[发明专利]一种基于图神经网络的互联网食品实体对齐方法及系统

权利要求书

1.一种基于图神经网络的互联网食品实体对齐方法，其特征在于，包括：

步骤S1：通过网络爬虫获取食品信息，抽取其中三元组，构建待对齐的两个知识图谱KG1和KG2，将所述KG1和KG2中三元组进行分离，得到关系三元组和属性三元组；

步骤S2：对所述关系三元组推理得到规则，在KG1和KG2间转移所述规则，构建新的关系三元组，更新所述关系三元组，得到更新后的关系三元组；

步骤S3：根据所述更新后的关系三元组，以及自注意力机制和跨注意力机制，计算得到两个带自注意力机制权重和跨注意力机制权重的邻接矩阵；并根据bert预训练字向量，查询向量表得到所述三元组中的实体字向量；将两个所述邻接矩阵和所述实体字向量输入图神经网络进行训练，得到实体结构特征向量和关系特征向量；

步骤S4：将所述属性三元组中的实体输入前向神经网络进行训练，得到实体属性特征向量；融合所述实体结构特征向量和实体属性特征向量，得到实体特征向量；

步骤S5：构建实体关系对齐模型，计算所述实体特征向量间的距离，实现所述实体的对齐，计算所述关系特征向量间的距离，实现所述关系的对齐。

2.根据权利要求1所述的基于图神经网络的互联网食品实体对齐方法，其特征在于，所述步骤S1中将所述KG1和KG2中三元组进行分离，得到关系三元组和属性三元组，具体包括：

根据所述知识图谱KG1和KG2的实体，关系、属性和属性值，对所述知识图谱KG1和KG2的三元组进行分离，得到关系三元组和属性三元组。

3.根据权利要求1所述的基于图神经网络的互联网食品实体对齐方法，其特征在于，所述步骤S2：对所述关系三元组推理得到规则，在KG1和KG2间转移所述规则，构建新的关系三元组，更新所述关系三元组，得到更新后的关系三元组，具体包括：

步骤S21：对所述关系三元组使用AMIE+算法得到隐藏规则；

步骤S22：基于知识的不变性，在所述KG1和KG2间转移所述规则；

步骤S23：根据所述规则，推断出新的关系三元组，更新至所述关系三元组，得到更新后的关系三元组。

4.根据权利要求1所述的基于图神经网络的互联网食品实体对齐方法，其特征在于，所述步骤S3：根据所述更新后的关系三元组，以及自注意力机制和跨注意力机制，计算得到两个带自注意力机制权重和跨注意力机制权重的邻接矩阵；并根据bert预训练字向量，查询向量表得到所述三元组中的实体字向量；将两个所述邻接矩阵和所述实体字向量输入图神经网络进行训练，得到实体结构特征向量和关系特征向量，具体包括：

步骤S31：根据所述更新后的关系三元组，以及自注意力机制和跨注意力机制，计算得到两个带自注意力机制权重和跨注意力机制权重的邻接矩阵；

步骤S32：根据bert预训练字向量，查询向量表得到所述三元组中的实体字向量；

步骤S33：将两个所述带自注意力机制权重和跨注意力机制权重的邻接矩阵和实体字向量输入到图神经网络中进行训练，得到实体结构特征向量和关系特征向量。

5.根据权利要求1所述的基于图神经网络的互联网食品实体对齐方法，其特征在于，所述步骤S4：将所述属性三元组中的实体输入前向神经网络训练，得到实体属性特征向量；融合所述实体结构特征向量和实体属性特征向量，得到实体特征向量，具体包括：

步骤S41：对所述属性三元组中属性值进行编码，并使用前向神经网络将所述属性的特征融入到实体字向量中，得到实体属性特征向量；

步骤S42：匹配并拼接每个所述知识图谱中属性三元组和关系三元组中具有相同头部的所述实体字向量，得到融合结构特征和属性特征的实体特征向量。