[发明专利]一种精准描述知识图谱中元素语义的子图抽取方法

说明书

本发明公开了一种用于精准描述知识图谱中元素语义的子图抽取方法。通过分析概念、关系、实体等知识图谱元素的语义在知识图谱中的表示特点，利用电路模型实现描述元素的语义子图建模和抽取。语义子图可准确描述元素在知识图谱中的语义上下文，并且这种描述具有易于理解和可解释的特点，能广泛应用于各种基于知识图谱的智能应用中。

技术领域

本发明属于人工智能知识图谱领域，特别涉及一种精准描述知识图谱中元素语义的子图抽取方法。

背景技术

知识图谱是认知智能的核心技术之一，广泛应用于机器翻译、信息检索、智能问答等场景中。如何构建和描述知识图谱中元素的真实语义是大量知识图谱应用的一个基础问题。虽然基于深度学习的知识图谱表示学习方法可将其中的元素和三元组表示为向量形式，但这种隐式表示形式不具有直观的可解释性和可理解性。在显式语义表示上，元素的标识和注释文本可在一定程度上反映其所代表的部分语义，但由于知识图谱构建的随意性，并非每个知识图谱都会提供理想的描述文本，并且这种文本描述对元素语义的解释是含糊的，即其中并不包含明确的语义关系描述。因此，只利用元素自身的信息并不能保证全面理解元素语义。为了正确理解元素在知识图谱中的特定语义，往往还需要考虑与该元素相关的其它知识图谱元素，并称其为元素的语义上下文。同时，大多数知识图谱映射系统并不依靠外部知识库来构造真实的语义，因此本发明考虑在不借助外部知识库的情况下如何直接从知识图谱中获得元素真实的语义描述。本发明借助知识图谱图来分析元素的语义上下文。直观上，知识图谱图中与元素相关的点和边构成了元素在知识图谱中的语义上下文，这种语义上下文是知识图谱图中的一个子图，称之为元素的语义子图。然而，目前尚未一种有效的方法来精准描述知识图谱中表述实体语义子图并对其进行高效抽取。

发明内容

为解决上述问题，本发明提出了一种精准描述知识图谱中元素语义的子图抽取方法，通过分析概念、关系、实体等知识图谱元素的语义在知识图谱中的表示特点，利用电路模型实现描述元素的语义子图建模和抽取。语义子图可准确描述元素在知识图谱中的语义上下文，并且这种描述具有易于理解和可解释的特点，能广泛应用于各种基于知识图谱的智能应用中，本专利提供一种精准描述知识图谱中元素语义的子图抽取方法，该方法包括以下内容：

1)知识图谱的图表示和预处理：根据知识图谱的三元组表示特点，将其转换为一个带标签的有向图G_r，由于G_r中两节点间可能存在多条边，因此G_r是一个多图，为了解决多图在应用中难以处理的问题，采用一种结合知识图谱原始图和二部图特点的混合表示方式，并这种图称为知识图谱混合图G_h，进一步，为简化G_h中语义信息表示和明确隐含的语义关系，对G_h分别进行语义扩充、语义明确和精炼操作；

2)语义子图：语义子图是用于精确描述知识图谱中给定的概念、属性和实体元素的有限规模子图，其并不强调语义完整性，即知识图谱中有限个三元组便能精确描述元素在该知识图谱中的语义，且元素语义的解释无须用到整个知识图谱全部的知识，语义子图由描述给定元素的Top-k个三元组组成；

3)语义子图抽取的电路模型构建：提出一种利用电路模型来解决语义子图抽取，即将抽取语义子图的问题转化为一个电路模型进行求解，基于步骤1)中构建的图，图中的边传递信息的能力对应于电路中的电导率C，图中的顶点容纳信息的能力对应于电路中的电压V，电流I表征单位时间内在边上通过的信息量，并给图中增加一个接地的陷入点z，同时让其它的所有点都增加一条指向z的边，知识图谱中s点的语义子图即从s到z的连接子图中捕获电流最大的子图；

4)电路模型中的电导率计算方法：针对知识图谱图的特点，提出了一套电导率权重计算规则，知识图谱的图中主要包括概念、属性、实体及元语，首先分析不同成分传递信息时的权重，然后给出由它们构成的三元组的电导率计算规则，包括频率规则、层次规则、实体空间规则、实体属性描述规则和独生实体优先规则；