[发明专利]文本到知识图谱实体的映射方法、装置、设备及存储介质

说明书

本申请涉及文本语义处理领域，具体涉及文本到知识图谱实体的映射方法、装置、设备及存储介质，通过对知识图谱进行拓展和构建向量空间实现了文本到实体的映射。从预设的语料库中获取知识图谱中的实体的描述性文本并将其用于对知识图谱进行拓展。以拓展知识图谱中的实体作为起始节点通过随机游走得到预设数量个预设长度的随机游走序列，将其输入Skip‑Gram模型对模型进行训练。将知识图谱中的实体输入训练好的Skip‑Gram模型输出的实体词向量并与模型的参数生成知识图谱向量空间。将待映射的文本输入Multi‑Sense LSTM模型得到的预测词向量在向量空间中确定最接近的实体词向量，根据最接近的实体词向量确定映射的实体。

技术领域

本申请涉及互联网技术领域，尤其涉及一种文本到知识图谱实体的映射方法、装置、计算机设备及存储介质。

背景技术

在自然语言处理领域，常常需要将自然语言的语句和文本对应到相关的动作、概念或者知识中。知识图谱作为是语义网络的知识库，若将文本和知识图谱中的实体关联则可以完成问答、信息检索等任务。将文本映射到知识图谱实体的目的是对文本的重点进行简洁的表述。例如，输入文本“无法入睡，太累以致无法思考”将映射到医学知识图谱中的“失眠”实体。现有技术未考虑利用文本特征改善实体向量。

发明内容

本申请提供了一种文本到知识图谱实体的映射方法、装置、计算机设备及存储介质，通过获取知识图谱实体的描述性文本对知识图谱进行了拓展，并将知识图谱所转化的向量空间作为文本映射到实体的目标，有效地实现了文本到实体的映射。

第一方面，本申请提供了一种文本到知识图谱实体的映射方法，所述方法包括：

针对知识图谱中的实体，从预设的语料库中获取所述实体的描述性文本，根据所述描述性文本对所述知识图谱进行拓展，得到拓展知识图谱；

以所述拓展知识图谱中的实体为起始节点，通过随机游走得到预设数量个预设长度的随机游走序列；

将所述随机游走序列输入Skip-Gram模型，对所述Skip-Gram模型进行训练，得到训练好的Skip-Gram模型，将所述知识图谱中的实体输入所述训练好的Skip-Gram模型，输出实体词向量；

根据所述实体词向量和所述训练好的Skip-Gram模型的参数生成知识图谱向量空间；

将待映射的文本输入训练好的Multi-Sense LSTM模型，得到第一预测词向量；

根据所述第一预测词向量在所述知识图谱向量空间中确定最接近的实体词向量，根据所述最接近的实体词向量确定所述待映射的文本映射的知识图谱实体。

第二方面，本申请还提供了一种文本到知识图谱实体的映射装置，所述装置包括：

知识图谱拓展模块，用于针对知识图谱中的实体，从预设的语料库中获取所述实体的描述性文本，根据所述描述性文本对所述知识图谱进行拓展，得到拓展知识图谱；

随机游走序列生成模块，用于以所述拓展知识图谱中的实体为起始节点，通过随机游走得到预设数量个预设长度的随机游走序列；

实体词向量生成模块，用于将所述随机游走序列输入Skip-Gram模型，对所述Skip-Gram模型进行训练，得到训练好的Skip-Gram模型，将所述知识图谱中的实体输入所述训练好的Skip-Gram模型，输出实体词向量;

知识图谱向量空间生成模块，用于根据所述实体词向量和所述训练好的Skip-Gram模型的参数生成知识图谱向量空间；

预测词向量生成模块，用于将待映射的文本输入训练好的Multi-Sense LSTM模型，得到预测词向量；

实体映射模块，用于根据所述预测词向量在所述知识图谱向量空间中确定最接近的实体词向量，根据所述最接近的实体词向量确定所述待映射的文本映射的知识图谱实体。