CN112905712B - 知识图谱处理方法、装置、电子设备和介质 - Google Patents
知识图谱处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112905712B CN112905712B CN201911225911.3A CN201911225911A CN112905712B CN 112905712 B CN112905712 B CN 112905712B CN 201911225911 A CN201911225911 A CN 201911225911A CN 112905712 B CN112905712 B CN 112905712B
- Authority
- CN
- China
- Prior art keywords
- entity
- map
- sub
- determining
- graph
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种知识图谱处理方法、装置、电子设备和介质,涉及计算机技术领域。具体实现方案为:确定初始知识图谱中待校验的实体对;其中实体对包括第一实体和第二实体;从初始知识图谱中提取第一实体的第一实体子图谱和第二实体的第二实体子图谱;根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系。本申请通过在初始知识图谱中提取待校验实体对的第一实体子图谱和第二实体子图谱,并根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系,实现了对知识图谱中实体之间边关系的校验,并且由于引入了实体子图谱,丰富了校验信息,提高了实体间边关系校验的准确度,保证了知识图谱的准确性和可靠性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及知识图谱技术,尤其涉及一种知识图谱处理方法、装置、电子设备和介质。
背景技术
本申请涉及计算机技术领域,具体涉及知识图谱技术,尤其涉及一种知识图谱处理方法、装置、电子设备和介质。
发明内容
本申请提供一种知识图谱处理方法、装置、电子设备和介质,以提高对知识图谱中实体间边关系校验的准确度。
第一方面,本申请实施例提供了一种知识图谱处理方法,所述方法包括:
确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体;
从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱;
根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系。
上述申请中的一个实施例具有如下优点或有益效果:通过在初始知识图谱中提取待校验实体对的第一实体子图谱和第二实体子图谱,并根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系,实现了对知识图谱中实体之间边关系的校验,并且由于引入了实体子图谱,丰富了校验信息,提高了实体间边关系校验的准确度,保证了知识图谱的准确性和可靠性。
可选的,从所述初始知识图谱中提取任一实体的子图谱,包括:
将所述初始知识图谱中与该实体直接连接的实体作为第一层关联实体;
将与第N层实体直接连接的实体作为第N+1层关联实体,以得到包括关联实体的子图谱;N为正整数。
上述申请中的一个实施例具有如下优点或有益效果:通过将与任一实体直接连接或者间接连接的各层关联实体,作为该实体的子图谱,为后续根据实体子图谱确定实体间边关系奠定了基础。
可选的,根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系,包括:
确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息;
确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息;
根据所述相同实体数量信息和所述辅助边关系信息,确定所述第一实体和所述第二实体的边关系。
上述申请中的一个实施例具有如下优点或有益效果:通过根据相同实体数量信息和辅助边关系信息,确定第一实体和第二实体的边关系,丰富了边关系校验信息,提高了实体间边关系校验的准确度。
可选的,确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息,包括如下至少一项:
确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,属于各边关系类别的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级中属于各边关系类别的相同关联实体数量。
上述申请中的一个实施例具有如下优点或有益效果:通过确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量、各层级的相同关联实体数量、属于各边关系类别的相同关联实体数量以及各层级中属于各边关系类别的相同关联实体数量,进一步丰富了边关系校验信息,提高了实体间边关系校验的准确度。
可选的,确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息,包括:
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,属于各边关系类别的辅助边关系数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系名称和属于各名称的辅助边关系数量。
上述申请中的一个实施例具有如下优点或有益效果:通过确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量、属于各边关系类别的辅助边关系数量以及辅助边关系名称和属于各名称的辅助边关系数量,进一步丰富了边关系校验信息,提高了实体间边关系校验的准确度。
可选的,边关系类别包括如下至少一类:至亲类、远亲类、朋友类、组织机构类和作品类。
上述申请中的一个实施例具有如下优点或有益效果:通过将至亲类、远亲类、朋友类、组织机构类和作品类作为边关系类别,使得知识图谱中边关系类别不限于人物之间,还包括组织机构类和作品类,使得知识图谱包含的信息更加丰富。
可选的,确定初始知识图谱中待校验的实体对,包括:
若初始知识图谱中任一实体有连接到另一实体的边关系,且另一实体没有连接到该实体的边关系,则将该实体和另一实体作为待校验的实体对。
上述申请中的一个实施例具有如下优点或有益效果:通过若初始知识图谱中任一实体有连接到另一实体的边关系,且另一实体没有连接到该实体的边关系,则将该实体和另一实体作为待校验的实体对,实现了对知识图谱中存在单边关系的实体对进行边关系校验的效果。
可选的,确定初始知识图谱中待校验的实体对,包括:
若初始知识图谱中存在待补边关系的实体名称对,则根据实体名称对中第一实体名称从初始知识图谱中确定第一候选实体,根据实体名称对中第二实体名称从初始知识图谱中确定第二候选实体;
将所述第一候选实体和所述第二候选实体作为待校验的实体对。
上述申请中的一个实施例具有如下优点或有益效果:若初始知识图谱中存在待补边关系的实体名称对,则将第一实体名称对应的第一候选实体以及第二实体名称对应的第二候选实体作为待校验的实体对,实现了对知识图谱中存在待补边关系的实体对进行边关系校验的效果。
第二方面,本申请实施例提供了一种知识图谱处理装置,所述装置包括:
实体对确定模块,用于确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体;
子图谱提取模块,用于从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱;
边关系确定模块,用于根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系。
第三方面,本申请实施例还公开了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请任意实施例所述的知识图谱处理方法。
第四方面,本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请任意实施例所述的知识图谱处理方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的一种知识图谱处理方法的流程示意图;
图2是根据本申请第二实施例的一种知识图谱处理方法的流程示意图;
图3是根据本申请第三实施例的一种知识图谱处理装置的结构示意图;
图4是用来实现本申请实施例的知识图谱处理方法的电子设备的框图。
实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例
图1是本申请实施例一提供的一种知识图谱处理方法的流程示意图。本实施例适用于对知识图谱中实体间边关系进行校验的情况,可以由本申请实施例提供的知识图谱处理装置来执行,该装置可以采用软件和/或硬件的方式实现。如图1所示,该方法可以包括:
S101、确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体。
其中,初始知识图谱包括实体信息以及实体之间的边关系信息。初始知识图谱可以由如下方式来建立:获取目标实体作为初始知识图谱中的实体信息,其中目标实体可根据知识图谱所属领域来确定,例如若知识图谱所属领域为体育领域,则目标实体可以是运动员或者教练员等,又例如若知识图谱所属领域为影视领域,则目标实体可以是演员或者导演等;基于各目标实体在现有搜索引擎中的key-value数据,构建初始知识图谱中的边关系信息,其中在初始知识图谱中每一条边关系即是一个SPO(Subject-Predication-Object,主语-谓语-宾语)数据,实体作为S,实体在现有搜索引擎中的key即属性名作为P,实体在现有搜索引擎中的value即属性值作为O,例如实体“张三”在现有搜索引擎中有一个key-value数据妻子“李四”,若在“李四”的搜索引擎页面中具有指向“张三”的URL(UniformResource Locator,统一资源定位符)地址,而在“张三”的搜索引擎页面中不具有指向“李四”的URL地址,则构成由“李四”连接到“张三”的一条单向连接边关系;若在“张三”的搜索引擎页面中具有指向“李四”的URL地址,而在“李四”的搜索引擎页面中不具有指向“张三”的URL地址,则构成由“张三”连接到“李四”的一条单向连接边关系;若在“李四”的搜索引擎页面中具有指向“张三”的URL地址,同时在“张三”的搜索引擎页面中也具有指向“李四”的URL地址,这样就构成了“张三”与“李四”之间的一条双向连接边关系。
具体的,将初始知识图谱中需要确定边关系的两个实体,作为待校验的实体对。
可选的,S101包括:若初始知识图谱中任一实体有连接到另一实体的边关系,且另一实体没有连接到该实体的边关系,则将该实体和另一实体作为待校验的实体对。
其中,实体在搜索引擎的key-value数据中,有些属性值具有指向实体的URL地址,而有些属性值则不具有指向实体的URL地址。例如,实体“张三”在搜索引擎中有一个key-value数据妻子“李四”,在“张三”的搜索引擎页面中具有指向“李四”的URL地址,而在“李四”的搜索引擎页面中不具有指向“张三”的URL地址,因此在初始知识图谱中存在“张三”连接到“李四”的边关系,但是不存在“李四”连接到“张三”的边关系,则将“张三”和“李四”作为待校验的实体对。
可选的,S101还包括:若初始知识图谱中存在待补边关系的实体名称对,则根据实体名称对中第一实体名称从初始知识图谱中确定第一候选实体,根据实体名称对中第二实体名称从初始知识图谱中确定第二候选实体;将所述第一候选实体和所述第二候选实体作为待校验的实体对。
具体的,在初始知识图谱中存在两个实体名称之间具有关系但是具体实体之间却没有建立边关系的情况,例如“张三”有实体名称为“王五”和“赵六”的两个儿子,通常情况下实体名称“王五”和实体名称“赵六”之间具有关系,但是在初始知识图谱中具体实体“王五”和“赵六”之间没有建立边关系,由于初始知识图谱中实体名称为“王五”和实体名称为“赵六”的实体有多个,则将实体名称为“王五”的实体作为第一候选实体,将实体名称为“赵六”的实体作为第二候选实体,将第一候选实体和第二候选实体作为待校验的实体对。
通过确定初始知识图谱中待校验的实体对,为后续确定待校验实体对中第一实体和第二实体的边关系奠定了基础。
S102、从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱。
其中,任一实体的子图谱包括了与该实体直接连接和间接连接的关联实体,以及各关联实体的边关系。
可选的,从初始知识图谱中提取任一实体的子图谱,包括:将所述初始知识图谱中与该实体直接连接的实体作为第一层关联实体;将与第N层实体直接连接的实体作为第N+1层关联实体,以得到包括关联实体的子图谱;N为正整数。
示例性的,假设在初始知识图谱中,与实体1直接连接的实体为实体2、实体3和实体4,则将实体2、实体3和实体4作为实体1的第一层关联实体;与实体2直接连接的实体为实体21、实体22和实体23,与实体3直接连接的实体为实体31、实体32和实体33,与实体4直接连接的实体为实体41、实体42和实体43,则将实体21、实体22、实体23、实体31、实体32、实体33、实体41、实体42和实体43作为实体1的第二层关联实体。
通过从初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱,为后续根据第一实体子图谱和第二实体子图谱,确定第一实体与第二实体之间的边关系奠定了基础。
S103、根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系。
具体的,根据第一实体子图谱和第二实体子图谱中的实体信息,以及第一实体子图谱包含的实体和第二实体子图谱包含的实体之间的边关系信息,确定第一实体和第二实体在初始知识图谱中的边关系。
可选的,S103包括:
A、确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息。
其中,相同实体数量信息包括但不限于相同关联实体总数量、各层级的相同关联实体数量、属于各边关系类别的相同关联实体数量以及各层级中属于各边关系类别的相同关联实体数量等。
可选的,边关系类别包括如下至少一类:至亲类、远亲类、朋友类、组织机构类和作品类。例如将父母、子女、兄弟姐妹或妻子丈夫等边关系作为“至亲类”;又例如将表兄、堂兄、表姐或表弟等边关系作为“远亲类”;又例如将同学、网友、笔友或舍友等边关系作为“朋友类”边关系;又例如将学校、工作单位、所属运动队、社团组织或其他组织等边关系作为“组织机构类”;又例如将电影、电视、综艺、书籍或绘画等边关系作为“作品类”。
示例性的,以相同实体数量信息为相同关联实体总数量为例,假设第一实体子图谱包括实体1、实体2、实体3、实体4和实体5;第二实体子图谱包括实体1、实体3、实体5、实体6、实体7和实体8,则第一实体子图谱和第二实体子图谱中相同实体数量信息为三个。
B、确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息。
其中,若第一实体子图谱中第一层级任一关联实体,与第二实体子图谱中第一层级任一关联实体存在边关系,则表示第一实体子图谱中第一层级关联实体与第二实体子图谱中第一层级关联实体之间存在辅助边关系。例如,假设第一实体子图谱中第一层级包括实体A、实体B和实体C,第二实体子图谱中第一层级包括实体D、实体E和实体F,其中实体C与实体E存在边关系,则表示实体C与实体E之间存在辅助边关系。
具体的,辅助边关系信息包括但不限于辅助边关系总数量、属于各边关系类别的辅助边关系数量以及辅助边关系名称和属于各名称的辅助边关系数量等。
C、根据所述相同实体数量信息和所述辅助边关系信息,确定所述第一实体和所述第二实体的边关系。
可选的,确定第一实体和第二实体的边关系可以由如下方式来实现:将第一实体子图谱与第二实体子图谱的相同实体数量信息和辅助边关系信息,输入到预设的边关系判定模型中,得到第一实体和第二实体的边关系以及边关系类别。其中,边关系判定模型可以通过如下方式建立:获取训练实体对以及各训练实体对中第一实体子图谱和第二实体子图谱,并确定各训练实体对中第一实体子图谱和第二实体子图谱的相同实体数量信息和辅助边关系信息;将各训练实体对人工标注后的边关系、边关系类别以及各训练实体对的相同实体数量信息和辅助边关系信息作为训练集,对训练集进行训练得到边关系判定模型。
通过根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系,实现了对初始知识图谱中实体对间边关系进行校验的效果。
本申请实施例提供的技术方案,通过在初始知识图谱中提取待校验实体对的第一实体子图谱和第二实体子图谱,并根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系,实现了对知识图谱中实体之间边关系的校验,并且由于引入了实体子图谱,丰富了校验信息,提高了实体间边关系校验的准确度,保证了知识图谱的准确性和可靠性。
实施例
图2为本申请实施例二提供的一种知识图谱处理方法的流程示意图。本实施例为上述实施例提供了一种具体实现方式,如图2所示,该方法可以包括:
S201、确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体。
S202、从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱。
S203、确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量、各层级的相同关联实体数量、属于各边关系类别的相同关联实体数量以及各层级中属于各边关系类别的相同关联实体数量。
示例性的,假设第一实体子图谱包括实体1、实体2、实体3、实体4和实体5;第二实体子图谱包括实体1、实体3、实体5、实体6、实体7和实体8,则第一实体子图谱和第二实体子图谱中相同关联实体总数量为三个。
示例性的,假设第一实体子图谱和第二实体子图谱各包括三个层级,第一实体子图谱的第一层关联实体包括实体1、实体2和实体3,第二层关联实体包括实体4、实体5和实体6,第三层关联实体包括实体7、实体8和实体9;第二实体子图谱的第一层关联实体包括实体1、实体2和实体5,第二层关联实体包括实体4、实体6和实体9,第三层关联实体包括实体7、实体10和实体12,则第一实体子图谱和第二实体子图谱中,第一层级相同关联实体数量为两个,第二层级相同关联实体数量为两个,第三层级相同关联实体数量为一个。
示例性的,假设第一实体子图谱中包括“至亲类”和“远亲类”两种边关系类别,其中实体1、实体2、实体3、实体4、实体5和实体6之间的边关系类别为“至亲类”,实体7、实体8、实体9和实体10之间的边关系类别为“远亲类”;第二实体子图谱中包括“至亲类”和“远亲类”两种边关系类别,其中实体4、实体5、实体11和实体12之间的边关系类别为“至亲类”,实体7、实体13、实体14和实体15之间的边关系类别为“远亲类”,则“至亲类”中相同关联实体数量两个,“远亲类”中相同关联实体数量为一个。
示例性的,假设第一实体子图谱中包括两个层级,第一层级包括“至亲类”和“远亲类”两种边关系类别,第二层级包括“朋友类”边关系类别,其中第一层级中,实体1、实体2、实体3和实体4之间的边关系类别为“至亲类”,实体5、实体6和实体7之间的边关系类别为“远亲类”,第二层级中,实体8、实体9和实体10之间的边关系类别为“朋友类”;第二实体子图谱中包括两个层级,第一层级包括“至亲类”和“远亲类”两种边关系类别,第二层级包括“组织机构类”和“作品类”两种边关系类别,其中第一层级中,实体3和实体12之间的边关系类别为“至亲类”,实体5和实体7之间的边关系类别为“远亲类”,实体11和实体15之间的边关系类别为“组织机构类”,实体16和实体17之间的边关系类别为“作品类”,则在第一层级中属于“至亲类”的相同关联实体数量为一个,属于“远亲类”的相同关联实体数量为两个,在第二层级中属于“朋友类”、“组织机构类”和“作品类”的相同关联实体数量为零。
S204、确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量、属于各边关系类别的辅助边关系数量以及辅助边关系名称和属于各名称的辅助边关系数量。
示例性的,假设第一实体子图谱中第一层级的关联实体包括实体1、实体2、实体3和实体4,第二实体子图谱中第一层级的关联实体包括实体5、实体6、实体7和实体8,其中实体1与实体5、实体3与实体7以及实体4与实体8存在辅助边关系,则第一实体子图谱中第一层级关联实体与第二实体子图谱中第一层级关联实体中,辅助边关系总数量为三条。
示例性的,假设第一实体子图谱中第一层级的关联实体包括实体1、实体2、实体3和实体4,第二实体子图谱中第一层级的关联实体包括实体5、实体6、实体7和实体8,其中实体1与实体5之间的辅助边关系属于“至亲类”,实体3与实体7以及实体4与实体8之间的辅助边关系属于“朋友类”,则第一实体子图谱中第一层级关联实体与第二实体子图谱中第一层级关联实体中,属于“至亲类”的辅助边关系数量为1条,属于“朋友类”的辅助边关系数量为2条。
示例性的,示例性的,假设第一实体子图谱中第一层级的关联实体包括实体1、实体2、实体3和实体4,第二实体子图谱中第一层级的关联实体包括实体5、实体6、实体7和实体8,其中实体1与实体5之间的辅助边关系名称为“父子”,实体2与实体6之间的辅助边关系名称为“母女”,实体3与实体7以及实体4与实体8之间的辅助边关系名称为“工作单位”,则第一实体子图谱中第一层级关联实体与第二实体子图谱中第一层级关联实体中,辅助边关系名称为“父子”的辅助边关系数量为1条,辅助边关系名称为“母女”的辅助边关系数量为1条,辅助边关系名称为“工作单位”的辅助边关系数量为2条。
S205、根据相同关联实体总数量、各层级的相同关联实体数量、属于各边关系类别的相同关联实体数量、各层级中属于各边关系类别的相同关联实体数量、辅助边关系总数量、属于各边关系类别的辅助边关系数量以及辅助边关系名称和属于各名称的辅助边关系数量,确定第一实体和第二实体的边关系。
本申请实施例提供的技术方案,通过将第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量、各层级的相同关联实体数量、属于各边关系类别的相同关联实体数量以及各层级中属于各边关系类别的相同关联实体数量作为相同实体数量信息,并将第一实体子图谱中第一层级关联实体与第二实体子图谱中第一层级关联实体中,辅助边关系总数量、属于各边关系类别的辅助边关系数量以及辅助边关系名称和属于各名称的辅助边关系数量作为辅助边关系信息,进而根据相同实体数量信息以及辅助边关系信息确定第一实体和第二实体的边关系,丰富了用于校验实体间边关系的信息,提高了实体间边关系校验的准确度,保证了知识图谱的准确性和可靠性。
实施例
图3为本申请实施例三提供的一种知识图谱处理装置的结构示意图,可执行本申请任一实施例所提供的一种知识图谱处理方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置可以包括:
实体对确定模块31,用于确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体;
子图谱提取模块32,用于从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱;
边关系确定模块33,用于根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系。
在上述实施例的基础上,所述子图谱提取模块32,具体用于:
将所述初始知识图谱中与该实体直接连接的实体作为第一层关联实体;
将与第N层实体直接连接的实体作为第N+1层关联实体,以得到包括关联实体的子图谱;N为正整数。
在上述实施例的基础上,所述边关系确定模块33,具体用于:
确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息;
确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息;
根据所述相同实体数量信息和所述辅助边关系信息,确定所述第一实体和所述第二实体的边关系。
在上述实施例的基础上,所述边关系确定模块33,具体还用于:
确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,属于各边关系类别的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级中属于各边关系类别的相同关联实体数量。
在上述实施例的基础上,所述边关系确定模块33,具体还用于:
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,属于各边关系类别的辅助边关系数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系名称和属于各名称的辅助边关系数量。
在上述实施例的基础上,边关系类别包括如下至少一类:至亲类、远亲类、朋友类、组织机构类和作品类。
在上述实施例的基础上,所述实体对确定模块31,具体用于:
若初始知识图谱中任一实体有连接到另一实体的边关系,且另一实体没有连接到该实体的边关系,则将该实体和另一实体作为待校验的实体对。
在上述实施例的基础上,所述实体对确定模块31,具体还用于:
若初始知识图谱中存在待补边关系的实体名称对,则根据实体名称对中第一实体名称从初始知识图谱中确定第一候选实体,根据实体名称对中第二实体名称从初始知识图谱中确定第二候选实体;
将所述第一候选实体和所述第二候选实体作为待校验的实体对。
本申请实施例所提供的一种知识图谱处理装置30,可执行本申请任一实施例所提供的一种知识图谱处理方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任一实施例所提供的一种知识图谱处理方法。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的知识图谱处理的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的知识图谱处理的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的知识图谱处理的方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的知识图谱处理的方法对应的程序指令/模块(例如,附图3所示的实体对确定模块31、子图谱提取模块32和边关系确定模块33)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的知识图谱处理的方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据知识图谱处理的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至知识图谱处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
知识图谱处理的方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与知识图谱处理的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过在初始知识图谱中提取待校验实体对的第一实体子图谱和第二实体子图谱,并根据第一实体子图谱和第二实体子图谱,确定第一实体和第二实体的边关系,实现了对知识图谱中实体之间边关系的校验,并且由于引入了实体子图谱,丰富了校验信息,提高了实体间边关系校验的准确度,保证了知识图谱的准确性和可靠性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种知识图谱处理方法,其特征在于,包括:
若初始知识图谱中存在待补边关系的实体名称对,则确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体;
从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱;
根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系;
其中,所述根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系,包括:
确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息;
确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息;
将所述相同实体数量信息和所述辅助边关系信息,输入到预设的边关系判定模型中,得到所述第一实体和所述第二实体的边关系以及边关系类别;
所述边关系类别包括如下至少一类:至亲类、远亲类、朋友类、组织机构类和作品类。
2.根据权利要求1所述的方法,其特征在于,从所述初始知识图谱中提取任一实体的子图谱,包括:
将所述初始知识图谱中与该实体直接连接的实体作为第一层关联实体;
将与第N层实体直接连接的实体作为第N+1层关联实体,以得到包括关联实体的子图谱;N为正整数。
3.根据权利要求1所述的方法,其特征在于,确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息,包括如下至少一项:
确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,属于各边关系类别的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级中属于各边关系类别的相同关联实体数量。
4.根据权利要求1所述的方法,其特征在于,确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息,包括:
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,属于各边关系类别的辅助边关系数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系名称和属于各名称的辅助边关系数量。
5.根据权利要求1所述的方法,其特征在于,确定初始知识图谱中待校验的实体对,包括:
若初始知识图谱中任一实体有连接到另一实体的边关系,且另一实体没有连接到该实体的边关系,则将该实体和另一实体作为待校验的实体对。
6.根据权利要求1所述的方法,其特征在于,确定初始知识图谱中待校验的实体对,包括:
根据实体名称对中第一实体名称从初始知识图谱中确定第一候选实体,根据实体名称对中第二实体名称从初始知识图谱中确定第二候选实体;
将所述第一候选实体和所述第二候选实体作为待校验的实体对。
7.一种知识图谱处理装置,其特征在于,包括:
实体对确定模块,用于若初始知识图谱中存在待补边关系的实体名称对,则确定初始知识图谱中待校验的实体对;其中所述实体对包括第一实体和第二实体;
子图谱提取模块,用于从所述初始知识图谱中提取所述第一实体的第一实体子图谱和所述第二实体的第二实体子图谱;
边关系确定模块,用于根据所述第一实体子图谱和所述第二实体子图谱,确定所述第一实体和所述第二实体的边关系;
其中,所述边关系确定模块,具体用于:
确定所述第一实体子图谱和所述第二实体子图谱中相同实体数量信息;
确定所述第一实体子图谱中第一层级关联实体,与所述第二实体子图谱中第一层级关联实体之间的辅助边关系信息;
将所述相同实体数量信息和所述辅助边关系信息,输入到预设的边关系判定模型中,得到所述第一实体和所述第二实体的边关系以及边关系类别;
所述边关系类别包括如下至少一类:至亲类、远亲类、朋友类、组织机构类和作品类。
8.根据权利要求7所述的装置,其特征在于,所述子图谱提取模块,具体用于:
将所述初始知识图谱中与该实体直接连接的实体作为第一层关联实体;
将与第N层实体直接连接的实体作为第N+1层关联实体,以得到包括关联实体的子图谱;N为正整数。
9.根据权利要求7所述的装置,其特征在于,所述边关系确定模块,具体还用于:
确定所述第一实体子图谱和所述第二实体子图谱中,相同关联实体总数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,属于各边关系类别的相同关联实体数量;
确定所述第一实体子图谱和所述第二实体子图谱中,各层级中属于各边关系类别的相同关联实体数量。
10.根据权利要求7所述的装置,其特征在于,所述边关系确定模块,具体还用于:
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系总数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,属于各边关系类别的辅助边关系数量;
确定所述第一实体子图谱中第一层级关联实体与所述第二实体子图谱中第一层级关联实体中,辅助边关系名称和属于各名称的辅助边关系数量。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的知识图谱处理方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的知识图谱处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225911.3A CN112905712B (zh) | 2019-12-04 | 2019-12-04 | 知识图谱处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225911.3A CN112905712B (zh) | 2019-12-04 | 2019-12-04 | 知识图谱处理方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112905712A CN112905712A (zh) | 2021-06-04 |
CN112905712B true CN112905712B (zh) | 2023-08-15 |
Family
ID=76104514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225911.3A Active CN112905712B (zh) | 2019-12-04 | 2019-12-04 | 知识图谱处理方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112905712B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574098A (zh) * | 2015-12-11 | 2016-05-11 | 百度在线网络技术(北京)有限公司 | 知识图谱的生成方法及装置、实体对比方法及装置 |
CN109885691A (zh) * | 2019-01-08 | 2019-06-14 | 平安科技(深圳)有限公司 | 知识图谱补全方法、装置、计算机设备及存储介质 |
CN110472065A (zh) * | 2019-07-25 | 2019-11-19 | 电子科技大学 | 基于gcn孪生网络的跨语言知识图谱实体对齐方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10423652B2 (en) * | 2016-08-08 | 2019-09-24 | Baidu Usa Llc | Knowledge graph entity reconciler |
US20190354880A1 (en) * | 2018-05-18 | 2019-11-21 | Accenture Global Solutions Limited | Goal-based implementations plans for complex system determined using multi-dimensional knowledge graphs |
-
2019
- 2019-12-04 CN CN201911225911.3A patent/CN112905712B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574098A (zh) * | 2015-12-11 | 2016-05-11 | 百度在线网络技术(北京)有限公司 | 知识图谱的生成方法及装置、实体对比方法及装置 |
CN109885691A (zh) * | 2019-01-08 | 2019-06-14 | 平安科技(深圳)有限公司 | 知识图谱补全方法、装置、计算机设备及存储介质 |
CN110472065A (zh) * | 2019-07-25 | 2019-11-19 | 电子科技大学 | 基于gcn孪生网络的跨语言知识图谱实体对齐方法 |
Non-Patent Citations (1)
Title |
---|
Yucong Duan ; Lixu Shao ; Gongzhu Hu ; Zhangbing Zhou ; Quan Zou ; Zhaoxin Lin.Specifying architecture of knowledge graph with data graph, information graph, knowledge graph and wisdom graph.IEEE.2017,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112905712A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10585884B2 (en) | Client-side search templates for online social networks | |
CN111488740B (zh) | 一种因果关系的判别方法、装置、电子设备及存储介质 | |
CN113094550B (zh) | 视频检索方法、装置、设备和介质 | |
CN111522967B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
WO2014074346A1 (en) | Grammar model for structured search queries | |
CN111523007B (zh) | 用户感兴趣信息确定方法、装置、设备以及存储介质 | |
CN112466280B (zh) | 语音交互方法、装置、电子设备和可读存储介质 | |
CN112015468B (zh) | 一种接口文档处理方法、装置、电子设备以及存储介质 | |
CN110427436B (zh) | 实体相似度计算的方法及装置 | |
US20210297743A1 (en) | Method, apparatus for content recommendation, electronic device and storage medium | |
CN111666495B (zh) | 案件推荐方法、装置、设备以及存储介质 | |
EP3822815A1 (en) | Method and apparatus for mining entity relationship, electronic device, storage medium, and computer program product | |
CN111241838B (zh) | 文本实体的语义关系处理方法、装置及设备 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
US11574135B2 (en) | Method, apparatus, electronic device and readable storage medium for translation | |
CN111428489B (zh) | 一种评论生成方法、装置、电子设备及存储介质 | |
CN111881304B (zh) | 一种作者识别方法、装置、设备和存储介质 | |
CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
CN111125445B (zh) | 社区主题生成方法、装置、电子设备及存储介质 | |
CN111488972B (zh) | 数据迁移方法、装置、电子设备和存储介质 | |
CN111522863B (zh) | 一种主题概念挖掘方法、装置、设备以及存储介质 | |
CN112905712B (zh) | 知识图谱处理方法、装置、电子设备和介质 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN112101012B (zh) | 互动领域确定方法、装置、电子设备及存储介质 | |
CN111324747B (zh) | 三元组的生成方法、装置及电子设备 |
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 |