[发明专利]一种知识图谱嵌入训练方法和相关装置

权利要求书

1.一种知识图谱嵌入训练方法，其特征在于，包括：

获取知识图谱图结构中的网络拓扑信息；

根据相似度计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离；

基于所述第一相似度距离、所述知识图谱图中正样例和负样例包括的实体节点，计算所述正样例和负样例之间的第二相似度距离；

根据各所述负样例对应的所述第二相似度距离，计算该负样例对应的综合权重；

根据所述正样例、所述负样例和各所述负样例和对应的综合权重进行对应类型的模型训练，得到知识图谱嵌入表示。

2.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，根据相似度计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离，具体包括：

根据欧式距离计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离。

3.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，根据相似度计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离，具体包括：

根据余弦距离计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离。

4.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，基于所述第一相似度距离、所述知识图谱图中正样例和负样例包括的实体节点，计算所述正样例和负样例之间的第二相似度距离，具体包括：

获取知识图谱图中的正样例和该正样例对应的负样例；

获取所述正样例中的第一节点和所述负样例中的第二节点，其中，所述第一节点为所述正样例中的实体节点，所述第二节点为所述负样例中的实体节点；

将所述第一节点和所述第二节点之间的第一相似度距离作为所述正样例和所述负样例之间的第二相似度距离。

5.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，根据各所述负样例对应的所述第二相似度距离，计算该负样例对应的综合权重，具体包括：

根据所述负样例对应的第二相似度距离，分别计算该负样例中的邻居节点上下文权重和边上下文权重；

根据各所述负样例对应的所述邻居节点上下文权重和所述边上下文权重，计算得到对应的综合权重。

6.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，当训练的模型为平移距离模型时，根据所述正样例、所述负样例和各所述负样例和对应的综合权重进行对应类型的模型训练，得到知识图谱嵌入表示，具体包括：

将所述正样例和对应的各负样例组成样例组合，并将该样例组合中负样例的综合权重设定所述样例组合的第一权重；

根据所述样例组合和对应的所述第一权重，对所述平移距离模型进行训练，得到知识图谱嵌入表示。

7.根据权利要求1所述的知识图谱嵌入训练方法，其特征在于，当训练的模型为语义匹配模型时，根据所述正样例、所述负样例和各所述负样例和对应的综合权重进行对应类型的模型训练，得到知识图谱嵌入表示，具体包括：

将所述正样例对应的第二权重设置为预置权重；

根据所述正样例、所述正样例对应的预置权重、各所述负样例和所述负样例对应的综合权重对所述语义匹配模型进行训练，得到知识图谱嵌入表示。

8.一种知识图谱嵌入训练装置，其特征在于，包括：

获取单元，用于获取知识图谱图结构中的网络拓扑信息；

第一计算单元，用于根据相似度计算方法和所述网络拓扑信息，计算所述知识图谱图中不同实体节点之间的第一相似度距离；

第二计算单元，用于基于所述第一相似度距离、所述知识图谱图中正样例和负样例包括的实体节点，计算所述正样例和负样例之间的第二相似度距离；

第三计算单元，用于根据各所述负样例对应的所述第二相似度距离，计算该负样例对应的综合权重；

训练单元，用于根据所述正样例、所述负样例和各所述负样例和对应的综合权重进行对应类型的模型训练，得到知识图谱嵌入表示。