CN111090993A - 属性对齐模型训练方法及装置 - Google Patents

Abstract

本公开公开了一种属性对齐模型训练方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取数据源；从词典中获取数据源的属性名称的属性描述、同义属性名称的属性描述和反义属性名称的属性描述；将属性名称的属性描述、同义属性名称的属性描述作为正训练样本；和/或，将反义属性名称的属性描述、与属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；将确定的正训练样本集和/或负训练样本集进行训练，得到属性对齐模型。本公开实施例利用词典为属性名称提供额外的语义信息即属性描述，在训练属性对齐模型使可用的特征更丰富，而且可以选择结构简单的二分类模型，减少计算复杂度，快速得到对齐结果，可以达到很好的对齐效果。

Description

属性对齐模型训练方法及装置

技术领域

本公开涉及人工智能技术领域，特别是涉及一种属性对齐模型训练方法、装置和计算机可读存储介质。

背景技术

知识图谱为人工智能提供了强大的数据支持，这种数据能力要依靠数据的统一性来维持，包括实体、属性名、属性值格式等内容的统一。属性对齐解决的是将单源或多源知识图谱中表示相同含义的属性统一成同一个标准属性名，例如A知识图谱中的“生日”和B知识图谱中的“出生日期”都表示出生日期这个含义，属性对齐后将这些属性的名称都改为“出生日期”。属性对齐是知识融合的一个组成部分，是知识图谱构建的重要步骤。

在现有技术中，获取N个数据源；根据N个数据源得到属性名称集合并生成内部词典；根据属性名称集合、内部词典以及N个数据源中每个数据源的属性名称，得到每个数据源的属性特征向量；根据每个数据源的属性特征向量计算N个数据源中任意两个数据源之间的相似度和相似度矩阵；根据相似度矩阵对N个数据源进行聚类得到k个聚类；根据内部词典对k个聚类中同一聚类的数据源进行属性对齐得到k个数据源，对k个数据源进行属性对齐得到一个结果数据源。

但是，上述方案只利用了属性的结构信息，严重依赖图谱的体量和质量，如果知识图谱中的三元组本身质量不高或数量较少，就无法达到很好的对齐效果。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开解决的技术问题是提供一种属性对齐模型训练方法，以至少部分地解决现有技术中只利用了属性的结构信息，严重依赖图谱的体量和质量，无法达到很好的对齐效果的技术问题。此外，还提供一种属性对齐模型训练装置、属性对齐模型训练硬件装置、计算机可读存储介质和属性对齐模型训练终端。

为了实现上述目的，根据本公开的一个方面，提供以下技术方案：

一种属性对齐模型训练方法，包括：

获取至少一个数据源；

从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；

将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；

将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

进一步的，所述将根据所述数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型，包括：

将所述正训练样本集中的同义属性名称进行组合，确定同义属性组，和/或将所述负训练样本集中的反义属性名称进行组合，确定反义属性组；其中，所述同义属性组或所述反义属性组中包含第一属性名称的第一属性描述和第二属性名称的第二属性描述；

将所述第一属性描述和所述第二属性描述输入神经网络进行预测；

当所有同义属性组和/或反义属性组的预测结果达到预设条件时，得到属性对齐模型。

进一步的，所述将所述第一属性描述和所述第二属性描述输入神经网络进行预测，包括：

对所述同义属性组中的属性描述进行预处理，得到所述第一属性描述对应的第一词序列和所述第二属性描述对应的第二词序列；

查询预先训练得到的词向量表获取所述第一词序列中每个词的向量表示，及所述第二词序列中每个词的向量表示；

根据所述第一词序列中每个词的向量表示确定第一向量序列，及根据所述第二词序列中每个词的向量表示确定第二向量序列；

将所述第一向量序列和所述第二向量序列输入神经网络进行预测。

进一步的，所述将所述第一向量序列和所述第二向量序列输入神经网络进行预测，包括：

将所述第一向量序列和所述第二向量序列分别按序输入第一神经网络；

根据所述第一神经网络的输出结果确定所述第一向量序列对应的第一向量和所述第二向量序列对应的第二向量；

将所述第一向量和所述第二向量输入神经网络进行预测。

进一步的，所述将所述第一向量和所述第二向量输入神经网络进行预测，包括：

对所述第一向量和所述第二向量进行向量运算，得到第三向量；

根据所述第一向量和所述第三向量生成第一拼接向量，及根据所述第二向量和所述第三向量生成第二拼接向量；

将所述第一拼接向量和所述第二拼接向量输入第二神经网络进行预测。

进一步的，所述第三向量为差向量和/或积向量。

进一步的，所述从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述，包括：

将多个数据源中同类型实体属性值类型相同的属性名称作为一个聚类，得到同义属性候选集合；

从词典中获取所述同义属性候选集合中的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

为了实现上述目的，根据本公开的一个方面，还提供以下技术方案：

一种属性对齐模型训练装置，包括：

数据源获取模块，用于获取至少一个数据源；

属性描述获取模块，用于从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；

训练样本确定模块，用于将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；

模型训练模块，用于将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

进一步的，所述模型训练模块包括：

属性组确定单元，用于将所述正训练样本集中的同义属性名称进行组合，确定同义属性组，和/或将所述负训练样本集中的反义属性名称进行组合，确定反义属性组；其中，所述同义属性组或所述反义属性组中包含第一属性名称的第一属性描述和第二属性名称的第二属性描述；

预测单元，用于将所述第一属性描述和所述第二属性描述输入神经网络进行预测；

模型确定单元，用于当所有同义属性组和/或反义属性组的预测结果达到预设条件时，得到属性对齐模型。

进一步的，所述预测单元具体用于：对所述同义属性组中的属性描述进行预处理，得到所述第一属性描述对应的第一词序列和所述第二属性描述对应的第二词序列；查询预先训练得到的词向量表获取所述第一词序列中每个词的向量表示，及所述第二词序列中每个词的向量表示；根据所述第一词序列中每个词的向量表示确定第一向量序列，及根据所述第二词序列中每个词的向量表示确定第二向量序列；将所述第一向量序列和所述第二向量序列输入神经网络进行预测。

进一步的，所述预测单元具体用于：将所述第一向量序列和所述第二向量序列分别按序输入第一神经网络；根据所述第一神经网络的输出结果确定所述第一向量序列对应的第一向量和所述第二向量序列对应的第二向量；将所述第一向量和所述第二向量输入神经网络进行预测。

进一步的，所述预测单元具体用于：对所述第一向量和所述第二向量进行向量运算，得到第三向量；根据所述第一向量和所述第三向量生成第一拼接向量，及根据所述第二向量和所述第三向量生成第二拼接向量；将所述第一拼接向量和所述第二拼接向量输入第二神经网络进行预测。

进一步的，所述第三向量为差向量和/或积向量。

进一步的，所述属性描述获取模块具体用于：将多个数据源中同类型实体属性值类型相同的属性名称作为一个聚类，得到同义属性候选集合；从词典中获取所述同义属性候选集合中的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

为了实现上述目的，根据本公开的一个方面，提供以下技术方案：

一种电子设备，包括：

存储器，用于存储非暂时性计算机可读指令；以及

处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现上述任一项所述的属性对齐模型训练方法。

为了实现上述目的，根据本公开的一个方面，提供以下技术方案：

一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行上述任一项所述的属性对齐模型训练方法。

为了实现上述目的，根据本公开的又一个方面，还提供以下技术方案：

一种属性对齐模型训练终端，包括上述任一属性对齐模型训练装置。

本公开实施例通过从词典中获取数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述，将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本，根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型，利用词典为属性名称提供额外的语义信息即属性描述，在训练属性对齐模型时可用的特征更丰富，可以达到很好的对齐效果。

上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例,并配合附图，详细说明如下。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为根据本公开一个实施例的属性对齐模型训练方法的流程示意图；

图2为根据本公开一个实施例的属性对齐模型训练装置的结构示意图；

图3为根据本公开一个实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

实施例一

为了解决现有技术中只利用了属性的结构信息，严重依赖图谱的体量和质量，无法达到很好的对齐效果的技术问题，本公开实施例提供一种属性对齐模型训练方法。如图1所示，该属性对齐模型训练方法主要包括如下步骤S11至步骤S14。

步骤S11：获取至少一个数据源。

其中，每个数据源均由实体、属性名称、属性值等组成。例如，小明生日为10月1号即为一个数据源。

步骤S12：从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

其中，词典为具有词语解释、同义词和反义词内容的任何形式的词库，包括但不限于汉语词典、在线百科等。

具体的，可以在词典中进行检索，获取属性名称的同义词、反义词，将所述同义词作为所述属性名称的同义属性名称，将所述反义词作为所述属性名称的反义属性名称，并从词典中分别获取属性名称、同义属性名称、反义属性名称的词语解释和/或在线百科的摘要段落作为属性描述。

步骤S13：将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本。

本实施例构建二分类训练样本，具体的，将属性名称在词典中的同义词即同义属性名称的属性描述作为二分类的正训练样本，即两者是相同属性，将属性名称的反义词即反义属性名称的属性描述和/或与属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本。

步骤S14：将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

具体的，针对每个数据源的属性名称，均采用步骤S12和步骤S13构建对应的训练样本，将所有数据源的属性名称对应的正训练样本组合在一起形成正训练样本集，其中，正训练样本集中包含的属性名称均为同义属性名称的属性描述；和/或，将所有数据源的属性名称对应的负训练样本组合在一起形成负训练样本集，其中，负训练样本集中包含的属性名称均为反义属性名称和/或不在同一聚类的其它属性名称的属性描述。

在训练属性对齐模型时，可以单独采用正训练样本集或负训练样本集，也可以同时采用正训练样本集和负训练样本集。

本实施例通过从词典中获取数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述，将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本，根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型，利用词典为属性名称提供额外的语义信息即属性描述，在训练属性对齐模型时可用的特征更丰富，可以达到很好的对齐效果。

在一个可选的实施例中，步骤S12具体包括：

步骤S121：将多个数据源中同类型实体属性值类型相同的属性名称作为一个聚类，得到同义属性候选集合。

具体的，本步骤可采用聚类算法实现数据源的分类，将同类型实体属性值类型相同的属性名称作为一个聚类。例如，将人物类实体属性值为日期的属性聚为一类，将人物类实体属性值为地点的属性聚为一类。这样通过将同一聚类内的属性名称作为相同属性的候选集即同义属性候选集合，这样可以缩小对比范围，减小计算量。

其中，可采用的聚类算法包括K-means聚类算法、Mean-Shift聚类、基于密度的带噪声的空间聚类、基于高斯混合模型(GMM)的期望最大化(EM)聚类、凝聚层次聚类等。

步骤S122：从词典中获取所述同义属性候选集合中的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

在一个可选的实施例中，步骤S13具体包括：

步骤S131：将所述正训练样本集中的同义属性名称进行组合，确定同义属性组，和/或将所述负训练样本集中的反义属性名称进行组合，确定反义属性组；其中，所述同义属性组或所述反义属性组中包含第一属性名称的第一属性描述和第二属性名称的第二属性描述。

具体的，当第一属性名称和第二属性名称属于同义属性组时，则第一属性名称和第二属性名称为同义词，当第一属性名称和第二属性名称属于反义属性组时，则第一属性名称和第二属性名称为反义词或不在同一聚类。

步骤S132：将所述第一属性描述和所述第二属性描述输入神经网络进行预测。

具体的，当第一属性名称和第二属性名称属于同义属性组时，则将所述第一属性描述和所述第二属性描述输入神经网络进行预测，预测第一属性名称和第二属性名称是否为同义词，当第一属性名称和第二属性名称属于反义属性组时，则预测第一属性名称和第二属性名称是否为反义词或是否属于不同聚类。

步骤S133：当所有同义属性组和/或反义属性组的预测结果达到预设条件时，得到属性对齐模型。

其中，预设条件可以为预测正确率，或损失函数的收敛条件。

具体的，针对正训练样本集中的所有同义属性组和/或负训练样本集中的反义属性组，均采用步骤S132进行预测，根据预测结果确定预测准确率或判断损失函数是否达到收敛条件，当预测准确率超过预设阈值(例如，95％)或损失函数达到收敛条件时即可得到属性对齐模型。

在一个可选的实施例中，步骤S132具体包括：

步骤A：对所述同义属性组中的属性描述进行预处理，得到所述第一属性描述对应的第一词序列和所述第二属性描述对应的第二词序列。

其中，预处理包括文本分词、去标点、去停用词等处理，得到词语或短语，这些词语或短语构成词序列。在本实施例中，分别对所述第一属性描述和所述第二属性描述进行处理，得到第一词序列和第二词序列。

步骤B：查询预先训练得到的词向量表获取所述第一词序列中每个词的向量表示，及所述第二词序列中每个词的向量表示。

其中，词向量表中包含多个词对应的向量，例如，生日用[0.13,0.8,0.3]表示，地点用[0.52,0.2,0.3]表示。其中，语义相近的词语对应的向量距离也相近。

具体的，可以预先将词典中的词转换为向量。可以采用基于统计的方法或基于语言模型的方法将词转换为向量。

步骤C：根据所述第一词序列中每个词的向量表示确定第一向量序列，及根据所述第二词序列中每个词的向量表示确定第二向量序列。

具体的，第一词序列和第二词序列中可能包含多个词，这时将第一词序列和第二词序列中词转换成向量后，得到的就是一个向量序列即由一组向量组成也即矩阵。

步骤D：将所述第一向量序列和所述第二向量序列输入神经网络进行预测。

在一个可选的实施例中，步骤D具体包括：

步骤D1：将所述第一向量序列和所述第二向量序列分别按序输入第一神经网络。

其中，第一神经网络可以为循环神经网络(Recurrent Neural Network，RNN)，循环神经网络是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neuralnetwork)。例如，可以为长短期记忆网络(Long Short-Term Memory，LSTM)、前向Bi-LSTM、门控循环单元(Gated Recurrent Unit，GRU)、前向Bi-GRU等。

第一神经网络还可以为基于深度学习的神经网络，例如，前馈深度学习网络(FeedForward Deep Network：FFDN)、反馈深度学习网络(Feed Back Deep Network：FBDN)和双向深度学习网络(Bi-Directional Deep Network：BDDN)。该第一神经网络可以将向量序列转换为向量。

在本实施例中第一神经网络可以选择结构较为简单的神经网络进行训练，得到结构简单的属性对齐模型，这样可以减少计算复杂度，快速得到对齐结果。

步骤D2：根据所述第一神经网络的输出结果确定所述第一向量序列对应的第一向量和所述第二向量序列对应的第二向量。

步骤D3：将所述第一向量和所述第二向量输入第二神经网络进行预测。

在本实施例中第一神经网络可以选择结构较为简单的神经网络进行训练，得到结构简单的属性对齐模型，这样可以减少计算复杂度，快速得到对齐结果。

在一个可选的实施例中，步骤D3具体包括：

步骤D31：对所述第一向量和所述第二向量进行向量运算，得到第三向量。

其中，所述第三向量可以为差向量和/或积向量。

步骤D32：根据所述第一向量和所述第三向量生成第一拼接向量，及根据所述第二向量和所述第三向量生成第二拼接向量。

具体的，可以直接将所述第一向量和所述第三向量进行拼接得到第一拼接向量，将所述第二向量和所述第三向量进行拼接得到第二拼接向量。例如，当所述第三向量可以为差向量和积向量时，则直接将所述第一向量、差向量和积向量进行拼接得到第一拼接向量，将所述第二向量、差向量和积向量进行拼接得到第二拼接向量。

步骤D33：将所述第一拼接向量和所述第二拼接向量输入第二神经网络进行预测。

其中，第二神经网络可以为前馈神经网络，例如，前馈深度学习网络。该第二神经网络可将输入的第一拼接向量和第二拼接向量进行预测处理，最终输出一个二维向量，该二维向量中的元素相加为1，一个元素表示输入的两个属性是同义属性的概率，另一个元素表示输入的两个属性是反义属性或不在同一聚类的概率。

本领域技术人员应能理解，在上述各个实施例的基础上，还可以进行明显变型(例如，对所列举的模式进行组合)或等同替换。

在上文中，虽然按照上述的顺序描述了属性对齐模型训练方法实施例中的各个步骤，本领域技术人员应清楚，本公开实施例中的步骤并不必然按照上述顺序执行，其也可以倒序、并行、交叉等其他顺序执行，而且，在上述步骤的基础上，本领域技术人员也可以再加入其他步骤，这些明显变型或等同替换的方式也应包含在本公开的保护范围之内，在此不再赘述。

下面为本公开装置实施例，本公开装置实施例可用于执行本公开方法实施例实现的步骤，为了便于说明，仅示出了与本公开实施例相关的部分，具体技术细节未揭示的，请参照本公开方法实施例。

实施例二

为了解决现有技术中只利用了属性的结构信息，严重依赖图谱的体量和质量，无法达到很好的对齐效果的技术问题，本公开实施例提供一种属性对齐模型训练装置。该装置可以执行上述实施例一所述的属性对齐模型训练方法实施例中的步骤。如图2所示，该装置主要包括：数据源获取模块21、属性描述获取模块22、训练样本确定模块23和模型训练模块24；其中，

数据源获取模块21用于获取至少一个数据源；

属性描述获取模块22用于从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；

训练样本确定模块23用于将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；

模型训练模块24用于将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

进一步的，所述模型训练模块24包括：属性组确定单元241、预测单元242和模型确定单元243；其中，

属性组确定单元241用于将所述正训练样本集中的同义属性名称进行组合，确定同义属性组，和/或将所述负训练样本集中的反义属性名称进行组合，确定反义属性组；其中，所述同义属性组或所述反义属性组中包含第一属性名称的第一属性描述和第二属性名称的第二属性描述；

预测单元242用于将所述第一属性描述和所述第二属性描述输入神经网络进行预测；

模型确定单元243用于当所有同义属性组和/或反义属性组的预测结果达到预设条件时，得到属性对齐模型。

进一步的，所述预测单元242具体用于：对所述同义属性组中的属性描述进行预处理，得到所述第一属性描述对应的第一词序列和所述第二属性描述对应的第二词序列；查询预先训练得到的词向量表获取所述第一词序列中每个词的向量表示，及所述第二词序列中每个词的向量表示；根据所述第一词序列中每个词的向量表示确定第一向量序列，及根据所述第二词序列中每个词的向量表示确定第二向量序列；将所述第一向量序列和所述第二向量序列输入神经网络进行预测。

进一步的，所述预测单元242具体用于：将所述第一向量序列和所述第二向量序列分别按序输入第一神经网络；根据所述第一神经网络的输出结果确定所述第一向量序列对应的第一向量和所述第二向量序列对应的第二向量；将所述第一向量和所述第二向量输入第二神经网络进行预测。

进一步的，所述预测单元242具体用于：对所述第一向量和所述第二向量进行向量运算，得到第三向量；根据所述第一向量和所述第三向量生成第一拼接向量，及根据所述第二向量和所述第三向量生成第二拼接向量；将所述第一拼接向量和所述第二拼接向量输入第二神经网络进行预测。

进一步的，所述第三向量为差向量和/或积向量。

进一步的，所述属性描述获取模块22具体用于：将多个数据源中同类型实体属性值类型相同的属性名称作为一个聚类，得到同义属性候选集合；从词典中获取所述同义属性候选集合中的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

有关属性对齐模型训练装置实施例的工作原理、实现的技术效果等详细说明可以参考前述属性对齐模型训练方法实施例中的相关说明，在此不再赘述。

实施例三

下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少一个数据源；从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种属性对齐模型训练方法，其特征在于，包括：

获取至少一个数据源；

从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；

将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；

将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

2.根据权利要求1所述的方法，其特征在于，所述将根据所述数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型，包括：

将所述正训练样本集中的同义属性名称进行组合，确定同义属性组，和/或将所述负训练样本集中的反义属性名称进行组合，确定反义属性组；其中，所述同义属性组或所述反义属性组中包含第一属性名称的第一属性描述和第二属性名称的第二属性描述；

将所述第一属性描述和所述第二属性描述输入神经网络进行预测；

当所有同义属性组和/或反义属性组的预测结果达到预设条件时，得到属性对齐模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一属性描述和所述第二属性描述输入神经网络进行预测，包括：

对所述同义属性组中的属性描述进行预处理，得到所述第一属性描述对应的第一词序列和所述第二属性描述对应的第二词序列；

查询预先训练得到的词向量表获取所述第一词序列中每个词的向量表示，及所述第二词序列中每个词的向量表示；

根据所述第一词序列中每个词的向量表示确定第一向量序列，及根据所述第二词序列中每个词的向量表示确定第二向量序列；

将所述第一向量序列和所述第二向量序列输入神经网络进行预测。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一向量序列和所述第二向量序列输入神经网络进行预测，包括：

将所述第一向量序列和所述第二向量序列分别按序输入第一神经网络；

根据所述第一神经网络的输出结果确定所述第一向量序列对应的第一向量和所述第二向量序列对应的第二向量；

将所述第一向量和所述第二向量输入第二神经网络进行预测。

5.根据权利要求4所述的方法，其特征在于，所述将所述第一向量和所述第二向量输入第二神经网络进行预测，包括：

对所述第一向量和所述第二向量进行向量运算，得到第三向量；

根据所述第一向量和所述第三向量生成第一拼接向量，及根据所述第二向量和所述第三向量生成第二拼接向量；

将所述第一拼接向量和所述第二拼接向量输入第二神经网络进行预测。

6.根据权利要求5所述的方法，其特征在于，所述第三向量为差向量和/或积向量。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述，包括：

将多个数据源中同类型实体属性值类型相同的属性名称作为一个聚类，得到同义属性候选集合；

从词典中获取所述同义属性候选集合中的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述。

8.一种属性对齐模型训练装置，其特征在于，包括：

数据源获取模块，用于获取至少一个数据源；

属性描述获取模块，用于从词典中获取所述数据源的属性名称的属性描述、所述属性名称的同义属性名称的属性描述和所述属性名称的反义属性名称的属性描述；

训练样本确定模块，用于将所述属性名称的属性描述、所述同义属性名称的属性描述作为正训练样本；和/或，将所述反义属性名称的属性描述、与所述属性名称不在同一聚类的其它属性名称的属性描述作为负训练样本；

模型训练模块，用于将根据所述至少一个数据源确定的正训练样本集和/或负训练样本集作为训练数据进行训练，得到属性对齐模型。

9.一种电子设备，包括：

存储器，用于存储非暂时性计算机可读指令；以及

处理器，用于运行所述计算机可读指令，使得所述处理器执行时实现根据权利要求1-7任一项所述的属性对齐模型训练方法。

10.一种计算机可读存储介质，用于存储非暂时性计算机可读指令，当所述非暂时性计算机可读指令由计算机执行时，使得所述计算机执行权利要求1-7任一项所述的属性对齐模型训练方法。

Images