[发明专利]一种基于可信度向量的知识图谱表示学习方法

权利要求书

1.一种基于可信度向量的知识图谱表示学习方法，其特征在于，包括如下步骤：

步骤1，输入知识图谱中的三元组(h,r,t)，根据关系r生成其对应的可信度向量；

步骤2，根据可信度向量，定义三元组(h,r,t)中实体向量、关系向量和可信度向量之间的相互关联；

步骤3，通过损失函数将实体向量、关系向量和可信度向量关联起来，并最小化损失函数，以学习实体向量、关系向量和可信度向量，达到优化目标。

2.根据权利要求1所述的一种基于可信度向量的知识图谱表示学习方法，其特征在于：每一个三元组关系有一个对应的可信度向量，并对其中的向量值进行随机初始化，赋值0或1。

3.根据权利要求1所述的一种基于可信度向量的知识图谱表示学习方法，其特征在于：在可信度向量对应的空间中，关系r和实体对(h,t)之间存在平移关系，其相互关联的能量函数为:

其中，h、t和r为头实体h、尾实体t和关系r对应的向量；c_r为关系的r可信度向量，其为一个二值向量，其中1代表激活，0代表抑制；h_r为头实体h经过可信度向量激活后的向量；t_r为尾实体t经过可信度向量激活后的向量；r_r为关系r经过可信度向量激活后的关系；为哈达吗积。

4.根据权利要求1所述的一种基于可信度向量的知识图谱表示学习方法，其特征在于：通过损失函数将实体向量、关系向量和可信度向量关联起来，并最小化损失函数，以学习实体向量、关系向量和可信度向量；损失函数为：

其中，[x]₊＝max(0,x)表示返回0和x之间的较大的那个值；γ为正确三元组损失函数值与错误三元组损失函数值之间的间隔距离；S为正确三元组的集合，S^-为错误三元组的集合；f_r(h,t)为正确三元组的能量函数；f_r'(h',t')错误三元组的能量函数；假设知识图谱中总共包含n_t个三元组，将第i个三元组标记为(h_i,r_i,t_i)(i＝1,2,3,....n_t)，同时每一个三元组还有一个标签y_i，如果这个三元组是正确三元组，则y_i＝1，如果这个三元组是错误三元组，则y_i＝0；S＝{(h_i,r_i,t_i)|y_i＝1}表示正确三元组的集合；相应的，错误三元组的集合表示为S^-＝{(h_i,r_i,t_i)|y_i＝0}；从知识图谱中获取正确三元组的集合S，自己构造相应的错误三元组S^-；通过分别替换正确三元组中的头实体、尾实体和关系，打破正确三元组，构造错误三元组。