[发明专利]实体分类方法、装置及可读存储介质

说明书

本公开涉及一种实体分类方法、装置及可读存储介质，该方法包括：获取待分类实体；获取已分类实体和已分类实体中的第一词语；提取已分类实体的第一实体特征信息，并根据第一实体特征信息计算第一实体特征信息的第一实体特征向量表示，根据第一词语计算第一词语的第一词向量表示；构建实体图结构，实体图结构中的节点包括由第一实体特征向量表示构成的第一实体节点、由第一词向量表示构成的第一词语节点；根据实体图结构得到目标图卷积神经网络模型，并通过目标图卷积神经网络模型计算待分类实体分别属于至少一个预设类别的目标概率序列，并根据目标概率序列确定待分类实体所属的目标类别。由此，利用实体之间的关系提高实体分类的准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种实体分类方法、装置及可读存储介质。

背景技术

知识图谱中，实体是现实世界中的对象或者概念，关系则用来连接两个实体以描述实体之间的联系，比如人物与人物之间的朋友关系，人物与企业之间的雇佣关系，人物与作品之间的主演、导演、创作关系等。知识图谱中存在大量的实体，存储着客观世界的事实数据，为了更好的组织和管理这些实体数据，为上层业务方提供数据支持，需要对知识图谱中的实体进行分类。

相关技术中，均是根据实体的特征属性、语义信息等实体自身固有的特性进行实体分类，并未考虑实体与实体之间的相互关联关系，使得实体分类的结果不够准确。

发明内容

为克服相关技术中存在的问题，本公开提供一种实体分类方法、装置及可读存储介质。

根据本公开实施例的第一方面，提供一种实体分类方法，包括：

获取待分类实体；

获取已分类实体和所述已分类实体中的第一词语；

提取所述已分类实体的第一实体特征信息，并根据所述第一实体特征信息计算所述第一实体特征信息的第一实体特征向量表示，以及，根据所述第一词语计算所述第一词语的第一词向量表示；

构建实体图结构，其中，所述实体图结构中的节点包括由所述第一实体特征向量表示构成的第一实体节点、由所述第一词向量表示构成的第一词语节点，所述实体图结构中的边关系包括所述第一实体节点与所述第一词语节点之间的第一边关系、两个所述第一词语节点之间的第二边关系，所述第一边关系表征对应的已分类实体与对应的第一词语之间的词频-逆文本频率指数，所述词频-逆文本频率指数表征该第一词语在该已分类实体中的关键程度，所述第二边关系表征对应的两个第一词语的共现信息；

根据所述实体图结构得到目标图卷积神经网络模型，并通过所述目标图卷积神经网络模型计算所述待分类实体分别属于至少一个预设类别的目标概率序列，并根据所述目标概率序列确定所述待分类实体所属的目标类别，其中，所述目标概率序列包括至少一个目标概率值。

可选地，所述实体图结构中的节点还包括由所述待分类实体的第二实体特征信息的第二实体特征向量表示构成的第二实体节点、由所述待分类实体中的第二词语的第二词向量表示构成的第二词语节点，所述实体图结构中的边关系还包括所述第一实体节点与所述第二词语节点之间的第三边关系、所述第二实体节点与所述第一词语节点之间的第四边关系、所述第二实体节点与所述第二词语节点之间的第五边关系、两个所述第二词语节点之间的第六边关系、第一词语节点与第二词语节点之间的第七边关系；

在所述构建实体图结构的步骤之前，所述方法还包括：

获取所述待分类实体中的所述第二词语；

提取所述待分类实体的所述第二实体特征信息，并根据所述第二实体特征信息计算所述第二实体特征信息的所述第二实体特征向量表示，以及，根据所述第二词语计算所述第二词语的所述第二词向量表示。

可选地，所述实体特征信息包括实体的属性信息和属性值信息。

可选地，所述根据所述实体图结构得到目标图卷积神经网络模型，包括：