申请/专利权人:浙江工业大学
申请日:2023-12-06
公开(公告)日:2024-04-19
公开(公告)号:CN117909749A
主分类号:G06F18/22
分类号:G06F18/22;G06N5/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明属于人工智能技术领域,具体涉及一种实体对齐方法。对两个知识图谱进行表示学习获得对应的向量,再引入投影矩阵对向量进行映射得到优化后的向量,将优化后的向量进行余弦相似度计算得到相似度矩阵,然后基于迭代的方法对两个知识图谱的实体进行实体匹配,最终获得更加精准的等价实体对,从而实现了不同知识图谱之间信息的有效融合和整合。
主权项:1.一种实体对齐方法,其特征在于,包括步骤:S1、分别对知识图谱1和知识图谱2进行表示学习,得到知识图谱1的实体向量、实体间关系向量,知识图谱2的实体向量、实体间关系向量;S2、构建知识图谱1的实体投影矩阵、实体间关系投影矩阵,用知识图谱1的实体投影矩阵对知识图谱1的实体向量进行映射,用知识图谱1的实体间关系投影矩阵对知识图谱1的实体间关系向量进行映射,以得到映射优化后知识图谱1的实体向量、实体间关系向量,并整合得到知识图谱1的实体向量集合A;用同样的方法得到知识图谱2的实体向量、实体间关系向量,并整合得到知识图谱2的实体向量集合B;S3、用余弦相似度计算方法对知识图谱1的实体向量集合A、知识图谱2的实体向量集合B进行计算,得到知识图谱1中的实体与知识图谱2中的实体之间的相似度矩阵;S4、基于相似度矩阵对知识图谱1中的实体与知识图谱2中的实体进行匹配,不断迭代以筛选得到两个知识图谱的等价实体对。
全文数据:
权利要求:
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。