申请/专利权人：中新金桥数字科技(北京)有限公司

申请日：2023-12-06

公开（公告）日：2024-04-12

公开（公告）号：CN117875414A

主分类号：G06N5/022

分类号：G06N5/022;G06F40/289;G06F40/12;G06F16/28;G06F16/901;G06F18/22;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及知识图谱技术领域，提供一种知识图谱模型构建方法，包括以下步骤：通过transformer技术，构建知识图谱模型；将训练知识进行encoding，比如bert方式进行编码；将已有知识关系指令训练进入模型；获得知识图谱模型；通过知识图谱模型的智能判断，可以自动识别和挂载知识，从而减少对人工标注的需求，提高知识图谱的构建效率；通过模型智能判断知识并挂载到知识图谱表征空间上，可以提高知识的标注准确性，避免人工标注中可能存在的主观误差和不一致性；知识图谱模型可以持续学习和更新，随着新的数据和知识不断积累，能够自动地挂载新的知识到知识图谱表征空间上，使得知识图谱能够保持与时俱进，反映最新的信息和关联。

主权项：1.一种知识图谱模型构建方法，其特征在于，包括以下步骤：S1，收集知识点数据，包括事实、定义、原则、规则、实例，以及与其他知识点的关系；S2，基于收集到的知识点数据，使用PyTorch搭建Transformer模型，Transformer模型基于自注意力机制进行序列建模；S3，基于Transformer模型，使用WordPiece分词算法，将知识点切分成单词；S4，基于Transformer模型，训练BERT模型，BERT模型基于Transformer模型深度双向编码，对单词进行建模，并产生一个固定长度的表示向量；S5，根据知识点与其他知识点的关系，编写知识关系指令，使用知识关系指令对Transformer模型进行训练，并定义损失函数，衡量模型输出的误差，最后训练生成知识图谱模型，进而根据知识图谱模型，生成包含节点和向量的空间，即知识图谱表征空间；S6，向知识图谱模型中输入新的知识点，新知识点标记为Ax，使用k-近邻算法，查找知识图谱模型中，与新知识点Ax相关的知识点位置，根据查找结果，确定新知识点Ax在知识图谱表征空间中的位置；S7，根据新知识点Ax在知识图谱中的位置，计算新知识点Ax与其他知识点之间的欧几里德距离，确定新知识点Ax与其他知识点的位置关系，并将位置关系作为新知识点Ax与其他知识点的关系指令，将关系指令加入到知识图谱模型的训练集中，更新模型参数。

全文数据：

权利要求：

百度查询： 中新金桥数字科技(北京)有限公司 一种知识图谱模型构建方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD