CN111159420A

CN111159420A - 一种基于属性计算与知识模板的实体优化方法

Info

Publication number: CN111159420A
Application number: CN201911277058.XA
Authority: CN
Inventors: 靖稳峰
Original assignee: Xian Jiaotong University
Current assignee: Xian Jiaotong University; Information and Telecommunication Branch of State Grid Zhejiang Electric Power Co Ltd
Priority date: 2019-12-12
Filing date: 2019-12-12
Publication date: 2020-05-15
Anticipated expiration: 2039-12-12
Also published as: CN111159420B

Abstract

本发明公开了一种基于属性计算与知识模板的实体优化方法，建立包含若干实体以及每个实体属性相关信息的知识库，构建实体及其属性的相关信息形成每个实体的特征向量，实体为若干个；根据特征向量，构建若干个实体之间的关系向量；取其中任意两个实体，分别将其特征向量与实体之间的关系向量进行融合，并根据融合后的结果表示两个实体与关系向量之间的相似度；重复以上步骤至每个实体均与实体之间的关系融合；根据相似度判断两个实体是否为同一实体。本发明能够将粗糙的知识进行凝练，在降低知识库规模的同时，保证了其中知识的质量，为知识库的利用和迭代更新提供了保障。

Description

一种基于属性计算与知识模板的实体优化方法

技术领域

本发明属于信息技术领域，具体涉及一种基于属性计算与知识模板的实体优化方法。

背景技术

随着国家电网公司全业务统一数据中心建设工作的稳步推进，各个单位和部门都在大力开展大数据创新应用，各类研究成果层出不穷，而且取得了一定的成效。在此背景下，积极探索新技术、新方法在业务开展和中心建设过程中的应用，对于提升公司数据管理的质量和水平以及精益化管理和科学决策水平，有着重要的作用。

知识图谱是一种比较通用的语义知识的形式化描述框架，其构成主要包含两部分内容：节点和边。知识图谱中的节点表示客观的实体，而边则表示实体之间的关系。例如，某台变压器可以看成是一个电力设备实体，电力设备有很多，而该变压器实体在客观世界中是独一无二的，对应在知识图谱中，就是一个节点；某条供电线路也可以看做是一个实体，在图谱中也有对应的表示，此外，该供电线路下面可能挂接着不同的变压器，因此，变压器实体和供电线路实体之间就存在着一种关系，用三元组来描述的话，可以表示为：“<变压器，属于，线路>”。从这个角度来看，知识图谱定义了一种描述实体及其之间关系的模型，可以想见，如果以图的方式对知识图谱进行展现，那么将会形成网状结构。

一个特定领域的知识图谱，往往包含了该领域内公认的知识，这些知识就是通过“实体-关系-实体”或者“实体-属性-属性值”的形式体现的，因此，知识图谱也可以理解为知识库。一个关于电网设备资源的知识图谱，其实就是一个知识库，电力设备的描述性属性和设备实体之间的关系，都体现在知识库中。

知识图谱的建立是一个长期而复杂的过程，初步识别的实体及关系可以作为知识存入知识库中，然而这些知识是粗糙的，往往存在实体冗余、关系错误等问题。如何纠正这些问题，是一项颇具挑战性的工作。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于属性计算与知识模板的实体优化方法，针对初步建立的电力设备知识图谱中存在的实体冗余、关系错误等问题进行处理，提升知识库的质量。

本发明采用以下技术方案：

一种基于属性计算与知识模板的实体优化方法，包括以下步骤：

S1、建立包含若干实体以及每个实体属性相关信息的知识库，构建实体及其属性的相关信息形成每个实体的特征向量，实体为若干个；

S2、根据特征向量，构建若干个实体之间的关系向量；

S3、取其中任意两个实体，分别将其特征向量与实体之间的关系向量进行融合，并根据融合后的结果表示两个实体与关系向量之间的相似度；

S4、重复步骤S1～S3，至每个实体均与实体之间的关系融合；

S5、根据相似度判断两个实体是否为同一实体。

具体的，步骤S1中，特征向量包括实体的属性名称以及对应属性的具体内容。

进一步的，当实体的属性大于等于两个时，设有n个属性，分别为attr₁,attr₂,...,attr_n，对于每一个属性attr_i，其取值为kⁱ个，分别为value₁,value₂,...,value_k，确定每个实体的内部属性向量的维度

具体的，步骤S2中，通过实体的外部关系特征衡量关系向量。

具体的，步骤S3中，相似度为某一个实体与所有的关系向量进行实融合后的向量的余弦距离，将余弦距离赋予不同的权重并进行求和。

进一步的，以一个指标衡量实体之间的距离，对不同的维度计算出距离值以后，根据实体属性特征的取值分布情况给不同的距离值赋权重，然后加权求和。

具体的，步骤S5中，根据相似度与设定的阈值进行比较，判断两个实体是否为同一实体。

进一步的，当两个实体之间不是同一实体时，取其中一个实体继续与实体进行融合，直至判断出与某一个实体为同一实体，或者直至与所有实体全部融合。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种基于属性计算与知识模板的实体优化方法，通过建立单独的实体特征，以及各个实体之间的关系向量，最后通过融合实体特征以及关系向量，判断是否属于同一实体，避免了实体冗余、关系错误等问题，可以将粗糙的知识进行凝练，在降低知识库规模的同时，保证了其中知识的质量，为知识库的利用和迭代更新提供了保障。

进一步的，将粗糙的知识进行凝练，在降低知识库规模的同时，保证了其中知识的质量，为知识库的利用和迭代更新提供了保障。

综上所述，本发明提出了一种基于属性计算与领域知识模板的优化方法，对知识库中存在的上述问题进行处理，提升知识库的质量。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明方法流程图；

图2为本发明提供的实施例2中的实体融合前的关系演示图；

图3为本发明提供的实施例2中的实体融合后的关系演示图。

具体实施方式

请参阅图1，本发明一种基于属性计算与知识模板的实体优化方法，包括以下步骤：

S1、构建实体及其属性的相关信息形成每个实体的特征向量，实体为若干个；

特征向量包括实体的属性名称以及对应属性的具体内容。比如，变压器，可能具备变压器以及变压器输送线路、对应用户以及对应的变电站等诸多信息。

具体地，不同的性质的实体所具有的属性是不同的，也正因为如此，属性名称也可以作为融合的依据之一。

以变压器实体为例，每台变压器都有其生产厂家、出厂日期、额定容量、额定电压等信息，因此，可以根据两个实体是否都具有这些特征以及特征的具体内容来进行判断。

本技术方案中，实体是通过其所具有的属性进行区分的，就如同不同的人具有不同的身高、肤色、眼睛大小等等，因此，通过量化这些属性，并计算期间的距离，可以判断实体的相似度。

当某一实体，比如变压器具备多个属性时，对其进行维度建立，设有n个属性，分别为attr₁,attr₂,...,attr_n，对于每一个属性attr_i，其取值为kⁱ个，分别为value₁,value₂,...,value_k，则每个实体的内部属性向量的维度为

上述中，attr₁代表第1个属性，attr₂代表第2个属性，attr_n代表第n个属性，value₁代表某一种属性的第1个取值，value₂为某一种属性的第2个取值，value_k代表某一种属性的第K个取值。由于某些实体，会具备多个满足不同场合或者应用场景等属性，此时，通过建立维度，实现所有属性的同时容纳以及同时相融合。

具体地，在步骤S1之后，还包括知识库，知识库中包含有若干实体以及每个实体属性的相关信息。通过建立数据库，能够满足和实现多种实体的存储，便于后期的查找。比如，知识库中，不仅具有变压器的信息，还会有电流器、电感等信息的存储，电网资源中，信息量比较大，可以选用较大的存储空间，便于更多信息的存储，使其形成数据库，具体地，可以在单独的后台或者终端设备中，增加一个数据库的存储空间。

S2、根据特征向量，构建若干个实体之间的关系向量；

关系向量是通过实体的外部关系特征进行衡量的。

具体地，外部关系指的就是实体之间的关系。具体的，例如一台变压器一定会从属于某条线路，那么这个线路的信息就可以作为一个外部特征用于辅助判断两个变压器实体是否为同一实体。

客观世界的所有实体均不是独立存在的，而是彼此关联的，对于记录在不同系统中的同一实体，它们与其他实体之间的关系一定是非常相似的，因此，可以通过外部关系辅助判断。

不同实体可能具有相似的外部关系，而因此会产生误判，例如两个从小一起长大的人，他们有很多公共的朋友，如果单纯根据外部关系判断是否为同一个人就出错。

具体地，上述的相似度具体是指：某一个实体与所有的关系向量进行实融合后的向量的余弦距离，将余弦距离赋予不同的权重并进行求和。

具体地，求和是指对不同的维度计算出距离值以后，给不同的距离值赋权重，然后加权求和；目的是以一个指标衡量实体之间的距离，便于判断。

具体地，阈值一般是通过人工来给予，进而进行人工判定。

权重根据实体属性特征的取值分布情况进行人工判定。例如，虽然变压器都有生产厂家，但实际数据中这个属性的值并未填写，那么这个属性的权重就要相应调低，因为它为区分两个实体是否为同一实体所提供的信息太少了。

S4、重复步骤S1～S3，至每个实体均与实体之间的关系融合；

S5、根据相似度，判断两个实体是否为同一实体。

根据相似度与设定的阈值进行比较，进而判断两个实体是否为同一实体。

还包括，当两个实体之间不是同一实体时，取其中一个实体继续与实体进行融合，直至判断出与某一个实体为同一实体，或者直至与所有实体全部融合。

通过本发明的技术方案，可以将粗糙的知识进行凝练，在降低知识库规模的同时，保证了其中知识的质量，为知识库的利用和迭代更新提供了保障。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本实施例中，具体包括以下步骤：

首先，通过获取知识库中实体及其属性的相关信息，构建实体的属性特征向量，该向量既包含实体的属性名称，又包含对应属性的具体内容。通过向量的构建，旨在根据实体的内部属性特征去区分实体。

其次，根据实体之间的关联关系，构建实体的关系向量，关系向量衡量的是实体的外部关系特征。

再次，将实体的特征向量与关系向量进行融合，利用融合后的向量的余弦距离来表示实体之间的相似度。再将计算的相似度与人工设置的阈值进行比较，从而判断两个实体是否为同一实体，进一步决定是否进行融合。

经过上述步骤，实体及其之间的关系得到了一定的凝练，在此基础上，进一步利用领域知识模板，对存在逻辑错误的“实体-关系”对进行筛选，进一步优化知识库。

实施例2

本实施例中，一种基于属性计算与知识模板的实体优化方法，其实施过程主要分为三个阶段：

1.计算实体的表征向量

以某台变压器实体为例，首先我们需要获取变压器这类实体的所有的属性名称，假设一共有n个属性，分别为attr₁,attr₂,...,attr_n，对于每一个属性attr_i，其所有可能取值为kⁱ个，分别为value₁,value₂,...,value_k，那么，每个变压器实体的内部属性向量的维度为

其次，计算变压器实体的外部关系向量，例如，实体e₁关联两个实体分别是e_m和e_n，实体e₂关联三个实体分别是e_m,e_k和e_l，因此构建的向量长度为其关联实体的并集中元素个数，本例中为4，每个位置对应关联的实体。

2.计算实体相似度

根据两个实体描述向量，计算其余弦距离，然后赋予不同的权重进行求和，最终得到两个实体的相似度。将此相似度与设定的阈值进行比较，从而判断是否融合该对实体。

本实施例中，不同的设备实体以及不同的数据情况，所设置的阈值不同，不能一概而论。

3.关联新的实体关系

在去除冗余实体的过程中，实体之间的关系也随着发生了变化。如图2所示，假设融合前4个实体有三组关系，而经过判断，e1和e2为同一实体，e3和e4为同一实体，那么实体融合后的关系变为如图3所示，e5为e1和e2融合后的实体，e6为e3和e4融合后的实体。

在此基础之上，进一步引入领域知识模板，例如，对电网资源图谱而言，各电力设备的连接顺序为“变电站-输送线路-变压器-用户”，因此，一类变点站实体可以包含一些线路实体，但是反向的关系却是不成立的，对于存在反向关系的实体，就要重点考察其真实性。类似于这种方式，可以采用多种领域知识模板对实体关系进行限定，提升关系的准确性。

利用本方法进行处理的基础上可以添加领域知识的限定，提高本方法的准确率。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims

1.一种基于属性计算与知识模板的实体优化方法，其特征在于，包括以下步骤：

S2、根据特征向量，构建若干个实体之间的关系向量；

S4、重复步骤S1～S3，至每个实体均与实体之间的关系融合；

S5、根据相似度判断两个实体是否为同一实体。

2.根据权利要求1所述的基于属性计算与知识模板的实体优化方法，其特征在于，步骤S1中，特征向量包括实体的属性名称以及对应属性的具体内容。

3.根据权利要求2所述的基于属性计算与知识模板的实体优化方法，其特征在于，当实体的属性大于等于两个时，设有n个属性，分别为attr₁,attr₂,...,attr_n，对于每一个属性attr_i，其取值为kⁱ个，分别为value₁,value₂,...,value_k，确定每个实体的内部属性向量的维度

4.根据权利要求1所述的基于属性计算与知识模板的实体优化方法，其特征在于，步骤S2中，通过实体的外部关系特征衡量关系向量。

5.根据权利要求1所述的基于属性计算与知识模板的实体优化方法，其特征在于，步骤S3中，相似度为某一个实体与所有的关系向量进行实融合后的向量的余弦距离，将余弦距离赋予不同的权重并进行求和。

6.根据权利要求5所述的基于属性计算与知识模板的实体优化方法，其特征在于，以一个指标衡量实体之间的距离，对不同的维度计算出距离值以后，根据实体属性特征的取值分布情况给不同的距离值赋权重，然后加权求和。

7.根据权利要求1所述的基于属性计算与知识模板的实体优化方法，其特征在于，步骤S5中，根据相似度与设定的阈值进行比较，判断两个实体是否为同一实体。

8.根据权利要求7所述的基于属性计算与知识模板的实体优化方法，其特征在于，当两个实体之间不是同一实体时，取其中一个实体继续与实体进行融合，直至判断出与某一个实体为同一实体，或者直至与所有实体全部融合。