[发明专利]基于进化R-tree的知识图谱存储和相似性检索方法

说明书

本发明公开了一种基于进化R‑tree的知识图谱存储和相似性检索方法，本发明根据知识项在知识图谱中的关系，为每项构成一个特征空间的邻域，相似性越高的项其邻域的重叠度越高，每个邻域都是特征空间中的超立方体，从而使得相似性检索转变成判断立方体重叠问题，从而将相似性检索问题转换成边界值比较问题，简化了计算过程；本发明采用进化R‑tree将图的搜索问题转换成树的搜索问题，在R‑tree引入了根据查询频率进化R‑tree结构的方法，R‑tree节点根据历史查询频度完成分裂操作和重构操作，解决了R‑tree节点区域分布与实际查询分布不一致问题，从而减少访问节点数量，提高检索效率。

技术领域

本发明涉及知识图谱及检索领域，尤其涉及一种基于进化R-tree的知识图谱存储和相似性检索方法。

背景技术

基于云平台的医药知识图谱的存储、检索和推理技术是当前医药大数据智能化的关键技术，它能够满足多种应用场景的实际需要，提供包括临床辅助决策、趋势预测、易感人群检索、语义问答、疾病检查、食谱理疗等在内的多方面的综合性应用服务。

由于医药领域的知识存在大量的隐语义关联，在以某个关键词或者句子作为检索输入的时候，不仅需要检索到匹配的知识条目，还需要快速检索到与该知识条目相似的关联条目，并按照相似的程度进行排序，逐批有条理的交付检索结果，这是当前医药云知识图谱存储和检索的关键技术难点，也是行业应用亟待解决的技术问题之一。

医药知识图谱多以图数据库的形式来存储知识条目，如Neo4J、RDF4j等，以知识项为节点，以知识项语义关联为边，通过RDF语法实现知识条目的检索，这种基于图沿边检索的方法往往效率很低，需要进行大量的深度遍历和回溯，且检索结果的相似性需要在检索以外再进行量化计算，导致更低的应用效率。近年来随着图神经网络技术的成熟，知识图谱也可以采用图神经网络来完成检索，该技术为每个节点和边存储一个特征向量和一个状态，通过动态修改节点和边的特征值和状态来达到学习的目标，与传统RDF图数据库的形式相比，图神经网络更有利于进行复杂的知识推理，然而其检索技术仍旧是基于图的边缘搜索技术，检索效率仍有待提高。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于进化R-tree的知识图谱存储和相似性检索方法，该方法使用树型结构存储知识索引，并根据用户检索的特征分布逐步进化索引树结构，以达到逐步优化检索效率的目的。

本发明的目的是通过以下技术方案来实现的：一种基于进化R-tree的知识图谱存储和相似性检索方法，包括：

(1)将知识图谱记为G＝V,R，其中V为知识项的集合，是实数集，N＝|V|是知识项集合的大小，P是知识项的维度，每个知识项构成P维特征空间中的点，R则是知识语义关系的集合，为V的子集；为集合V中每一个知识项构建一个多维邻域；

(2)构建初始R-tree：初始R-tree共有N+1个节点，其中N个知识项作为叶节点，它们具有共同的唯一父节点，每个节点表示为六元组(id,region,index,parent,childs,fre)，其中id为节点的唯一整数标识，region表示该节点所包围的特征空间区域，index为指向原知识图谱存储项的索引，patent为父节点的id，childs为子节点id的集合，fre为节点访问频率，初始值为0；对于叶节点，其region即为知识项的邻域，对于非叶节点，其region为其子节点的邻域的外接邻域；