[发明专利]一种融合实体和关系描述的知识图谱表示学习方法

摘要

本发明公开一种融合实体和关系描述的知识图谱表示学习方法，考虑了实体与关系的文本描述信息，很好地融合了三元组的结构化信息与文本描述信息两大信息源，通过基于神经网络的端到端模型对实体和关系联合抽取，设置一个平衡因子来平衡结构化信息和文本描述信息，并根据预测对象的不同定义不同的得分函数；然后利用损失函数把实体向量和关系向量关联起来，并优化该损失函数，当达到优化目标时，就可以学得知识图谱及文本描述信息中每个实体的向量和关系的向量。本发明解决了知识库中实体和关系的稀疏性和不平衡性，更精确有效地表示实体和关系及其之间的相互联系，并将其应用于大规模知识图谱中，具有较好的实用性。

主权项

1.一种融合实体和关系描述的知识图谱表示学习方法，其特征是，具体包括步骤如下：步骤1.通过基于神经网络的端到端模型对网络中实体和关系的文本描述信息进行联合抽取，并利用平衡因子将抽取的实体和关系的文本描述信息与知识图谱中实体和关系的结构化信息结合，通过实体与关系之间基于翻译的模型，根据预测对象的不同来定义衡量关系和实体对之间相互关联的得分函数：当预测的是头实体或尾实体时，则得分函数f(h,r,t)定义为：当预测的是关系时，则得分函数f(h,r,t)定义为：其中，μ是平衡因子，h是头实体向量，t是尾实体向量，r是头实体和尾实体之间的关系向量，hs是头实体的结构化向量，ts是尾实体的结构化向量，rs是关系的结构化向量，hd是头实体的文本描述向量，td是尾实体的文本描述向量，rd是关系的文本文本描述向量，L1是范式，L2是L2范式；步骤2.基于得分函数建立实体与关系的损失函数，并通过最小化损失函数来学习结构化信息与文本信息融合之后的实体和关系，以达到优化目标。