[发明专利]一种基于实体和关系结构信息的知识图谱表示学习方法

说明书

本发明提出一种基于实体和关系结构信息的知识图谱表示学习方法,包括以下步骤：获取知识图谱中实体的结构语义信息与关系的结构语义信息；根据所述实体的结构语义信息与关系的结构语义信息，构建实体目标向量与目标关系向量；根据所述实体目标向量与目标关系向量，构建得分函数；根据所述得分函数构建损失函数，通过最小化所述损失函数，学习实体与关系的最佳向量表示。本发明充分地利用了实体和关系周围的结构信息来对实体和关系的表示进行丰富和约束。本发明有效地增强了对实体和关系的表达能力，构造了全新的目标函数，从而更好的对实体和关系进行表示，并保存实体和关系之间的联系，从而能够很好的应用于大规模的知识图谱补全当中。

技术领域

本发明涉及知识图谱自然语言处理领域，具体涉及一种基于实体和关系结构信息的知识图谱表示学习方法。

背景技术

随着大数据时代的到来，知识图谱成为当前的研究热点。知识图谱的出现是人工智能对知识需求的必然结果，当然它的发展是不同研究领域共同发展作用的结果，并非一脉相承。知识图谱本身是一个具有属性的实体通过关系链接而成的网状知识库。知识图谱的研究价值在于，借助知识图谱，能够在Web网页之上建立概念间的连接关系，从而以最小的代价将互联网中的信息组织起来，成为可以被利用的知识。知识图谱的应用价值在于，它能够改变现有的信息检索方式，一方面通过推理实现信息检索；另一方面，以图形化方式向用户展示结构化知识。

知识图谱是结构化的语义知识库，其基本组成单位是(实体，关系，实体)三元组，以及实体及其相关属性-值对。实体是知识图谱中最基本的元素，不同实体之间存在不同的关系。概念主要包括集合、对象类型、事物种类，如地理、人物等；属性是指对象具有的属性特征、特性，如性别，国籍，出生日期等；属性值则是指属性所对应的值，如女，美国，1994-09-30等。实际应用中，我们使用(head,relation,tail)(简写为(h,r,t))来表示三元组，小明的爸爸是大明”这一知识，在知识图谱中可以使用(小明，爸爸，大明)三元组表示。

知识图谱的表示学习旨在将知识图谱中的实体和关系嵌入到低维向量空间，将实体和关系用稠密低维实值向量来表示。该过程的关键在于如何合理表示知识图谱中的事实。当前以TransE模型为代表的翻译模型以其突出的性能与简单的模型参数受到了广泛的关注。该模型在对三元组(h,r,t)的训练过程中，利用实体和关系之间的向量计算，通过最小化f_r(h,t)，来使得实体和关系得到更有效的向量表示。但是TransE在训练中，仅仅考虑了实体与关系单个三元组中的联系，没有充分考虑实体与关系丰富的结构语义信息，从而导致实体与关系的向量表示不能包含丰富的结构语义信息。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于实体和关系结构信息的知识图谱表示学习方法，用以解决现有技术中没有充分考虑实体与关系丰富的结构语义信息，从而导致实体与关系的向量表示不能包含丰富的结构语义信息的问题。

为实现上述目的及其他相关目的，本发明提供一种基于实体和关系结构信息的知识图谱表示学习方法，该方法包括以下步骤：

获取知识图谱中实体的结构语义信息与关系的结构语义信息；

根据所述实体的结构语义信息与关系的结构语义信息，构建实体目标向量与目标关系向量；

根据所述实体目标向量与目标关系向量，构建得分函数；

根据所述得分函数构建基于边界的损失函数，通过最小化所述损失函数，学习实体与关系的最佳向量表示。

可选地，所述根据所述实体的结构语义信息与关系的结构语义信息，构建实体目标向量与目标关系向量，具体包括以下子步骤：

根据与实体直接相连的关系和直接相邻的边，得到实体目标向量；

根据与关系直接相连的实体，得到目标关系向量。