[发明专利]一种基于约简锚点的大规模知识图谱融合方法

权利要求书

1.一种基于约简锚点的大规模知识图谱融合方法，其特征在于，包括如下步骤：

1)大规模知识图谱解析和预处理：对输入的两个大规模知识图谱进行解析，获得后继匹配计算中需要用到的实体、实体层次和其它语义信息；

2)约简集构造：

a)首先计算两知识图谱实体间的语义描述文档相似度：

获得实体语义上下文的快照；得到实体的上下文快照后，抽取实体在此快照中的上下文子图，并进而构造实体的语义描述文档；计算语义描述文档的相似度，先将其转化为文档向量，然后计算向量夹角余弦得到相似度；

b)其次确定正约简锚点和负约简锚点：

基于正锚点的匹配算法：如果相似度大于给定阈值ptValue，则认为当前的实体对是一个正锚点，根据正锚点的特点来动态构造正约简集，根据正锚点来预测后继匹配计算中可跳过的位置；

基于负锚点的匹配算法：如果相似度小于给定阈值ntValue，则认为当前的实体对是一个负锚点，根据负锚点的特点来动态构造负约简集，根据负锚点预测后继相似度计算中可跳过的位置；

c)混合匹配算法：将上述基于正锚点的匹配算法和基于负锚点的匹配算法进行综合，同时得到正锚点和负锚点及动态构造其相应的约简集，并去除已匹配过的位置和与先前的约简集重复那部分，得到有效约简集，混合预测算法中的匹配顺序采用基于负锚点的预测算法的匹配次序；

可跳过匹配位置预测：对于每个需要进行匹配计算的实体对，如果已存在于上述动态构造的约简集中，则可跳过当前的匹配计算；匹配过程直到所有的实体对相似度计算均完成；

3)匹配结果抽取：根据匹配计算得到的两知识图谱的实体相似矩阵，抽取匹配结果。

2.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：构造正约简集时，匹配过程中选择的实体次序可将层次路径不断等分；构造负约简集时，在匹配早期选择邻居较多的实体。

3.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：对负约简集的生成进行如下约束：

约束条件1.可传播的负锚点是实体相似度计算中得到的，由邻居传播过来的负锚点不能再次被传播；

约束条件2.负锚点能传播的邻居在位于a_i的上下文子图内；

约束条件3.当实体的语义描述文档包含词条数大于阀值t时，产生的负锚点才能传播。

4.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：混合匹配算法在选择实体的匹配次序的时候以基于负锚点的算法为基础，优先保证产生较大的负约简集，提高匹配的性能，在此过程中，当获得正锚点时，则生成正约简集，从而同时兼顾基于正锚点的匹配算法的匹配顺序选择特点。

5.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：计算相似度过程中，得到实体的快照后，将不被快照包含在内的全部实体相关公理加入快照；还需要将快照中所有实体的声明、定义和注释信息加入。

6.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：匹配结果抽取采用稳定婚姻法或贪婪法，当采用贪婪法时，包括如下过程：将置信矩阵中的置信度进行排序，先根据最大置信度得到一个匹配M₁，记录下M₁对应的行和列，当取次大的置信度时，如果该置信度位于已得到匹配所处的行列上，则跳过该置信度并转而检查更小的置信度，直到得到min(n,m)个匹配为止。

7.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：步骤1)中，当知识图谱规模大且无法一次读入内存时，分多次读取知识图谱内容并将解析结果存放于数据库中。

8.根据权利要求1所述的基于约简锚点的大规模知识图谱融合方法，其特征在于：所述相似矩阵采用稀疏矩阵压缩存储方式保存。