[发明专利]网络优化知识图谱的质量评估方法、装置及电子设备

权利要求书

1.一种网络优化知识图谱的质量评估方法，其特征在于，包括：

获取知识图谱三元组数据集，并基于所述知识图谱三元组数据集，得到知识图谱中的实体、实体关系以及实体类型对应的嵌入向量表示；

基于所述实体，确定头实体流向尾实体的资源量，并基于所述头实体流向尾实体的资源量，得到局部层次中实体层次的置信度；

基于所述知识图谱中的实体、实体关系以及实体类型对应的嵌入向量表示，得到局部层次中关系层次的置信度；

基于所述知识图谱中的实体对之间的多步路径，确定全局层次置信度；

基于所述局部层次中实体层次的置信度、所述局部层次中关系层次的置信度，以及所述全局层次置信度，得到知识图谱的质量评估结果。

2.根据权利要求1所述的网络优化知识图谱的质量评估方法，其特征在于，所述基于所述实体，确定头实体流向尾实体的资源量，包括：

以所述知识图谱中的每一个实体作为搜索范围的中心节点，并以预设值作为搜索深度，确定每一个实体的有向子图；

基于所述有向子图，确定所述头实体流向尾实体的资源量。

3.根据权利要求2所述的网络优化知识图谱的质量评估方法，其特征在于，所述基于所述有向子图，确定所述头实体流向尾实体的资源量的计算公式为：

其中，Q(t|h)表示头实体h流向尾实体t的资源量，I_t表示所述有向子图对应的实体t的头实体集合，O(e_i)表示所述有向子图对应的实体e_i的出度，表示所述有向子图对应的实体e_i和实体t之间的实体关系的数量，N表示所述有向子图对应的实体总数；∈为表示控制每个实体的资源流直接跳转到随机实体的概率。

4.根据权利要求3所述的网络优化知识图谱的质量评估方法，其特征在于，所述基于所述头实体流向尾实体的资源量，得到局部层次中实体层次的置信度的计算公式为：

其中，ET(h,r,t)是所述局部层次中实体层次的置信度，r是实体关系，λ是用于平滑的超参数，θ是实体关系对应的预设阈值。

5.根据权利要求4所述的网络优化知识图谱的质量评估方法，其特征在于，所述基于所述知识图谱中的实体、实体关系以及实体类型对应的嵌入向量表示，确定局部层次中关系层次的置信度，其计算公式为：

其中，RT(h,r,t)是所述局部层次中关系层次的置信度。

6.根据权利要求1-5任一项所述的网络优化知识图谱的质量评估方法，其特征在于，所述基于所述局部层次中实体层次的置信度、所述局部层次中关系层次的置信度，以及所述全局层次置信度，得到知识图谱的质量评估结果，包括：

基于预设的实体层次置信度权重值、关系层次置信度权重值以及全局层次置信度权重值，对所述局部层次中实体层次的置信度、所述局部层次中关系层次的置信度、全局层次置信度，进行加权计算，得到所述知识图谱的质量评估结果。

7.一种网络优化知识图谱的质量评估装置，其特征在于，包括：

数据处理模块，用于获取知识图谱三元组数据集，并基于所述知识图谱三元组数据集，得到知识图谱中的实体、实体关系以及实体类型对应的嵌入向量表示；

第一置信度计算模块，用于基于所述实体，确定头实体流向尾实体的资源量，并基于所述头实体流向尾实体的资源量，得到局部层次中实体层次的置信度；

第二置信度计算模块，用于基于所述知识图谱中的实体、实体关系以及实体类型对应的嵌入向量表示，得到局部层次中关系层次的置信度；

第三置信度计算模块，用于基于所述知识图谱中的实体对之间的多步路径，确定全局层次置信度；

质量评估模块，用于基于所述局部层次中实体层次的置信度、所述局部层次中关系层次的置信度，以及所述全局层次置信度，得到知识图谱的质量评估结果。