[发明专利]知识图谱的关系预测推演方法及知识图谱的动态更新方法

说明书

本发明提出了一种知识图谱的关系预测推演方法及知识图谱的动态更新方法，知识图谱的关系预测方法包括：针对知识图谱创建多个嵌入空间；从知识图谱中为每个嵌入空间选择实体和关系，作为嵌入空间的实体集合和关系集合；针对每个嵌入空间，训练实体集合对应的实体向量以及训练关系集合对应的关系向量；基于嵌入空间的实体向量和关系向量，计算待预测的第一实体和第二实体之间的预测关系，以确定第一实体和第二实体之间的关系。根据本发明的知识图谱的关系预测推演方法，基于多元嵌入空间进行动态知识图谱关系推理预测，摆脱了为每种关系生成一个关系特定投射向量的约束，克服了传统翻译模型微调参数的需求，可有效适应知识图谱动态变化特性。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种知识图谱的关系预测推演方法及知识图谱的动态更新方法。

背景技术

知识图谱能够提供可被计算机理解的结构化语义信息已经成为诸多人工智能应用不可或缺的重要资源，但是受到“不完备性(Incompleteness)”的影响。知识图谱补全(Knowledge Graph Completion，KGC)任务应运而生，旨在根据知识图谱中已有的知识，预测目前知识图谱所缺失的知识，关系推理预测是其典型研究方向和应用任务：关系预测研究，旨在给定两个实体，预测二者之间缺失的关系。例如，给定三元组(h,？,t)，预测关系r。

知识图谱补全任务(特别是关系推理预测任务)对动态性等有着特殊要求，为了适应知识图谱动态变化特性，知识图谱表示学习模型需要能够根据数据的更新进行灵活调整。近来，基于表示学习的知识图谱补全模型已经成为该领域研究主流并取得巨大成果，但是在动态性方面依然存在明显欠缺：以往研究对嵌入空间的固化或者对投射平面的固化，严重阻碍知识图谱表示学习和补全的灵活性和扩展性，一旦知识图谱中删除三元组或者出现未登录实体，传统模型往往需要以高昂的计算代价重新训练模型。

发明内容

本发明要解决的技术问题是解决传统模型知识图谱关系预测计算量大的问题，本发明提供一种知识图谱的关系预测推演方法及知识图谱的动态更新方法。

根据本发明实施例的知识图谱的关系预测推演方法，包括：

针对知识图谱创建多个嵌入空间；

从所述知识图谱中为每个所述嵌入空间选择实体和关系，作为所述嵌入空间的实体集合和关系集合；

针对每个所述嵌入空间，训练所述实体集合对应的实体向量以及训练所述关系集合对应的关系向量；

基于所述嵌入空间的所述实体向量和所述关系向量，计算待预测的第一实体和第二实体之间的预测关系，以确定所述第一实体和所述第二实体之间的关系。

根据本发明实施例的知识图谱的关系预测推演方法，提出了一种基于多元嵌入空间的动态知识图谱关系推理预测方法，不仅摆脱了以往研究为每种关系生成一个关系特定投射向量的约束，而且可以去除传统翻译模型微调参数的需求，提高了知识图谱补全的动态性，有效适应知识图谱动态变化特性，使知识图谱表示学习模型需要能够根据数据的更新进行灵活调整。

根据本发明的一些实施例，所述从所述知识图谱中为每个所述嵌入空间选择实体和关系，作为所述嵌入空间的实体集合和关系集合，包括：

从所述知识图谱中选择至少部分关系作为所述嵌入空间的关系集合；

将选择的所述关系对应的所有实体作为所述嵌入空间的实体集合。

在本发明的一些实施例中，所述基于所述嵌入空间的所述实体向量和所述关系向量，计算待预测的第一实体和第二实体之间的预测关系，以确定所述第一实体和所述第二实体之间的关系，包括：

遍历所有所述嵌入空间，选出同时包括所述第一实体和所述第二实体的待计算嵌入空间；