而由于各个领域之间的数据的相似度特征并不相同，导致在某一个领域训练出来的模型很难迁移至另一个领域使用，从而使得训练出来的模型用于关系推理效果并不好。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高关系推理效果的知识图谱关系推理方法、装置、计算机设备和存储介质。

一种知识图谱关系推理方法，所述方法包括：

获取预定义的知识规则，根据所述预定义的知识规则更新当前知识图谱；

提取当前知识图谱中的实体集和关系集，根据所述实体集和关系集得到当前第一三元组集；

从所述当前第一三元组集中提取匹配所述预定义的知识规则的三元组得到当前第一训练集；

将当前第一训练集作为当前授课模型的训练样本同时作为当前学习模型的输入，采用第一损失函数训练当前授课模型并使得所述授课模型的输出拟合当前学习模型的输出，得到训练好的当前授课模型及更新后的当前第一三元组集；

将所述更新后的当前第一三元组集作为当前学习模型的训练样本同时作为当前授课模型的输入，采用第二损失函数训练当前学习模型并使得当前学习模型的输出拟合当前授课模型的输出，得到训练好的当前学习模型及更新后的当前第一训练集并进入将当前第一训练集作为当前授课模型的训练样本同时作为当前学习模型的输入的步骤，直至训练结果满足收敛条件，得到目标学习模型；

获取目标实体，根据所述目标学习模型进行推理得到所述目标实体对应的推理结果。

在其中一个实施例中，所述提取知识图谱中的实体集和关系集，根据所述实体集和关系集得到当前第一三元组集的步骤包括：

将实体集和关系集初始化为向量表示，得到当前向量集，所述当前向量集包括实体集对应的第一子向量集以及关系集对应的第二子向量集；

根据所述第一子向量集及第二子向量集得到当前第一三元组集。

在其中一个实施例中，所述步骤根据所述第一子向量集及第二子向量集得到当前第一三元组集的步骤包括：

提取第一子向量集中所有的头实体、所有的尾实体分别得到头实体集和尾实体集；

将头实体集中各个头实体依次与尾实体集中各个尾实体进行组合得到实体对集；

将实体对集中各个实体对分别与第二子向量集中各个子向量进行组合得到当前第一三元组集。

在其中一个实施例中，所述获取目标实体，根据所述目标学习模型进行推理得到所述目标实体对应的推理结果的步骤包括：