[发明专利]基于混合高斯模型的知识图谱中关系抽取方法和系统

说明书

本发明公开了一种基于混合高斯模型的知识图谱中关系抽取方法和系统，该方法包括：从文本中抽取实体，并消除歧义；对消除歧义后的实体进行关系特征提取，得到实体关系特征向量；根据所述实体关系特征向量和混合高斯模型，进行模型训练，得到实体关系混合高斯模型；对实体关系混合高斯模型进行更新修正，得到更新后的实体关系混合高斯模型；在知识图谱构建过程中，基于所述更新后的实体关系混合高斯模型，进行实体关系抽取。本发明旨在解决知识图谱关联关系类别多样化、多标签的问题，实现了对复杂类别关联关系和特征分布的建模。

技术领域

本发明属于知识图谱技术领域，尤其涉及一种基于混合高斯模型的知识图谱中关系抽取方法和系统。

背景技术

知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。实体关系抽取是知识图谱核心步骤，其关键在于关系训练模型的建立。

高斯密度函数估计是一种参数化模型。高斯混合模型(Gaussian Mixture Model,GMM)是单一高斯概率密度函数的延伸，高斯混合模型够平滑地近似任意形状的密度分布。高斯混合模型种类有单高斯模型(Single Gaussian Model,SGM)和高斯混合模型(Gaussian Mixture Model,GMM)两类。类似于聚类，根据高斯概率密度函数(ProbabilityDensity Function,PDF)参数不同，每一个高斯模型可以看作一种类别，输入一个样本x，即可通过PDF计算其值，然后通过一个阈值来判断该样本是否属于高斯模型。

对于知识图谱关系建模而言，每条关联关系可能会有一个以上的类别标签，这就使得仅适合于两类别分类问题的SGM模型不适用于该应用场景。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于混合高斯模型的知识图谱中关系抽取方法和系统，旨在解决知识图谱关联关系类别多样化、多标签的问题，实现了对复杂类别关联关系和特征分布的建模。

为了解决上述技术问题，本发明公开了一种基于混合高斯模型的知识图谱中关系抽取方法，包括：

从文本中抽取实体，并消除歧义；

对消除歧义后的实体进行关系特征提取，得到实体关系特征向量；

根据所述实体关系特征向量和混合高斯模型，进行模型训练，得到实体关系混合高斯模型；

对实体关系混合高斯模型进行更新修正，得到更新后的实体关系混合高斯模型；

在知识图谱构建过程中，基于所述更新后的实体关系混合高斯模型，进行实体关系抽取。

优选的，从文本中抽取实体，并消除歧义，包括：

采用远程监督法，将文本与已有知识库中的实体进行比对，从文本中抽取实体，并消除歧义。

优选的，对消除歧义后的实体进行关系特征提取，得到实体关系特征向量，包括：

采用实例多标签模型建模，对消除歧义后的实体间的关系进行特征表达，将实体间的关系表示为向量空间中的元素，即实体关系特征向量，并保留关系类型信息。

优选的，根据所述实体关系特征向量和混合高斯模型，进行模型训练，得到实体关系混合高斯模型，包括：

调用混合高斯模型，并对所述混合高斯模型进行初始化，设置混合高斯模型的聚类中心的数量；

将确定的聚类中心作为预测初始中心点；