CN112800247A - 基于知识图谱共享的语义编/解码方法、设备和通信系统 - Google Patents
基于知识图谱共享的语义编/解码方法、设备和通信系统 Download PDFInfo
- Publication number
- CN112800247A CN112800247A CN202110382108.1A CN202110382108A CN112800247A CN 112800247 A CN112800247 A CN 112800247A CN 202110382108 A CN202110382108 A CN 202110382108A CN 112800247 A CN112800247 A CN 112800247A
- Authority
- CN
- China
- Prior art keywords
- semantic
- knowledge
- library
- information
- communication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
Abstract
本发明公开了基于知识图谱共享的语义编/解码方法、设备和通信系统,属于无线通信领域。本发明提出三种全新的基于知识图谱共享的语义通信架构,有望成为未来6G技术的基石。由于语义通信主要依赖于建立在人类用户和机器之间都具备普适性和可理解性的语义知识库,因此,有望打破目前机‑机智联中信息模态不一致导致的不兼容性问题,为建立能够满足不同类型设备之间互通互联的统一通信协议架构奠定基础。其次,由于语义通信以人类的普适性知识和语义体系作为基础,因此,可从根本保证人‑机智联与人‑人智联交互及通信时的用户服务体验,并进一步减少语义和物理信号之间的转换次数,从而降低可能产生的语义失真。
Description
技术领域
本发明属于无线通信领域,更具体地,涉及基于知识图谱共享的语义编/解码方法、设备和通信系统。
背景技术
近年来,随着人们对通信“智能化”和“以人为本”等需求的出现,各种基于人机交互通信技术的新兴智能业务层出不穷,如工业互联网、智能网联车、远程医疗/手术、虚拟现实及全息投影技术等。大量的新兴业务不再仅依靠高速率的数据传输,而开始对网络智能化和服务多样性等方面提出更多要求。在未来6G时代,当所有物理层维度资源均接近饱和状态时,如何进一步提高通信效率,持续满足人们复杂、多样和智能化信息传输的需求,是无线技术发展面临的新挑战。
然而,传统通信系统(3G/4G/5G)主要以高性能的数据传输为主要目标,未考虑数据中所包含的内容和语义信息,并且受限于香农信道容量限制。缺乏可统一机-机智联、人-机智联与人-人智联模式的归一化通信网络架构。此外,随着大量新兴业务的出现、推广和普及,现有网络架构将难以满足不同智联方式对资源业务用户需求多样化等方面快速增长的需求。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了基于知识图谱共享的语义编/解码方法、设备和通信系统,其目的在于解决基于数据的传统通信协议中存在的跨系统、跨协议、跨网络、跨人—机不兼容和难互通等问题。
为实现上述目的,按照本发明的第一方面,提供了一种基于知识图谱共享的语义编码方法,所述语义编码方法包括以下步骤:S1.将源信号输入至训练好的语义识别模型进行语义信息识别,所述语义信息包括:语义实体、实体间关系和实体属性,至少有一种语义信息被识别出;S2.在公共知识图谱库和私有知识图谱库中查询步骤S1识别出的语义信息,若存在,直接进入步骤S3,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3;S3.搜索公共知识图谱库和私有知识图谱库中与步骤S1识别出的语义信息相关联的语义信息,构建得到源信号中可能包含的语义信息集合;S4.对语义信息集合进行语义信息压缩,得到语义编码,所述语义编码用于语义通信。
其中,所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
优选地,在步骤S1中,同时将源信号与语义通信双方的语境输入至训练好的语义识别模型。
有益效果:本发明将源信号与语义通信双方的语境同时输入至训练好的语义识别模型,语义通信双方的语境帮助语义编码器对源信号中可能出现的语义实体、属性和关系进行判断,提高识别精度,减少搜索空间。
优选地,所述语义编码方法在步骤S4之后还包括:S5.对压缩后的语义信息进行信道编码,得到语义编码,所述语义编码用于语义通信。
有益效果:本发明对压缩后的语义信息进一步进行信道编码,对数码流进行相应的处理,使系统具有一定的纠错能力和抗干扰能力,可极大地避免码流传送中误码的发生。
为实现上述目的,按照本发明的第二方面,提供了一种基于知识图谱共享的语义解码方法,所述语义解码方法包括以下步骤:S1.对压缩语义信息包进行解压缩,得到部分语义信息;S2.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3;若存在,直接进入步骤S3;S3.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,恢复出完整的语义信息;S4.根据恢复出的完整的语义信息,将源信号恢复到语义通信接收方期望的表达形式。
其中,所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
优选地,借助语义通信双方的语境进行语义信息解压缩。
有益效果:本发明对周围的环境和语境进行感知,从而进一步提高语义信息恢复和解压缩的准确度,减少语义信息的搜索空间。
优选地,所述语义解码方法在步骤S1之前还包括:S0.从接收到的包含语义信息的数据包恢复出压缩语义信息。
为实现上述目的,按照本发明的第三方面,提供了一种基于知识图谱共享的语义编码器,包括:计算机可读存储介质和处理器;所述计算机可读存储介质用于存储可执行指令;所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行第一方面所述的语义编码方法。
为实现上述目的,按照本发明的第四方面,提供了一种基于知识图谱共享的语义解码器,包括:计算机可读存储介质和处理器;所述计算机可读存储介质用于存储可执行指令;所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行第二方面所述的语义解码方法。
为实现上述目的,按照本发明的第五方面,提供了一种用户端,所述用户端同时包含如第三方面所述的语义编码器和如第四方面所述的语义解码器,当用户端作为发送端时,将语义编码器的编码结果发送给接收端;当用户端作为接收端时,接收发送端的编码结果并进行解码。
为实现上述目的,按照本发明的第六方面,提供了一种基于知识图谱共享的语义通信系统,所述语义通信系统包括:服务器,用于训练语义识别模型,将训练好的语义识别模型发送给用户端;存储并维护公共知识图谱库,用于供用户端查询和调用;多个第五方面所述的用户端。
为实现上述目的,按照本发明的第七方面,提供了一种边缘计算服务器,所述边缘计算服务器部署在用户端周围,所述边缘计算服务器包含如第三方面所述的语义编码器和如第四方面所述的语义解码器,所述语义编码器用于接收发送端的源信号,并对源信号进行编码后,将语义编码返回给发送端;所述语义解码器用于接收接收端的信号,对接收信号进行解码后,将还原出的信号发送给接收端。
为实现上述目的,按照本发明的第八方面,提供了一种基于知识图谱共享的语义通信系统,所述语义通信系统包括:多个如第七方面所述的边缘计算服务器;云计算中心,用于存储并维护公共知识图谱库,用于供用户端查询和调用;多个用户端,当用户端作为发送端时,用于将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,用于将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号。
为实现上述目的,按照本发明的第九方面,提供了一种基于知识图谱共享的语义通信系统,所述语义通信系统包括:多个如第七方面所述的边缘计算服务器,所述边缘计算服务器还用于存储并维护公共知识图谱库,用于供用户端查询和调用;边缘计算服务器之间定期进行协同更新,以保证公共知识图谱库的一致性;多个用户端,当用户端作为发送端时,用于将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,用于将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号。
优选地,所述语义解码器还包括:评估模块,用于对语义解码结果进行评估,并将评估结果反馈给语义编码器;所述语义编码器还用于在评估结果低于设定阈值时,重新提取和压缩语义信息,并重新发给语义解码器。
有益效果:本发明通过评估结果判断接收的语义信息是否正确,进一步提高通信的准确性。
优选地,当源数据无法被语义识别模型识别时,训练新的语义识别模型,并将新的语义识别模型传递给语义编码器。
优选地,私有知识图谱库存放于用户端、边缘计算服务器或云计算中心,当接收到私有知识图谱库更新指令后,将语义识别模型识别出的且私有知识图谱库未包含的新语义信息加入私有知识图谱库。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明提出一种用于语义通信的语义编码方法和语义解码方法,所述语义编码方法将源信号输入至训练好的语义识别模型进行语义信息识别,在公共知识图谱库和私有知识图谱库中查询识别出的语义信息,若不存在,发送更新私有知识图谱库指令,搜索公共知识图谱库和私有知识图谱库中与识别出的语义信息相关联的语义信息,构建得到源信号中可能包含的语义信息集合,对语义信息集合进行语义信息压缩,得到语义编码。所述语义解码方法对压缩语义信息包进行解压缩,得到部分语义信息,在公共知识图谱库和私有知识图谱库查询部分语义信息,若不存在,发送更新私有知识图谱库指令,在公共知识图谱库和私有知识图谱库查询部分语义信息,恢复出完整的语义信息,根据恢复出的完整的语义信息,将源信号恢复到期望的表达形式。所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。语义通信过程中,语义编码器检测并提取源端信号所包含的具体语义内容,压缩和移除与语义无关的信息,从而保证语义通信的安全性和可行性。
(2)本发明提出三种全新的语义通信架构,有望成为未来6G技术的基石,第一种——服务器负责训练语义识别模型,将训练好的语义识别模型发送给用户端,存储并维护公共知识图谱库,而用户端负责语义编码和语义解码;第二种——边缘计算服务器负责语义编码和语义解码,云计算中心负责存储并维护公共知识图谱库,当用户端作为发送端时,负责将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,负责将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号;第三种——边缘计算服务器负责语义编码、语义解码和存储并维护公共知识图谱库,边缘计算服务器之间定期进行协同更新,以保证公共知识图谱库的一致性,当用户端作为发送端时,用于将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,用于将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号。由于语义通信主要依赖于建立在人类用户和机器之间都具备普适性和可理解性的语义知识库,因此,有望打破目前机-机智联中信息模态不一致导致的不兼容性问题,为建立能够满足不同类型设备之间互通互联的统一通信协议架构奠定基础。其次,由于语义通信以人类的普适性知识和语义体系作为基础,因此,可从根本保证人-机智联与人-人智联交互及通信时的用户服务体验,并进一步减少语义和物理信号之间的转换次数,从而降低可能产生的语义失真。
附图说明
图1为本发明提供的一种基于知识图谱共享的语义编码方法流程图。
图2为本发明提供的一种基于知识图谱共享的语义解码方法流程图。
图3为本发明提供的第一种基于知识图谱共享的语义通信系统架构示意图。
图4为本发明提供的第二种基于知识图谱共享的语义通信系统架构示意图。
图5为本发明提供的第三种基于知识图谱共享的语义通信系统架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
语义通信是通过提取和传输信号中用户信息的含义及语义达到通信目的方法。语义通信的基本要求是包括语义编码器和语义解码器在内的通信参与方具有相同的普适性知识和语义,包括语义实体、实体间关系和实体属性等,因此可以实现语义信息的识别和理解。语义实体包括如桌子、椅子、汽车和马路等在内的可以作为句子主语和宾语的名词。实体可以具备不同的类别和属性,例如汽车和自行车均属于交通工具。实体间可以具有不同的关系,包括逻辑关系和物理关系等。本发明提供的方法中,主要采用知识图谱来表征信号中的语义信息。不同类型的知识图谱可以对应不同的语义通信场景,例如基于百科全书的知识图谱可以对应人与人之间视频或音频通信,某个专业制造领域的知识图谱可以对应该领域的工厂和制造中可能出现的通信场景。
如图1所示,本发明提供了一种基于知识图谱共享的语义编码方法,所述语义编码方法包括以下步骤:步骤S1.将源信号输入至训练好的语义识别模型进行语义信息识别,所述语义信息包括:语义实体、实体间关系和实体属性,至少有一种语义信息被识别出。
利用已训练好的机器学习模型识别出源信号中的语义实体、关系和属性。例如,当源信号为图像、文本或者语音时,语义提取模块可利用已经训练好的对象识别模型(如卷积神经网络)识别出源信号中所包含的具体对象、关系和属性。
除此之外,还可进行语境感知,即感知周围环境、通信时间和地点及特定场景等与通信含义相关的其他信息,例如,在交通高峰时间段在复杂路口地点发生的通信含义有很大可能是和车辆间的协同驾驶有关。这些信息可以进一步地帮助语义编码器对源信号中可能出现的语义实体、属性和关系进行判断,提高识别精度,减少搜索空间。
步骤S2.在公共知识图谱库和私有知识图谱库中查询步骤S1识别出的语义信息,若存在,直接进入步骤S3,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3。
所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
全局知识与模型库包含普适性的知识实体(如常识性的单词和事实)与不同实体之间的关系。全局知识主要由云计算中心或者分布式边缘计算服务器维护,并可供不同的用户查询和调用。全局语义模型则包括从各种常用的源信号形式(如文本、图像、语音等)中识别和提取语义信息的主要模型和方法。可通过包括众包、多模态智群感知等在内的多种方式将不同用户在不同背景、语言和场景下积累的普适性知识和语义信息传输给云计算中心或者边缘计算服务器,并将这些知识和信息融入语义识别和认知模型,从而保证知识和语义突破时间和空间的局限,扩大语义通信适用场景。
不同用户可能拥有私有信息,由于语义信息的敏感性,私有信息一般不应上传给其他用户。用户可将私有知识和模型存储在指定的边缘计算服务器,也可以自行设计并训练可识别私有语义信息的模型,并将模型或者参数分享给边缘计算服务器或者其他用户。
知识图谱是一种由节点(知识实体,Entity)与边(关系,Relation)组成的多重图结构,一般采用三元组(主语,谓语,宾语)或(h,r,t)表示,如“爱因斯坦获得了诺贝尔奖”可以采用(h=“爱因斯坦”,r=“获得”,t=“诺贝尔奖”)表示。知识图谱不仅具有易操作和节省空间特点,还可以使用包括图卷积在内的大量人工智能领域的最新工作对不同知识图结构处理、压缩和优化。此外,目前已经有谷歌、WordNet和DBpedia等大量知识图谱可供使用。对于知识图谱来说,用户表达的信息或事件可能是一个存在于知识图谱的子图。
步骤S3.搜索公共知识图谱库和私有知识图谱库中与步骤S1识别出的语义信息相关联的语义信息,构建得到源信号中可能包含的语义信息集合。
通过搜索知识图谱判断实体可能具有的属性和不同实体之间可能发生的关系,从而推断出源信号中可能包含的语义信息的集合。
步骤S4.对语义信息集合进行语义信息压缩,得到语义编码,所述语义编码用于语义通信。
获得了完成的语义信息后,将需要对语义信息进行压缩。一般来说,多个语义实体之间的关系和属性可能具备较高的相关性。因此,可利用深度学习去除不同实体属性和关系之间的冗余信息和相关性,从而实现语义信息的压缩。将压缩后所得到的语义信息数据包进行编码后发送给接收侧的语义解码器。
如图2所示,本发明提供了一种基于知识图谱共享的语义解码方法,所述语义解码方法包括以下步骤:步骤S1.对压缩语义信息包进行解压缩,得到部分语义信息。
在接收到包含有语义信息的数据包后,首先对接收信号进行预处理,去除接收信号中的噪声和干扰造成的影响,并恢复出信号中所包含的压缩语义信息。
步骤S2.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3;若存在,直接进入步骤S3。
所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
通过查询和搜索知识图谱纠正恢复出的语义信息中较明显的错误,例如实体间不可能存在的逻辑关系错误。
步骤S3.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,恢复出完整的语义信息。
利用知识图谱对压缩后的语义信息实现解压缩,恢复出完整的实体信息和属性以及之间的关系。除了利用知识图谱以外,还可对周围的环境和语境进行感知,从而进一步提高语义信息恢复和解压缩的准确度,减少语义信息的搜索空间。
步骤S4.根据恢复出的完整的语义信息,将源信号恢复到语义通信接收方期望的表达形式。
语义编码器可采用半监督机器学习方法压缩发送的语义信息,例如仅向语义解码器传输有限的标签数据(如部分的实体信息、属性和关系),语义解码器在接收到带有标签的部分实体、关系或属性信息后,可根据知识图谱中已知实体与其他未知实体间的关系和属性恢复出所有源信号中包含的语义和属性信息以及相互关系;最终,语义解码器根据还原出来的语义信息将源信号恢复到语义通信接收方期望的表达形式,例如,源信息如果为语音,接收用户可理解形式为文本,语义解码器应当根据知识图谱中存储的实体和关系对应的语义信息恢复为文本的形式,发送给最终的接收用户。
为进一步提高语义通信的准确度,语义解码器可评估恢复出的语义表达的准确度和用户满意分数,并将所得到的分数反馈给语义编码器。此外,当语义解码器接收到的语义信息准确度和用户满意度低于预设门限值时,也应当将所恢复出的语义信息加入到私有知识图谱库中,从而在未来相同的环境和语境条件下减少该语义信息出现的概率和权重。当用户满意分数低于某预设的门限值也可能意味着语义信息接收失败,此时,语义编码器还应当重新提取、压缩并发送语义信息。
语义编码器和语义解码器所共享的知识图谱(公共知识图谱库)可以存储在语义编码器和语义解码器本地。此外,共享的知识图谱也可存储在语义编码器或语义解码器附近的边缘计算服务器或者云计算中心。此外,边缘计算服务器或云计算中心除了存储知识图谱外还应当提供训练好的知识图谱的搜索和识别算法模型。当有新的语义实体和关系加入知识图谱后,边缘计算服务器或云计算中心还可更新所训练的模型,并将训练好的模型发送给相关的语义编码器和语义解码器。
由于识别和处理语义信息所耗费的计算和存储资源远超出单个智能终端所具备的能力,因此,语义通信网络应当充分利用外部的计算和存储资源,并在海量用户之间实现多种资源的融合与共享。在大量用户周围部署边缘计算服务器和存储设备卸载用户终端的语义识别和处理任务是一种有效解决方法。具体而言,用户终端可以实时地将语义编码和解码任务卸载到与其最邻近的边缘计算服务器上。边缘计算服务器在收到用户请求后快速执行计算、存储以及AI 模型训练等任务并将结果及时反馈用户。对应地,本发明提出三种全新的基于知识图谱的语义通信系统,分别如图3-图5所示。
此外,语义编码器和语义解码器可根据不同的场景和需求共享不同类型的知识图谱,例如,在智能制造工厂中的人机交互场景中,语义编码器和语义解码器所共享的知识图谱可以是制造过程中可能出现的实体(如不同类型的机器等)和关系(如对不同机器的操作方法和指令等)。如果在某专业领域的视频研讨会时,语义编码器和语义解码器所共享的知识图谱则需要专业领域中的术语和名词以及相互之间的关系。
如表1所示,本实施例采用三个主要的知识图谱数据集,包括学术论文引文数据集Cora、美国亚马逊网站客户购物数据集Amazon Co-Purchase和微软学术图谱中计算机科学领域论文作者数据集Coauthor CS,模拟在语义通信中利用知识图谱相关性压缩传输的数据量。假设发射端仅传输一部分知识实体类别信息,接收端在接收到发射端发送的部分知识实体标签数据集后进行解码。可以观察到,由于不同数据集知识实体间相关性不同,所以在不同的压缩率下错误率也不尽相同。具体而言,Coauthor(CS)在压缩率为5.46%时候仍能够维持10.91%的低错误率,但是Amazon Co-Purchase在压缩率仅为50.94%的时候,错误率就已经高达14.40%了,而Cora在错误率为10.93%时压缩率则为20.46%。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种基于知识图谱共享的语义编码方法,其特征在于,所述语义编码方法包括以下步骤:
S1.将源信号输入至训练好的语义识别模型进行语义信息识别,所述语义信息包括:语义实体、实体间关系和实体属性,至少有一种语义信息被识别出;
S2.在公共知识图谱库和私有知识图谱库中查询步骤S1识别出的语义信息,若存在,直接进入步骤S3,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3;
S3.搜索公共知识图谱库和私有知识图谱库中与步骤S1识别出的语义信息相关联的语义信息,构建得到源信号中可能包含的语义信息集合;
S4.对语义信息集合进行语义信息压缩,得到语义编码,所述语义编码用于语义通信;
其中,所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
2.如权利要求1所述的语义编码方法,其特征在于,在步骤S1中,同时将源信号与语义通信双方的语境输入至训练好的语义识别模型。
3.如权利要求1或2所述的语义编码方法,其特征在于,所述语义编码方法在步骤S4之后还包括:
S5.对压缩后的语义信息进行信道编码,得到语义编码,所述语义编码用于语义通信。
4.一种基于知识图谱共享的语义解码方法,其特征在于,所述语义解码方法包括以下步骤:
S1.对压缩语义信息包进行解压缩,得到部分语义信息;
S2.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,若不存在,发送更新私有知识图谱库指令,待私有知识图谱库完成更新,再进入步骤S3;若存在,直接进入步骤S3;
S3.在公共知识图谱库和私有知识图谱库查询步骤S1得到的部分语义信息,恢复出完整的语义信息;
S4.根据恢复出的完整的语义信息,将源信号恢复到语义通信接收方期望的表达形式;
其中,所述公共知识图谱库中的语义实体、实体间关系和实体属性能够同时被所有语义通信参与方接收和理解,所述私有知识图谱库中的语义实体、实体间关系和实体属性仅能够被指定语义通信参与方接收和理解。
5.如权利要求4所述的语义解码方法,其特征在于,借助语义通信双方的语境进行语义信息解压缩。
6.如权利要求4或5所述的语义解码方法,其特征在于,所述语义解码方法在步骤S1之前还包括:
S0.从接收到的包含语义信息的数据包恢复出压缩语义信息。
7.一种基于知识图谱共享的语义编码器,其特征在于,包括:计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行权利要求1至3任一项所述的语义编码方法。
8.一种基于知识图谱共享的语义解码器,其特征在于,包括:计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行权利要求4至6任一项所述的语义解码方法。
9.一种用户端,其特征在于,所述用户端同时包含如权利要求7所述的语义编码器和如权利要求8所述的语义解码器,当用户端作为发送端时,将语义编码器的编码结果发送给接收端;当用户端作为接收端时,接收发送端的编码结果并进行解码。
10.一种基于知识图谱共享的语义通信系统,其特征在于,所述语义通信系统包括:
服务器,用于训练语义识别模型,将训练好的语义识别模型发送给用户端;存储并维护公共知识图谱库,用于供用户端查询和调用;
多个如权利要求9所述的用户端。
11.一种边缘计算服务器,其特征在于,所述边缘计算服务器部署在用户端周围,所述边缘计算服务器包含如权利要求7所述的语义编码器和如权利要求8所述的语义解码器,所述语义编码器用于接收发送端的源信号,并对源信号进行编码后,将语义编码返回给发送端;所述语义解码器用于接收接收端的信号,对接收信号进行解码后,将还原出的信号发送给接收端。
12.一种基于知识图谱共享的语义通信系统,其特征在于,所述语义通信系统包括:
多个如权利要求11所述的边缘计算服务器;
云计算中心,用于存储并维护公共知识图谱库,用于供用户端查询和调用;
多个用户端,当用户端作为发送端时,用于将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,用于将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号。
13.一种基于知识图谱共享的语义通信系统,其特征在于,所述语义通信系统包括:
多个如权利要求11所述的边缘计算服务器,所述边缘计算服务器还用于存储并维护公共知识图谱库,用于供用户端查询和调用;边缘计算服务器之间定期进行协同更新,以保证公共知识图谱库的一致性;
多个用户端,当用户端作为发送端时,用于将源信号发送给距离最近的边缘计算服务器中语义编码器进行编码,得到语义编码后,将语义编码发送给接收端;当用户端作为接收端时,用于将接收到的信号发送给距离最近的边缘计算服务器,接收边缘计算服务器中语义解码器还原出的信号。
14.如权利要求10、12或13所述的语义通信系统,其特征在于,所述语义解码器还包括:评估模块,用于对语义解码结果进行评估,并将评估结果反馈给语义编码器;
所述语义编码器还用于在评估结果低于设定阈值时,重新提取和压缩语义信息,并重新发给语义解码器。
15.如权利要求10、12、13或14所述的语义通信系统,其特征在于,当源数据无法被语义识别模型识别时,训练新的语义识别模型,并将新的语义识别模型传递给语义编码器。
16.如权利要求10、12、13、14或15所述的语义通信系统,其特征在于,私有知识图谱库存放于用户端、边缘计算服务器或云计算中心,当接收到私有知识图谱库更新指令后,将语义识别模型识别出的且私有知识图谱库未包含的新语义信息加入私有知识图谱库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110382108.1A CN112800247B (zh) | 2021-04-09 | 2021-04-09 | 基于知识图谱共享的语义编/解码方法、设备和通信系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110382108.1A CN112800247B (zh) | 2021-04-09 | 2021-04-09 | 基于知识图谱共享的语义编/解码方法、设备和通信系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800247A true CN112800247A (zh) | 2021-05-14 |
CN112800247B CN112800247B (zh) | 2021-06-18 |
Family
ID=75816681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110382108.1A Active CN112800247B (zh) | 2021-04-09 | 2021-04-09 | 基于知识图谱共享的语义编/解码方法、设备和通信系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800247B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315972A (zh) * | 2021-05-19 | 2021-08-27 | 西安电子科技大学 | 基于层级知识表达的视频语义通信方法及系统 |
CN113361198A (zh) * | 2021-06-09 | 2021-09-07 | 南京大学 | 一种基于公共和私有信息挖掘的众包测试报告融合方法 |
CN113992288A (zh) * | 2021-10-29 | 2022-01-28 | 南京航空航天大学 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
CN114091673A (zh) * | 2022-01-19 | 2022-02-25 | 华中科技大学 | 语义信息表示方法、语义编码器、解码器和语义通信框架 |
CN114490920A (zh) * | 2022-01-21 | 2022-05-13 | 华中科技大学 | 语义知识库自动构建与更新方法、语义编码器和通信架构 |
CN114611524A (zh) * | 2022-02-08 | 2022-06-10 | 马上消费金融股份有限公司 | 文本纠错方法、装置、电子设备及存储介质 |
CN116127090A (zh) * | 2022-12-28 | 2023-05-16 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
WO2023095932A1 (ko) * | 2021-11-23 | 2023-06-01 | 엘지전자 주식회사 | 시맨틱 기반 무선 통신 시스템에서 데이터를 전송하는 방법, 전송 기기, 프로세싱 장치 및 저장 매체, 그리고 데이터를 수신하는 방법, 수신 기기 및 저장 매체 |
CN116208970A (zh) * | 2023-04-18 | 2023-06-02 | 山东科技大学 | 一种基于知识图谱感知的空地协作卸载和内容获取方法 |
WO2023138238A1 (zh) * | 2022-01-20 | 2023-07-27 | 北京邮电大学 | 基于智简网络的信息发送方法、装置、电子设备及介质 |
WO2023179800A1 (zh) * | 2022-03-21 | 2023-09-28 | 北京邮电大学 | 通信接收方法及其装置 |
CN117112806A (zh) * | 2023-10-12 | 2023-11-24 | 北京大学深圳研究生院 | 一种基于知识图谱的信息结构化方法和装置 |
WO2023236986A1 (zh) * | 2022-06-10 | 2023-12-14 | 华为技术有限公司 | 一种通信方法及通信装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080102821A1 (en) * | 2006-10-31 | 2008-05-01 | Julien Jacques Jalon | Control of electronic devices |
CN101187990A (zh) * | 2007-12-14 | 2008-05-28 | 华南理工大学 | 一种会话机器人系统 |
CN107247881A (zh) * | 2017-06-20 | 2017-10-13 | 北京大数医达科技有限公司 | 一种多模态智能分析方法及系统 |
CN107766483A (zh) * | 2017-10-13 | 2018-03-06 | 华中科技大学 | 一种基于知识图谱的交互式问答方法及系统 |
CN110162639A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 识图知意的方法、装置、设备及存储介质 |
CN110490213A (zh) * | 2017-09-11 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置及存储介质 |
CN111444305A (zh) * | 2020-03-19 | 2020-07-24 | 浙江大学 | 一种基于知识图谱嵌入的多三元组联合抽取方法 |
US10853150B1 (en) * | 2019-12-31 | 2020-12-01 | Fujitsu Limited | Generating application programming interface knowledge graphs |
-
2021
- 2021-04-09 CN CN202110382108.1A patent/CN112800247B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080102821A1 (en) * | 2006-10-31 | 2008-05-01 | Julien Jacques Jalon | Control of electronic devices |
CN101187990A (zh) * | 2007-12-14 | 2008-05-28 | 华南理工大学 | 一种会话机器人系统 |
CN107247881A (zh) * | 2017-06-20 | 2017-10-13 | 北京大数医达科技有限公司 | 一种多模态智能分析方法及系统 |
CN110490213A (zh) * | 2017-09-11 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置及存储介质 |
CN107766483A (zh) * | 2017-10-13 | 2018-03-06 | 华中科技大学 | 一种基于知识图谱的交互式问答方法及系统 |
CN110162639A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 识图知意的方法、装置、设备及存储介质 |
US10853150B1 (en) * | 2019-12-31 | 2020-12-01 | Fujitsu Limited | Generating application programming interface knowledge graphs |
CN111444305A (zh) * | 2020-03-19 | 2020-07-24 | 浙江大学 | 一种基于知识图谱嵌入的多三元组联合抽取方法 |
Non-Patent Citations (1)
Title |
---|
张仲伟等: ""基于神经网络的知识推理研究综述"", 《计算机工程与应用》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315972A (zh) * | 2021-05-19 | 2021-08-27 | 西安电子科技大学 | 基于层级知识表达的视频语义通信方法及系统 |
CN113315972B (zh) * | 2021-05-19 | 2022-04-19 | 西安电子科技大学 | 基于层级知识表达的视频语义通信方法及系统 |
CN113361198A (zh) * | 2021-06-09 | 2021-09-07 | 南京大学 | 一种基于公共和私有信息挖掘的众包测试报告融合方法 |
CN113361198B (zh) * | 2021-06-09 | 2023-11-03 | 南京大学 | 一种基于公共和私有信息挖掘的众包测试报告融合方法 |
CN113992288B (zh) * | 2021-10-29 | 2023-04-07 | 南京航空航天大学 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
CN113992288A (zh) * | 2021-10-29 | 2022-01-28 | 南京航空航天大学 | 一种面向6g通信网络的超大规模频谱知识图谱构建方法 |
WO2023095932A1 (ko) * | 2021-11-23 | 2023-06-01 | 엘지전자 주식회사 | 시맨틱 기반 무선 통신 시스템에서 데이터를 전송하는 방법, 전송 기기, 프로세싱 장치 및 저장 매체, 그리고 데이터를 수신하는 방법, 수신 기기 및 저장 매체 |
CN114091673A (zh) * | 2022-01-19 | 2022-02-25 | 华中科技大学 | 语义信息表示方法、语义编码器、解码器和语义通信框架 |
CN114091673B (zh) * | 2022-01-19 | 2022-04-08 | 华中科技大学 | 语义编码器、解码器和语义通信框架 |
WO2023138238A1 (zh) * | 2022-01-20 | 2023-07-27 | 北京邮电大学 | 基于智简网络的信息发送方法、装置、电子设备及介质 |
CN114490920B (zh) * | 2022-01-21 | 2022-10-14 | 华中科技大学 | 语义知识库自动构建与更新方法、语义编码器和通信架构 |
CN114490920A (zh) * | 2022-01-21 | 2022-05-13 | 华中科技大学 | 语义知识库自动构建与更新方法、语义编码器和通信架构 |
CN114611524A (zh) * | 2022-02-08 | 2022-06-10 | 马上消费金融股份有限公司 | 文本纠错方法、装置、电子设备及存储介质 |
CN114611524B (zh) * | 2022-02-08 | 2023-11-17 | 马上消费金融股份有限公司 | 文本纠错方法、装置、电子设备及存储介质 |
WO2023179800A1 (zh) * | 2022-03-21 | 2023-09-28 | 北京邮电大学 | 通信接收方法及其装置 |
WO2023236986A1 (zh) * | 2022-06-10 | 2023-12-14 | 华为技术有限公司 | 一种通信方法及通信装置 |
CN116127090A (zh) * | 2022-12-28 | 2023-05-16 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
CN116127090B (zh) * | 2022-12-28 | 2023-11-21 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
CN116208970B (zh) * | 2023-04-18 | 2023-07-14 | 山东科技大学 | 一种基于知识图谱感知的空地协作卸载和内容获取方法 |
CN116208970A (zh) * | 2023-04-18 | 2023-06-02 | 山东科技大学 | 一种基于知识图谱感知的空地协作卸载和内容获取方法 |
CN117112806A (zh) * | 2023-10-12 | 2023-11-24 | 北京大学深圳研究生院 | 一种基于知识图谱的信息结构化方法和装置 |
CN117112806B (zh) * | 2023-10-12 | 2024-01-26 | 北京大学深圳研究生院 | 一种基于知识图谱的信息结构化方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112800247B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800247B (zh) | 基于知识图谱共享的语义编/解码方法、设备和通信系统 | |
Shi et al. | From semantic communication to semantic-aware networking: Model, architecture, and open problems | |
Gündüz et al. | Beyond transmitting bits: Context, semantics, and task-oriented communications | |
CN111339443B (zh) | 用户标签确定方法、装置、计算机设备及存储介质 | |
CN112801719A (zh) | 用户行为预测方法、用户行为预测装置、存储介质及设备 | |
Liang et al. | Life-long learning for reasoning-based semantic communication | |
CN107636655A (zh) | 实时提供数据即服务(DaaS)的系统和方法 | |
CN105353878A (zh) | 现实增强信息处理方法、装置及系统 | |
CN114266230A (zh) | 文本结构化处理方法、装置、存储介质及计算机设备 | |
CN111506717B (zh) | 问题答复方法、装置、设备及存储介质 | |
CN115454554A (zh) | 文本描述的生成方法、装置、终端及存储介质 | |
CN112802485B (zh) | 语音数据处理方法、装置、计算机设备及存储介质 | |
CN115631502A (zh) | 文字识别方法、装置、模型训练方法、电子设备及介质 | |
CN114638308A (zh) | 一种获取对象关系的方法、装置、电子设备和存储介质 | |
CN115168609A (zh) | 一种文本匹配方法、装置、计算机设备和存储介质 | |
CN115312028A (zh) | 语音识别方法、装置、计算机可读存储介质及计算机设备 | |
CN114782077A (zh) | 信息筛选方法、模型训练方法、装置、电子设备和介质 | |
CN113886547A (zh) | 基于人工智能的客户实时对话转接方法、装置和电子设备 | |
CN114328679A (zh) | 图像处理方法、装置、计算机设备以及存储介质 | |
Li et al. | Semantic analysis of literary vocabulary based on microsystem and computer aided deep research | |
Dong et al. | Innovative semantic communication system | |
CN113571063A (zh) | 语音信号的识别方法、装置、电子设备及存储介质 | |
CN110868615B (zh) | 一种视频处理方法、装置、电子设备以及存储介质 | |
US11831698B2 (en) | Data streaming protocols in edge computing | |
CN113572679B (zh) | 账户亲密度的生成方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |