[发明专利]知识图谱消歧方法、装置、设备及存储介质

说明书

本发明公开了知识图谱消歧方法、装置、设备及存储介质，其中方法包括：针对待处理的SPO，从知识库中拉取候选实体；分别获取各候选实体对应的预定特征；根据获取到的预定特征对各候选实体进行排序，选出排序后处于第一位的候选实体；将待处理的SPO中的O关联到选出的候选实体上。应用本发明所述方案，能够提高建边结果的准确性等。

【技术领域】

本发明涉及计算机应用技术，特别涉及基于人工智能的实体建边方法、装置、设备及存储介质。

【背景技术】

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

在构建海量知识库的过程中，实体建边是极为重要的部分，可丰富知识图谱边关系，提高知识图谱连通度，还能够辅助知识理解等。在应用上可以支持搜索场景的关系推理，还可以支持展示实体卡片之间的关联关系等。

结构化实体，是大量主谓宾三元组(SPO)的集合，S即subject，P即predict，O即object。实体建边是指对SPO中的O进行实体消歧，在知识库中找到对应的相同概念的实体。

现有技术中提出了各种实体建边方式，如比较常用的有：通过机器学习方法将知识库中的实体与关系都转化为向量表达，向量之间的距离表示了实体与实体、实体与关系之间的联系等，但这种方式需要对所有实体与属性进行训练，训练时间较长，处理效率低下。

【发明内容】

有鉴于此，本发明提供了基于人工智能的实体建边方法、装置、设备及存储介质。

具体技术方案如下：

一种基于人工智能的实体建边方法，包括：

针对待处理的主谓宾三元组SPO，从知识库中拉取候选实体；

分别获取各候选实体对应的预定特征；

根据所述预定特征对各候选实体进行排序，选出排序后处于第一位的候选实体；

将所述待处理的SPO中的O关联到选出的候选实体上。

根据本发明一优选实施例，所述从知识库中拉取候选实体包括：

基于多维分区技术，从知识库中拉取候选实体。

根据本发明一优选实施例，所述多维分区技术包括：

基于schema分区、基于语义边关系分区、基于语义实体向量聚类分区以及基于模糊检索分区。

根据本发明一优选实施例，所述分别获取各候选实体对应的预定特征包括：

针对每个候选实体，分别获取所述候选实体对应的对特征pair_features以及组特征group_features；

所述pair_features为衡量所述待处理的SPO与所述候选实体之间的相似性的特征；

所述group_features为衡量包括所述待处理的SPO在内的一组SPO与所述候选实体之间的相似性的特征，所述一组SPO为从所述待处理的SPO所在的实体中抽取出的全部或部分SPO。

根据本发明一优选实施例，所述根据所述预定特征对各候选实体进行排序包括：

根据所述预定特征，利用排序模型对各候选实体进行排序。

根据本发明一优选实施例，该方法进一步包括：