[发明专利]一种基于神经网络的知识图谱不一致性推理方法

权利要求书

1.一种基于神经网络的知识图谱不一致性推理方法，其特征在于，包括以下步骤：

将三元组的实体表示和关系表示作为输入，利用知识表示学习算法对知识图谱中的三元组的实体表示和关系表示进行学习，同时计算三元组的表示得分，将三元组的实体表示和关系表示作为神经网络的输入，利用三元组通过神经网络对公理进行建模以学习用来表示相应的公理的神经网络的参数得到公理模型，利用公理模型获得三元组的公理预测值，基于三元组的表示得分和公理预测值实现三元组和对应公理不一致性的判断。

2.如权利要求1所述的基于神经网络的知识图谱不一致性推理方法，其特征在于，利用三元组通过神经网络对公理进行建模时，

首先，从OWL2本体语言定义的可用于不一致性检测的公理中，选择被考虑的公理并分析知识图谱中发生每个公理对应的不一致性的约束或条件；

然后，构建每个公理对应的神经网络模型，同时根据公理对应不一致性的约束或条件构建每个神经网络模型的正样本，并基于正样本构建负样本；

接下来，针对每个公理对应的神经网络模型需要考虑的三元组的元素，将相应实体表示和关系表示拼接后输入至神经网络模型，计算得到每个公理对应的预测值，并基于所有公理对应的预测值得到神经网络模型的预测得分，综合知识表示学习算法计算的表示得分和预测得分，得到三元组的总得分；

最后，依据正样本三元组总分和对应的负样本三元组总得分构建边缘损失函数，并利用边缘损失函数联合更新优化知识表示学习算法和神经网络模型参数以及实体表示和关系表示，优化结束后，最终学习到参数确定的神经网络模型为公理模型，以及知识图谱中确定的实体表示和关系表示。

3.如权利要求2所述的基于神经网络的知识图谱不一致性推理方法，其特征在于，在选择用于不一致性检测的公理时，先根据公理定义中提到的需要满足的条件或约束，判断公理是否可以用于不一致性检测，再从可用于不一致性检测的公理中选择公理，将选择的公理对应的条件或约束对标到知识图谱中三元组的相关元素、三元组元素之间的关联性，进而实现构建公理的正样本。

4.如权利要求2所述的基于神经网络的知识图谱不一致性推理方法，其特征在于，在对三元组不一致性进行判断时，为每个关系设定关系阈值，根据优化结束时确定的实体表示和关系表示，利用知识表示学习算法和公理模型计算三元组的总得分，当三元组的总得分低于关系阈值时，则认为三元组为一个正确的三元组，反之为一个错误的三元组即存在不一致性。

5.如权利要求2所述的基于神经网络的知识图谱不一致性推理方法，其特征在于，在对三元组对应公理不一致性进行判断时，为每个公理设定一个公理阈值，利用每个公理模型计算三元组针对公理的预测值，当三元组针对公理的预测值低于对应的公理阈值时，则认为三元组在该公理上存在不一致。

6.如权利要求2所述的基于神经网络的知识图谱不一致性推理方法，其特征在于，针对三元组(s,r,o)，选中的公理包括：

对象属性域，简称domain公理，定义关系r的头实体s类型应该符合相应的类别；

对象属性范围，简称range公理，定义关系r的尾实体o类型应该符合相应的类别；

不相交对象属性，简称disjoint公理，定义关系r和关系r₁互斥，三元组(s,r,o)和三元组(s,r₁,o)应该不同时存在于一个知识图谱中；

不可逆对象属性，简称irreflexive公理，需两步判断，先检查关系是否是反自反，再判断头实体和尾实体是否相等，如果关系r是反自反，实体无法通过该关系指向自身即s＝o；

非对称对象属性，简称asymmetric公理，需两步判断，先检查关系是否是反对称，再查找关系为r的三元组(s₁,r,o₁)，判断是否存在s₁＝o和o₁＝s，如果关系是反对称的，则两个三元组(s,r,o)和(o,r,s)不应该同时存在一个知识图谱中。