[发明专利]无监督知识图谱推理处理方法、装置、设备和介质

说明书

本申请涉及无监督知识图谱推理处理方法、装置、设备和介质，方法包括：获取输入的知识图谱、待推理的源实体和网络语料；利用网络语料训练获得word2vec词向量模型，将知识图谱中所有实体与关系进行向量化表示；根据知识图谱中实体的向量化表示分别与源实体进行余弦相似度计算，获取目标实体候选集；根据知识图谱中实体的向量化表示训练双向长短期记忆网络分类器模型以确定目标实体候选集中与源实体存在关联关系的候选目标实体；根据源实体、候选目标实体及网络语料，确定目标关系词语并得到目标关系三元组；计算目标关系三元组的可信度分值后，输出与源实体相关的所有目标关系三元组及相应的可信度分值。处理成本较低，泛化能力强。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种无监督知识图谱推理处理方法、装置、设备和介质。

背景技术

知识图谱推理是利用知识图谱中现有知识推理得到隐含的知识的过程。知识图谱推理对知识图谱的知识验证和补全、关联关系分析、隐含知识挖掘等具有重要意义，不仅为大规模异构知识图谱中的资源提供了高效的关联关系发现能力，而且自动对知识图谱中的知识进行验证和补全，在降低成本提高效率方面具有重要应用价值，可以广泛应用到医疗、金融、智能问答系统、推荐系统等场景中，比如辅助疾病诊断，识别欺诈行为，理解用户搜索意图等。

现有的知识图谱推理技术主要包括：基于描述逻辑推理的方法、基于规则推理的方法、基于分布式表示推理的方法和基于神经网络推理的方法等。这些现有的知识图谱推理技术需要依赖人工制定逻辑规则和标注训练语料执行推理任务。然而，在实现本发明过程中，发明人发现前述传统的知识图谱推理技术，存在着处理成本较高的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种处理成本较低的无监督知识图谱推理处理方法、一种无监督知识图谱推理处理装置、一种计算机设备以及一种计算机可读存储介质。

为了实现上述目的，本发明实施例采用以下技术方案：

一方面，本发明实施例提供一种无监督知识图谱推理处理方法，包括步骤：

获取输入的知识图谱、待推理的源实体和网络语料；知识图谱包括实体集合、关系集合与实体的类别集合；

利用网络语料训练获得word2vec词向量模型；

利用word2vec词向量模型将知识图谱中所有实体与关系进行向量化表示；

根据知识图谱中实体的向量化表示分别与源实体进行余弦相似度计算，获取目标实体候选集；

根据知识图谱中实体的向量化表示训练双向长短期记忆网络分类器模型，利用双向长短期记忆网络分类器模型确定目标实体候选集中与源实体存在关联关系的候选目标实体；

根据源实体、候选目标实体及网络语料，确定目标关系词语并得到目标关系三元组；目标关系三元组包括源实体、目标关系词语及候选目标实体；

计算目标关系三元组的可信度分值后，输出与源实体相关的所有目标关系三元组及相应的可信度分值。

在其中一个实施例中，利用word2vec词向量模型将知识图谱中所有实体与关系进行向量化表示的步骤，包括：

从知识图谱中分别获取每个实体的属性值，分别查找各实体及各实体的属性值在word2vec词向量模型中的向量表示形式；

将各实体的向量表示形式与各实体的属性值的向量表示形式的均值，确定为各实体的向量化表示。

在其中一个实施例中，根据知识图谱中实体的向量化表示分别与源实体进行余弦相似度计算，获取目标实体候选集的步骤，包括：

获取知识图谱中与源实体有直接边相连的实体集合以及实体集合中各实体的向量化表示；