[发明专利]用于输出信息的方法、装置、设备、存储介质和程序

权利要求书

1.一种用于输出信息的方法，包括：

获取待处理的词语序列；

从至少一种知识图谱中为所述词语序列中的词语搜索出至少一个知识视图；

将所述词语序列、所述至少一个知识视图分别输入至少一个图卷积神经网络，得到至少一个嵌入向量，其中，每个图卷积神经网络与一种知识图谱相对应；

对所述至少一个嵌入向量进行融合，将融合结果作为所述词语序列的向量表示输出。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取每个知识视图中的边标签集合；

将每个知识视图中的边标签集合输入对应的图卷积神经网络，以使得通过图卷积神经网络中预设的边标签嵌入表为边标签学习到语义表示，并根据边标签的语义表示沿着边进行信息流动计算。

3.根据权利要求1所述的方法，其中，所述对所述至少一个嵌入向量进行融合，包括：

通过自注意力加权相加的方式对所述至少一个嵌入向量进行融合。

4.根据权利要求1所述的方法，其中，所述对所述至少一个嵌入向量进行融合，包括：

通过循环神经网络的方式对所述至少一个嵌入向量进行融合。

5.根据权利要求3所述的方法，其中，所述方法还包括：

将所述词语序列转换成全局向量；

将所述全局向量作为干预信息对所述融合结果进行修正。

6.根据权利要求4所述的方法，其中，所述方法还包括：

将所述词语序列转换成全局向量；

用所述全局向量初始化所述循环神经网络。

7.根据权利要求1所述的方法，其中，每个知识视图由词语对应的知识图谱节点以及节点之间的边构成。

8.根据权利要求1-7中任一项所述的方法，其中，所述方法还包括：

将所述融合结果和每个知识视图中的边标签集合输入多层的神经网络编码器，输出经多次融合的融合结果作为所述词语序列的向量表示，其中，每层神经网络编码器包括至少一个图卷积神经网络和融合层，每层神经网络编码器输出是下一层神经网络编码器的输入。

9.一种用于输出信息的装置，包括：

获取单元，被配置成获取待处理的词语序列；

搜索单元，被配置成从至少一种知识图谱中为所述词语序列中的词语搜索出至少一个知识视图；

编码单元，被配置成将所述词语序列、所述至少一个知识视图分别输入至少一个图卷积神经网络，得到至少一个嵌入向量，其中，每个图卷积神经网络与一种知识图谱相对应；

融合单元，被配置成对所述至少一个嵌入向量进行融合，将融合结果作为所述词语序列的向量表示输出。

10.根据权利要求9所述的装置，其中，

所述搜索单元进一步被配置成：获取每个知识视图中的边标签集合；

所述编码单元进一步被配置成将每个知识视图中的边标签集合输入对应的图卷积神经网络，以使得通过图卷积神经网络中预设的边标签嵌入表为边标签学习到语义表示，并根据边标签的语义表示沿着边进行信息流动计算。

11.根据权利要求9所述的装置，其中，所述融合单元进一步被配置成：

通过自注意力加权相加的方式对所述至少一个嵌入向量进行融合。

12.根据权利要求9所述的装置，其中，所述融合单元进一步被配置成：

通过循环神经网络的方式对所述至少一个嵌入向量进行融合。

13.根据权利要求11所述的装置，其中，所述融合单元进一步被配置成：

将所述词语序列转换成全局向量；

将所述全局向量作为干预信息对所述融合结果进行修正。