[发明专利]一种基于图谱拓扑结构和实体文本描述的深度学习方法在审
| 申请号： | 201810187010.9 | 申请日： | 2018-03-07 |
| 公开（公告）号： | CN108681544A | 公开（公告）日： | 2018-10-19 |
| 发明（设计）人： | 卓汉逵;荣二虎 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于图谱拓扑结构和实体文本描述的深度学习方法，该方法在解决知识图谱补全问题中，要补全的实体可能已经存在于知识图谱中(需发现)，也可能不在知识图谱中(需生成)。对于需要发现的任务，可视作是封闭环境下的知识图补全问题，模型M1能够很好地“发现”这个实体；对于需要发现的任务，模型M2在注意力机制和循环卷积网络的帮助下，能够充分地发掘文本信息，为“生成”这个实体提供有力保障。这两个子模型的联合，能够解决开放世界知识图谱补全问题。 | ||
| 搜索关键词： | 图谱 拓扑结构 文本描述 发现 注意力机制 封闭环境 实体提供 世界知识 文本信息 循环卷积 知识图 学习 网络 帮助 开放 联合 | ||
【主权项】：
1.一种基于图谱拓扑结构和实体文本描述的深度学习方法，其特征在于，包括以下步骤：S1：构建基于图拓扑结构的预测模型M1；S2：构建基于注意力机制的文本处理模型M2；S3：通过大量的训练数据训练该模型，得出两个模型内部的参数，将现有的知识图谱结构作为子模型M1输入，相关的文本信息作为子模型M2的输入，分别得到M1的输出和M2的输出；S4：根据词向量字典查询，即可得出预测实体的名称。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810187010.9/，转载请声明来源钻瓜专利网。
