申请/专利权人:中国科学技术大学
申请日:2020-12-23
公开(公告)日:2024-02-23
公开(公告)号:CN112632291B
主分类号:G06F16/36
分类号:G06F16/36
优先权:
专利状态码:有效-授权
法律状态:2024.02.23#授权;2021.04.27#实质审查的生效;2021.04.09#公开
摘要:本发明公开了一种本体概念增强的归纳式图谱表征方法,通过双层注意力机制可以生成包含丰富信息的本体概念表征,其可被用来有效地提高新增实体的嵌入效果;使用了关系确定的注意力机制融合一个新增实体对应的多个概念,生成实体模板向量;接着该模板向量进一步融合了由新增实体内部邻居提供的个性化特征,生成新增实体向量表征,最终有效地提升了图谱补全任务的效果。
主权项:1.一种本体概念增强的归纳式图谱表征方法,其特征在于,包括:构建网络模型,给定一个包含新增实例实体的三元组,同时给定三元组中每一新增实例实体的本体概念和邻居实例实体集合;所述网络模型,对三元组中每一新增实例实体的每一本体概念通过双层注意力机制生成本体概念的表征;基于所有本体概念的表征与包含新增实例实体的三元组生成新增实例实体的模板表征,再结合邻居实例实体集合生成新增实例实体的最终表征向量;基于所有新增实例实体的最终表征向量评估包含新增实例实体的三元组的合法性;如果满足合法性要求,则将三元组添加到知识图谱中;其中,在网络模型的训练阶段,收集并整理基本数据,所述基本数据是包含本体概念信息的知识图谱,知识图谱包含三部分数据信息:实例实体三元组,表示实例实体之间的关系;本体概念三元组,表示本体概念之间的元关系;实例实体概念对,表示实例实体和其所属本体概念之间的对应关系,上述数据为文本形式;之后,进行预处理:将知识图谱中实例实体三元组作为正样本,采用随机替换实例实体三元组中头实体或者尾实体的方式生成负样本,构成正负样本对,结合多个正负样本对进行模型训练与参数估计。
全文数据:
权利要求:
百度查询: 中国科学技术大学 本体概念增强的归纳式图谱表征方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。