[发明专利]一种基于动态路径的知识图谱表示学习方法

权利要求书

1.一种基于动态路径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、基于PTransE翻译模型，建立知识图谱中三元组结构的实体向量与关系向量的优化目标，以及实体向量与路径向量的优化目标；三元组结构表示了某一事实的语义信息，其中

实体向量与关系向量的优化目标为：

h+r＝t

实体向量与路径向量的优化目标为：

h+(p+α)＝t

步骤2、通过损失函数将同一对实体对所对应的关系向量与路径向量联系起来；其中损失函数为：

步骤3、采用随机梯度下降方法最小化步骤2所建立的损失函数，达到优化目标，学习得到知识图谱中每个实体向量、关系向量和路径向量及其之间的相互联系；即考虑了结构三元组(实体，关系，实体)和(实体，路径，实体)的语义信息，当(h,t)存在时，在路径的表示过程中，给其添加一个动态因子α向量；这样，在训练过程中，每一个多步关系组合而成的路径向量向着与直接关系极为相近的目标优化，那么只要其在一定范围内都将被视为表示了其语义信息，而不必须与给定的向量严格相等；

式中，h表示头实体向量，h表示头实体，h′表示随机替换的头实体向量，h′表示随机替换的头实体；t表示尾实体向量，t表示尾实体，t′表示随机替换的尾实体向量，t′表示随机替换的尾实体；r表示头实体和尾实体之间的关系向量，r表示关系，r′表示随机替换的关系向量，r′表示随机替换的关系；p表示头实体和尾实体之间的路径向量；α为动态因子向量；(h,r,t)表示正例关系三元组，S表示正例关系三元组集合；(h′,r′,t′)表示随机替换掉头实体h、关系r或尾实体t所构建的负例关系三元组，S^-表示随机替换掉头实体h、关系r或尾实体t的负例关系三元组集合；(h,r′,t)表示随机替换掉关系r所构建的负例关系三元组，S_r′^-表示随机替换掉关系r的负例关系三元组集合；p表示关系路径，P(h,t)表示连接头尾实体对的关系路径的集合；E(h,r,t)表示正例关系三元组的得分函数，E(h′,r′,t′)表示负例关系三元组的得分函数，其分为以下三种情况：当随机替换掉头实体h时：当随机替换掉关系r时：当随机替换掉尾实体t时：E(p,r)表示正例路径三元组的得分函数，E(p,r′)表示负例路径三元组的得分函数，γ表示设定的边际值，Z表示归一化因子，Z＝∑_p∈P(h,t)R(p|h,t)，R(p|h,t)表示头尾实体对的关系路径的可靠性，L₁表示L₁范式，L₂表示L₂范式。