[发明专利]标注知识图谱实体的方法，装置，存储介质及电子设备

说明书

本公开涉及一种标注知识图谱实体的方法，装置，存储介质及电子设备，以解决相关技术中存在的问题。该方法包括：确定待构建知识图谱的目标结构，并从已有知识图谱中获取结构与所述目标结构相同的子图；根据所述子图对应的已标注实体以及所述待构建知识图谱对应的待标注实体，生成目标自编码器，并根据所述已标注实体训练分类模型；根据所述目标自编码器对所述待标注实体进行编码，得到每一所述待标注实体的特征向量；将每一所述待标注实体的特征向量输入所述分类模型进行分类；基于所述分类结果，将属于同一分类的待标注实体标注为同一名称。

技术领域

本公开涉及数据处理领域，具体地，涉及一种标注知识图谱实体的方法，装置，存储介质及电子设备。

背景技术

知识图谱(Knowledge Graph)是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互间的关系，其基本组成单位是三元组。具体地，我们可以把三元组理解为(实体entity，实体关系relation，实体entity)，若将实体看做结点把实体关系(包括属性，类别等)看做一条边，实体之间通过实体关系相互联结，构成网状的知识结构，如此包含了大量三元组的知识库就成为了一个庞大的知识图谱。

相关技术中，构建知识图谱之前，需对语料进行标注。所谓语料标注是指对任意数量的语篇中的语言进行加工，把各种表征语言特征的附码标注在相应的语言成分上，以便于计算机的识读。例如对原始的自然语言文本数据进行分词处理，然后人工进行词性、词类的分类处理。由于用于构建知识图谱的语料多且复杂，因此，语料标注环节的工作量巨大，需要大量的人员花费大量的时间才能完成语料标注，如此导致人工成本巨大。

发明内容

本公开的目的是提供一种标注知识图谱实体的方法，装置，存储介质及电子设备，以解决相关技术中存在的问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种标注知识图谱实体的方法，包括：

确定待构建知识图谱的目标结构，并从已有知识图谱中获取结构与所述目标结构相同的子图；

根据所述子图对应的已标注实体以及所述待构建知识图谱对应的待标注实体，生成目标自编码器，并根据所述已标注实体训练分类模型；

根据所述目标自编码器对所述待标注实体进行编码，得到每一所述待标注实体的特征向量；

将每一所述待标注实体的特征向量输入所述分类模型进行分类；

基于所述分类结果，将属于同一分类的待标注实体标注为同一名称。

可选地，所述分类模型是通过如下方式训练得到的：

根据所述目标自编码器对所述已标注实体进行编码，得到每一所述已标注实体的特征向量；

根据所述已标注实体的特征向量以及所述已标注实体的真实标注信息构建训练样本对所述分类模型进行训练，直到所述分类模型对所述已标注实体的特征向量分类得到的结果与所述已标注实体的真实标注信息相符。

可选地，所述目标自编码器是通过如下方式得到的：

根据所述已标注实体训练得到第一自编码器，并根据所述待标注实体训练得到第二自编码器，其中，所述第二自编码器与所述第一自编码器的维度相同；

将第一特征向量集合和第二特征向量集合输入二分类机进行分类，并确定所述二分类机的分类结果中，每一类中的所述第一特征向量的占比，所述第一特征向量集合是所述第一自编码器对所述已标注实体编码得到的，所述第二特征向量集合是所述第二自编码器对所述待标注实体编码得到的；

通过对所述第二自编码器的超参数进行调整，使得所述二分类机的分类结果中，每一类中的所述第一特征向量占比处于预设范围，并将调整后的所述第二自编码器作为所述目标自编码器。

可选地，所述目标自编码器是通过如下方式得到的：