CN115238582A - 知识图谱三元组的可靠性评估方法、系统、设备及介质 - Google Patents
知识图谱三元组的可靠性评估方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115238582A CN115238582A CN202210879183.3A CN202210879183A CN115238582A CN 115238582 A CN115238582 A CN 115238582A CN 202210879183 A CN202210879183 A CN 202210879183A CN 115238582 A CN115238582 A CN 115238582A
- Authority
- CN
- China
- Prior art keywords
- entity
- confidence coefficient
- type
- head
- confidence
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例中提供了一种知识图谱三元组的可靠性评估方法、系统、设备及介质,属于数据处理技术领域,具体包括:利用预设嵌入模型训练数据集中的嵌入向量;对数据集进行预处理;利用知识图谱中的类型信息对训练集中每个三元组进行类型约束,并据此计算类型信息置信度;表征训练集中每个三元组的逻辑规则置信度;利用训练完成的嵌入向量计算实体关联置信度;利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量,求解其全局路径置信度;将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度和全局路径置信度训练二分类神经网络;利用目标识别网络评估待评估三元组的可靠性。通过本公开的方案,提高了三元组可靠性的分类效率和精度。
Description
技术领域
本公开实施例涉及数据处理技术领域,尤其涉及一种知识图谱三元组的可 靠性评估方法、系统、设备及介质。
背景技术
目前,随着互联网时代的到来,数据具备多元复杂性。如何处理海量数据 并对其进行快速检索成为人工智能领域的一大难点。为了解决上述问题, Google推出了“知识图谱(Knowledge Graph)”,将世界知识转换为图形,其 目的是为了优化搜索引擎返回的结果,提升数据处理能力。一个典型的知识图 谱通常包含大量的知识三元组,形式如下:(头实体,关系,尾实体)或者(实 体,属性,属性值)。目前,知识图谱已经广泛应用于智能分析、商品推荐和 智能搜索等领域。由于知识图谱的构建来源于多种渠道,不同来源的知识具有不同程度的可靠性;同时随着新知识的发现及原有知识图谱的动态更新与积 累演化,这会引入一定的噪声或冲突,降低了知识图谱中知识的可靠性。为提 高知识图谱中知识的可靠性,进而提升知识驱动的学习任务的性能,引入了三 元组置信度的概念。利用知识图谱三元组的置信度来表征知识三元组成立的可 能性。三元组置信度范围在[0,1]之间,置信度越大说明三元组成立的可能性 越大,反之,则是越小。现有的知识图谱三元组可靠性评估方法大多只考虑图 谱中三元组结构信息,以目前最流行和效果精度最高的KGTtm(aknowledge graph triple trustworthiness measurement model)为例,一方面它忽略了知识图谱构建后可能存在图谱缺失问题,另一方面它没有对外部丰富的类型信 息加以使用。
可见,亟需一种分类效率和精准度高的知识图谱三元组的可靠性评估方法。
发明内容
有鉴于此,本公开实施例提供一种知识图谱三元组的可靠性评估方法、系 统、设备及介质,至少部分解决现有技术中存在分类效率和精准度较差的问题。
第一方面,本公开实施例提供了一种知识图谱三元组的可靠性评估方法, 包括:
步骤1,获取知识图谱的数据集,并利用预设嵌入模型训练数据集中的嵌 入向量;
步骤2,对数据集进行预处理,以随机替换部分正样本中头实体、尾实体 或关系的方式生成负样本,并为正样本和负样本打上标签,将正样本和负样本 混合生成训练集;
步骤3,利用知识图谱中的类型信息对训练集中每个三元组进行类型约束, 并据此计算类型信息置信度;
步骤4,依据知识图谱中挖掘到的逻辑规则信息与翻译模型及相关模型的 能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规则置信度;
步骤5,构建以知识图谱中每个头实体为中心的有向图,并利用训练完成 的嵌入向量计算实体关联置信度;
步骤6,利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量, 求解其全局路径置信度;
步骤7,将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度 和全局路径置信度训练二分类神经网络,得到目标识别网络;
步骤8,利用目标识别网络评估待评估三元组的可靠性。
根据本公开实施例的一种具体实现方式,所述步骤3具体包括:
步骤3.1,获取知识图谱中每个实体的类型信息和关系的类型信息;
步骤3.2,对每一个三元组(h,r,t)进行类型置信度计算,计算公式如下:
Type(h,r,t)=p(rhead,h)*p(rtail,t)
其中,Th表示头实体h的类型集合,Tt表示尾实体t的类型集合,rhead表示所有存在关系r的头实体集合,表示rhead中所有实体的类型集合,rtail表示所有存在关系r的尾实体集合,表示rtail中所有实体的类型集合, p(rhead,h)表示所有存在关系r的实体对中头实体h的类型和关系类型中包含 的全部头实体类型的交集占全部头实体类型的比例,p(rtail,t)表示所有存在关 系r的实体对中尾实体t的类型和关系类型中包含的全部尾实体类型的交集占 全部尾实体类型的比例,类型信息置信度Type(h,r,t)是上述两者的乘积,置 信度范围是[0,1]。
根据本公开实施例的一种具体实现方式,所述步骤4具体包括:
Ψ(gl,q)=σ(h,r1,t)·σ(h,r2,t)-σ(h,r1,t)+1
其中,l表示第l条规则,q表示第q条具体规则,σ(·)表示sigmoid后的 能量函数,计算公式为:
其中,δr是指和关系r有关的阈值变量,||h+r-t||是TransE的能量函 数计算公式,h是头实体的嵌入向量,r是关系的嵌入向量,t是尾实体的嵌 入向量;
步骤4.3,利用上述公式得到以下规则三元组的置信度计算公式:
步骤4.4:整合上述公式,得到以下规则置信度计算公式:
根据本公开实施例的一种具体实现方式,所述步骤5具体包括:
步骤5.1,获取知识图谱中全部的实体;
步骤5.2,以每个头实体h为中心构建有向图,并在搜索深度K内构建子 图,资源将通过迭代分配到整个有向图中的其他节点,直到资源稳定,即可得 到各个节点的资源量;
步骤5.3,结合头实体h和尾实体t的出、入度、尾实体t的节点深度和 资源量得到实体关联置信度。
根据本公开实施例的一种具体实现方式,所述步骤6具体包括:
步骤6.1,搜索知识图谱中每个三元组的头实体和尾实体两点间的所有可 达路径;
步骤6.2,依据预设算法计算每条可达路径的路径评分;
步骤6.3,选取每个三元组中路径评分最优的前K条可达路径,将前K的 可达路径的嵌入向量送入递归神经网络,计算该三元组的全局路径置信度。
根据本公开实施例的一种具体实现方式,所述预设算法的表达式为
其中,公式中第一项代表关系r和可达路径pi中所有关系之间的语义距离, 第二项代表尾实体t和可达路径pi中所有尾实体之间的语义距离,第三项代表 着头实体h和可达路径pi中所有头实体之间的语义距离,n是可达路径pi的长 度。
第二方面,本公开实施例提供了一种知识图谱三元组的可靠性评估系统, 包括:
获取模块,用于获取知识图谱的数据集,并利用预设嵌入模型训练数据集 中的嵌入向量;
预处理模块,用于对数据集进行预处理,以随机替换部分正样本中头实体、 尾实体或关系的方式生成负样本,并为正样本和负样本打上标签,将正样本和 负样本混合生成训练集;
第一计算模块,用于利用知识图谱中的类型信息对训练集中每个三元组进 行类型约束,并据此计算类型信息置信度;
第二计算模块,用于依据知识图谱中挖掘到的逻辑规则信息与翻译模型及 相关模型的能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规则置 信度;
第三计算模块,用于构建以知识图谱中每个头实体为中心的有向图,并利 用训练完成的嵌入向量计算实体关联置信度;
第四计算模块,用于利用训练集中每个三元组中实体对的路径搜索策略及 其嵌入向量,求解其全局路径置信度;
训练模块,用于将每个三元组的类型置信度、逻辑规则置信度、实体关联 置信度和全局路径置信度训练二分类神经网络,得到目标识别网络;
识别模块,用于利用目标识别网络评估待评估三元组的可靠性。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
至少一个处理器;以及,
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个 处理器执行,以使该至少一个处理器能够执行前述第一方面或第一方面的任一 实现方式中的知识图谱三元组的可靠性评估方法。
第四方面,本公开实施例还提供了一种非暂态计算机可读存储介质,该非 暂态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该计算机执行 前述第一方面或第一方面的任一实现方式中的知识图谱三元组的可靠性评估 方法。
第五方面,本公开实施例还提供了一种计算机程序产品,该计算机程序产 品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程 序指令,当该程序指令被计算机执行时,使该计算机执行前述第一方面或第一 方面的任一实现方式中的知识图谱三元组的可靠性评估方法。
本公开实施例中的知识图谱三元组的可靠性评估方案,包括:步骤1,获 取知识图谱的数据集,并利用预设嵌入模型训练数据集中的嵌入向量;步骤2, 对数据集进行预处理,以随机替换部分正样本中头实体、尾实体或关系的方式 生成负样本,并为正样本和负样本打上标签,将正样本和负样本混合生成训练 集;步骤3,利用知识图谱中的类型信息对训练集中每个三元组进行类型约束, 并据此计算类型信息置信度;步骤4,依据知识图谱中挖掘到的逻辑规则信息 与翻译模型及相关模型的能量函数计算公式表征训练集中每个三元组(h,r,t) 的逻辑规则置信度;步骤5,构建以知识图谱中每个头实体为中心的有向图,并利用训练完成的嵌入向量计算实体关联置信度;步骤6,利用训练集中每个 三元组中实体对的路径搜索策略及其嵌入向量,求解其全局路径置信度;步骤 7,将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度和全局路 径置信度训练二分类神经网络,得到目标识别网络;步骤8,利用目标识别网 络评估待评估三元组的可靠性。
本公开实施例的有益效果为:通过本公开的方案,利用了知识图谱外部的 类型信息对图谱进行了信息的补充,利用了逻辑规则对知识图谱进行了一定的 补全和完善,利用逻辑规则信息、类型信息、实体关联信息和全局路径信息来 计算对应的置信度,然后据此训练了二分类神经网络,最后利用训练好的网 络对三元组进行可靠性评估,提高了三元组分类的效率和精度。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使 用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些 实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可 以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种知识图谱三元组的可靠性评估方法的流 程示意图;
图2为本公开实施例提供的另一种知识图谱三元组的可靠性评估方法的 处理流程示意图;
图3为本公开实施例提供的一种知识图谱三元组的可靠性评估方法涉及 的目标识别网络框架;
图4为本公开实施例提供的一种知识图谱三元组的可靠性评估系统的结 构示意图;
图5为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本 说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实 施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另 外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不 同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是, 在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开 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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。 应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述 的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员 应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种 方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任 何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的 方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的 基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数 目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意 的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所 属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种知识图谱三元组的可靠性评估方法,所述方法可以 应用于人工智能场景的数据处理分析过程中。
参见图1,为本公开实施例提供的一种知识图谱三元组的可靠性评估方法 的流程示意图。如图1所示,所述方法主要包括以下步骤:
步骤1,获取知识图谱的数据集,并利用预设嵌入模型训练数据集中的嵌 入向量;
具体实施时,如图2所示,获取知识图谱的数据集,并利用已有的嵌入模 型(如TransE或PTransE等模型)完成数据集中嵌入向量的训练。
本实施方式的数据集以典型知识图谱的开源数据集Freebase的子集 FB15k为例,并利用TransE等嵌入模型可以求得FB15k中的实体嵌入向量和 关系嵌入向量。
步骤2,对数据集进行预处理,以随机替换部分正样本中头实体、尾实体 或关系的方式生成负样本,并为正样本和负样本打上标签,将正样本和负样本 混合生成训练集;
例如,可以从FB15k中选取部分正样本,并为每个正样本以随机替换头实 体或尾实体或关系的方式生成负样本,形成包含50%噪声的数据集FN15kN;从 FB15k数据集进行负采样得到的3个扩展噪声数据集(FB15k-N1、FB15k-N2和 FB15k-N3),它们相对于FB15k训练集具有不同的噪声比(10%、20%和40%), 并且本实施中为正样本打上标签1,为负样本打上标签-1。本实施的数据集如 表1所示;
表1
步骤3,利用知识图谱中的类型信息对训练集中每个三元组进行类型约束, 并据此计算类型信息置信度;
进一步的,所述步骤3具体包括:
步骤3.1,获取知识图谱中每个实体的类型信息和关系的类型信息;
步骤3.2,对每一个三元组(h,r,t)进行类型置信度计算,计算公式如下:
Type(h,r,t)=p(rhead,h)*p(rtail,t)
其中,Th表示头实体h的类型集合,Tt表示尾实体t的类型集合,rhead表示所有存在关系r的头实体集合,表示rhead中所有实体的类型集合,rtail表示所有存在关系r的尾实体集合,表示rtail中所有实体的类型集合, p(rhead,h)表示所有存在关系r的实体对中头实体h的类型和关系类型中包含 的全部头实体类型的交集占全部头实体类型的比例,p(rtail,t)表示所有存在关 系r的实体对中尾实体t的类型和关系类型中包含的全部尾实体类型的交集占 全部尾实体类型的比例,类型信息置信度Type(h,r,t)是上述两者的乘积,置 信度范围是[0,1]。
具体实施时,利用知识图谱中的类型信息对每个三元组进行类型约束,并 依据此计算类型信息置信度可以如下所示:
步骤3.1:获取FB15k中每个实体的类型信息和关系的类型信息;
步骤3.2:对每一个三元组(h,r,t)进行类型置信度计算,计算公式如下:
Type(h,r,t)=p(rhead,h)*p(rtail,t)
其中,Th表示头实体h的类型集合,Tt表示尾实体t的类型集合,rhead表示所有存在关系r的头实体集合,表示rhead中所有实体的类型集合,rtail表示所有存在关系r的尾实体集合,表示rtail中所有实体的类型集合, p(rhead,h)表示所有存在关系r的实体对中头实体h的类型和关系类型中包含 的全部头实体类型的交集占全部头实体类型的比例;p(rtail,t)表示所有存在关 系r的实体对中尾实体t的类型和关系类型中包含的全部尾实体类型的交集占 全部尾实体类型的比例;类型信息置信度Type(h,r,t)是上述两者的乘积,置 信度范围是[0,1],置信度越高表明依据类型信息该三元组成立可能性越大, 反之,则越小。
步骤4,依据知识图谱中挖掘到的逻辑规则信息与翻译模型及相关模型的 能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规则置信度;
在上述实施例的基础上,所述步骤4具体包括:
Ψ(gl,q)=σ(h,r1,t)·σ(h,r2,t)-σ(h,r1,t)+1
其中,l表示第l条规则,q表示第q条具体规则,σ(·)表示sigmoid后的 能量函数,计算公式为:
其中,δr是指和关系r有关的阈值变量,||h+r-t||是TransE的能量函 数计算公式,h是头实体的嵌入向量,r是关系的嵌入向量,t是尾实体的嵌 入向量;
步骤4.3,利用上述公式得到以下规则三元组的置信度计算公式:
步骤4.4:整合上述公式,得到以下规则置信度计算公式:
具体实施时,依据已知图谱中挖掘到的逻辑规则信息与翻译模型及相关模 型的能量函数计算公式来表征一个三元组(h,r,t)成立的规则置信度的步骤可 以如下所示:
Ψ(gl,q)=σ(h,r1,t)·σ(h,r2,t)-σ(h,r1,t)+1
其中,l表示第l条规则,q表示第q条具体规则,σ(·)表示sigmoid后的 能量函数,计算公式为:
其中,δr是指和关系r有关的阈值变量,||h+r-t||是TransE的能量函 数计算公式,h是头实体的嵌入向量,r是关系的嵌入向量,t是尾实体的嵌 入向量;
步骤4.3,利用上述公式得到以下规则三元组的置信度计算公式:
步骤4.4:整合上述公式,得到以下规则置信度计算公式:
其中,G是根据知识图谱已有三元组和逻辑规则推导出的规则三元组集合。
步骤5,构建以知识图谱中每个头实体为中心的有向图,并利用训练完成 的嵌入向量计算实体关联置信度;
进一步的,所述步骤5具体包括:
步骤5.1,获取知识图谱中全部的实体;
步骤5.2,以每个头实体h为中心构建有向图,并在搜索深度K内构建子 图,资源将通过迭代分配到整个有向图中的其他节点,直到资源稳定,即可得 到各个节点的资源量;
步骤5.3,结合头实体h和尾实体t的出、入度、尾实体t的节点深度和 资源量得到实体关联置信度。
具体实施时,构建以每个实体为中心的有向图,并利用已有的嵌入向量计 算实体关联置信度的步骤可以如下所示:
步骤5.1:获取FB15k数据集中全部的实体;
步骤5.2:以每个实体h(资源为1)为中心构建有向图,并在搜索深度3 内构建子图,资源将通过迭代分配到整个有向图中的其他节点,直到资源稳定, 即可得到各个节点的资源量;例如,实体t的资源量为:
St表示节点t的所有直接前驱节点集合,O(ei)表示节点ei的出度,表 示从节点ei到节点t之间的关系路径数,表示从节点ei到节点t转移的 资源量,每个节点的资源量都有一定概率θ可以随机跳转到其它节点,N表示 总节点数目。
步骤5.3:结合头实体h和尾实体t的出、入度、尾实体t的节点深度和 资源量可以得到(h,t)的置信度。
设向量V=[资源量R(t|h),头节点h的入度I(h),头节点h的出度O(h), 尾节点t的入度I(t),尾节点t的出度O(t),头节点h到尾节点t的有向图深 度depth]。向量V经过一个三层的神经网络,可以得到实体对(h,t)的置信 度RR(h,t):
其中,α是非线性激活函数sigmoid,β是非线性激活函数tanh,而W1、 W2和b1、b2是训练过程中的可调参数矩阵。RR(h,t)∈[0,1],置信度越趋近1, 表明头实体h和尾实体t之间越有可能存在某种或者多种关系。
步骤6,利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量, 求解其全局路径置信度;
在上述实施例的基础上,所述步骤6具体包括:
步骤6.1,搜索知识图谱中每个三元组的头实体和尾实体两点间的所有可 达路径;
步骤6.2,依据预设算法计算每条可达路径的路径评分;
步骤6.3,选取每个三元组中路径评分最优的前K条可达路径,将前K的 可达路径的嵌入向量送入递归神经网络,计算该三元组的全局路径置信度。
可选的,所述预设算法的表达式为
其中,公式中第一项代表关系r和可达路径pi中所有关系之间的语义距离, 第二项代表尾实体t和可达路径pi中所有尾实体之间的语义距离,第三项代表 着头实体h和可达路径pi中所有头实体之间的语义距离,n是可达路径pi的长 度。
具体实施时,利用三元组中实体对的路径搜索策略及其嵌入向量,求解其 全局路径置信度的步骤可以如下所示:
步骤6.1:搜索知识图谱数据集中每个三元组的头尾实体两点间的所有可 达路径;例如,给定三元组(h,r,t),在知识图谱中搜索从h到t的可达路径, 并存储在P(h,r,t)={p1,…,pn}。
步骤6.2:依据特定算法计算每条路径评分;对于每条路径pi= {(h,l1,e1),(e1,l2,e2),…,(en-1,ln,t)},利用以下公式计算语义距离得分:
其中,公式中第一项代表着关系r和pi中所有关系之间的语义距离,第二 项代表着尾实体t和pi中所有尾实体之间的语义距离,第三项代表着头实体h 和pi中所有头实体之间的语义距离,n是路径pi的长度。
步骤6.3:选取每个三元组中路径评分最优的前K条路径,将前K的路径 的嵌入向量送入递归神经网络(RNN),计算出该三元组的全局路径置信度。
本实施中,分别将前3的路径的嵌入向量送入递归神经网络(RNN),得到 相应的输出向量h1,…,hK,最后经过非线性sigmoid处理全局路径置信度:
RP((h,r,t))=[α(W1h1+b1),…,α(WKhK+bK)]
其中,α是非线性激活函数sigmoid,而W1,…,Wk和b1,…,bK是训练过程 中的可调参数矩阵。RP((h,r,t))∈[0,1],置信度越趋近1,表明用该路径越能 突显给定三元组(h,r,t)的语义信息。
步骤7,将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度 和全局路径置信度训练二分类神经网络,得到目标识别网络;
具体实施时,可以先求取了FB15kN训练集中每一个三元组的类型置信度、 逻辑规则置信度、实体关联置信度和全局路径置信度,并将以上4个特征作为 神经网络的输入,经过1层隐藏层转换,最后通过非线性激活函数softmax 可以输出每一三元组的置信度得分;通过学习该网络中的参数可以得到训练好 的二分类神经网络作为所述目标识别网络如图3所示。
步骤8,利用目标识别网络评估待评估三元组的可靠性。
具体实施时,可以使用FB15kN的测试集、FB15k-N1、FB15k-N2和FB15k-N3 数据集来评估步骤7中训练好的二分类神经网络;将数据集中每一三元组的类 型置信度、逻辑规则置信度、实体关联置信度和全局路径置信度输入神经网络, 可得到每个三元组的置信度得分。表2为三元组分类效果评估,表3为噪声检 测结果,从表2、表3可以看出本发明的三元组分类效果均优于当前的基线方 法,并且能够显著识别出负样本,具备较强的噪声检测能力。
表2
表3
本实施例提供的知识图谱三元组的可靠性评估方法,利用了知识图谱外部 的类型信息(实体类型和关系类型)对图谱进行了信息的补充。而以往的方法往 往忽略了知识图谱外部丰富的语义信息,只利用图谱内部的结构信息;利用了 逻辑规则对知识图谱进行了一定的补全和完善。考虑到逻辑规则在知识获取和 知识推理中拥有强大能力,因此利用逻辑规则信息能够更好地进行图谱可靠性 评估工作;利用逻辑规则信息、类型信息、实体关联信息和全局路径信息来计 算对应的置信度,然后据此训练了二分类神经网络,最后利用训练好的网络 对三元组进行可靠性评估,提高了三元组分类的精度。
与上面的方法实施例相对应,参见图4,本公开实施例还提供了一种知识 图谱三元组的可靠性评估系统40,包括:
获取模块401,用于获取知识图谱的数据集,并利用预设嵌入模型训练数 据集中的嵌入向量;
预处理模块402,用于对数据集进行预处理,以随机替换部分正样本中头 实体、尾实体或关系的方式生成负样本,并为正样本和负样本打上标签,将正 样本和负样本混合生成训练集;
第一计算模块403,用于利用知识图谱中的类型信息对训练集中每个三元 组进行类型约束,并据此计算类型信息置信度;
第二计算模块404,用于依据知识图谱中挖掘到的逻辑规则信息与翻译模 型及相关模型的能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规 则置信度;
第三计算模块405,用于构建以知识图谱中每个头实体为中心的有向图, 并利用训练完成的嵌入向量计算实体关联置信度;
第四计算模块406,用于利用训练集中每个三元组中实体对的路径搜索策 略及其嵌入向量,求解其全局路径置信度;
训练模块407,用于将每个三元组的类型置信度、逻辑规则置信度、实体 关联置信度和全局路径置信度训练二分类神经网络,得到目标识别网络;
识别模块408,用于利用目标识别网络评估待评估三元组的可靠性。
图4所示系统可以对应的执行上述方法实施例中的内容,本实施例未详细 描述的部分,参照上述方法实施例中记载的内容,在此不再赘述。
参见图5,本公开实施例还提供了一种电子设备50,该电子设备包括:至 少一个处理器以及与该至少一个处理器通信连接的存储器。其中,该存储器存 储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以 使该至少一个处理器能够执行前述方法实施例中的知识图谱三元组的可靠性 评估方法。
本公开实施例还提供了一种非暂态计算机可读存储介质,该非暂态计算机 可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述方法实 施例中的知识图谱三元组的可靠性评估方法。
本公开实施例还提供了一种计算机程序产品,该计算机程序产品包括存储 在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当 该程序指令被计算机执行时,使该计算机执行前述方法实施例中的知识图谱三 元组的可靠性评估方法。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备50的结 构示意图。本公开实施例中的电子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5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5所示,电子设备50可以包括处理装置(例如中央处理器、图形处 理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储 装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作 和处理。在RAM 503中,还存储有电子设备50操作所需的各种程序和数据。 处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O) 接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键 盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置506;包括 例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、 硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备 50与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装 置的电子设备50,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509 从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。 在该计算机程序被处理装置501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。
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,使得该电子设备可以执行上述方法实施例的相关步骤。
或者,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,使得该电子设备可以执行上述方法实施例的相关 步骤。
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。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于 此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到 的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围 应以权利要求的保护范围为准。
Claims (9)
1.一种知识图谱三元组的可靠性评估方法,其特征在于,包括:
步骤1,获取知识图谱的数据集,并利用预设嵌入模型训练数据集中的嵌入向量;
步骤2,对数据集进行预处理,以随机替换部分正样本中头实体、尾实体或关系的方式生成负样本,并为正样本和负样本打上标签,将正样本和负样本混合生成训练集;
步骤3,利用知识图谱中的类型信息对训练集中每个三元组进行类型约束,并据此计算类型信息置信度;
步骤4,依据知识图谱中挖掘到的逻辑规则信息与翻译模型及相关模型的能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规则置信度;
步骤5,构建以知识图谱中每个头实体为中心的有向图,并利用训练完成的嵌入向量计算实体关联置信度;
步骤6,利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量,求解其全局路径置信度;
步骤7,将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度和全局路径置信度训练二分类神经网络,得到目标识别网络;
步骤8,利用目标识别网络评估待评估三元组的可靠性。
2.根据权利要求1所述的方法,其特征在于,所述步骤3具体包括:
步骤3.1,获取知识图谱中每个实体的类型信息和关系的类型信息;
步骤3.2,对每一个三元组(h,r,t)进行类型置信度计算,计算公式如下:
Type(h,r,t)=p(rhead,h)*p(rtail,t)
3.根据权利要求2所述的方法,其特征在于,所述步骤4具体包括:
Ψ(gl,q)=σ(h,r1,t)·σ(h,r2,t)-σ(h,r1,t)+1
其中,l表示第l条规则,q表示第q条具体规则,σ(·)表示sigmoid后的能量函数,计算公式为:
其中,δr是指和关系r有关的阈值变量,||h+r-t||是TransE的能量函数计算公式,h是头实体的嵌入向量,r是关系的嵌入向量,t是尾实体的嵌入向量;
步骤4.3,利用上述公式得到以下规则三元组的置信度计算公式:
步骤4.4:整合上述公式,得到以下规则置信度计算公式:
4.根据权利要求3所述的方法,其特征在于,所述步骤5具体包括:
步骤5.1,获取知识图谱中全部的实体;
步骤5.2,以每个头实体h为中心构建有向图,并在搜索深度K内构建子图,资源将通过迭代分配到整个有向图中的其他节点,直到资源稳定,即可得到各个节点的资源量;
步骤5.3,结合头实体h和尾实体t的出、入度、尾实体t的节点深度和资源量得到实体关联置信度。
5.根据权利要求4所述的方法,其特征在于,所述步骤6具体包括:
步骤6.1,搜索知识图谱中每个三元组的头实体和尾实体两点间的所有可达路径;
步骤6.2,依据预设算法计算每条可达路径的路径评分;
步骤6.3,选取每个三元组中路径评分最优的前K条可达路径,将前K的可达路径的嵌入向量送入递归神经网络,计算该三元组的全局路径置信度。
7.一种知识图谱三元组的可靠性评估系统,其特征在于,包括:
获取模块,用于获取知识图谱的数据集,并利用预设嵌入模型训练数据集中的嵌入向量;
预处理模块,用于对数据集进行预处理,以随机替换部分正样本中头实体、尾实体或关系的方式生成负样本,并为正样本和负样本打上标签,将正样本和负样本混合生成训练集;
第一计算模块,用于利用知识图谱中的类型信息对训练集中每个三元组进行类型约束,并据此计算类型信息置信度;
第二计算模块,用于依据知识图谱中挖掘到的逻辑规则信息与翻译模型及相关模型的能量函数计算公式表征训练集中每个三元组(h,r,t)的逻辑规则置信度;
第三计算模块,用于构建以知识图谱中每个头实体为中心的有向图,并利用训练完成的嵌入向量计算实体关联置信度;
第四计算模块,用于利用训练集中每个三元组中实体对的路径搜索策略及其嵌入向量,求解其全局路径置信度;
训练模块,用于将每个三元组的类型置信度、逻辑规则置信度、实体关联置信度和全局路径置信度训练二分类神经网络,得到目标识别网络;
识别模块,用于利用目标识别网络评估待评估三元组的可靠性。
8.一种电子设备,其特征在于,所述电子设备包括:
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前述权利要求1-6中任一项所述的知识图谱三元组的可靠性评估方法。
9.一种非暂态计算机可读存储介质,该非暂态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该计算机执行前述权利要求1-6中任一项所述的知识图谱三元组的可靠性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210879183.3A CN115238582A (zh) | 2022-07-25 | 2022-07-25 | 知识图谱三元组的可靠性评估方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210879183.3A CN115238582A (zh) | 2022-07-25 | 2022-07-25 | 知识图谱三元组的可靠性评估方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115238582A true CN115238582A (zh) | 2022-10-25 |
Family
ID=83676162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210879183.3A Pending CN115238582A (zh) | 2022-07-25 | 2022-07-25 | 知识图谱三元组的可靠性评估方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238582A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115934920A (zh) * | 2023-02-24 | 2023-04-07 | 深圳市人马互动科技有限公司 | 针对人机对话的模型训练方法及相关装置 |
CN116090360A (zh) * | 2023-04-12 | 2023-05-09 | 安徽思高智能科技有限公司 | 一种基于多模态实体对齐的rpa流程推荐方法 |
-
2022
- 2022-07-25 CN CN202210879183.3A patent/CN115238582A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115934920A (zh) * | 2023-02-24 | 2023-04-07 | 深圳市人马互动科技有限公司 | 针对人机对话的模型训练方法及相关装置 |
CN115934920B (zh) * | 2023-02-24 | 2023-06-16 | 深圳市人马互动科技有限公司 | 针对人机对话的模型训练方法及相关装置 |
CN116090360A (zh) * | 2023-04-12 | 2023-05-09 | 安徽思高智能科技有限公司 | 一种基于多模态实体对齐的rpa流程推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115238582A (zh) | 知识图谱三元组的可靠性评估方法、系统、设备及介质 | |
CN111932386B (zh) | 用户账号确定方法及装置、信息推送方法及装置、电子设备 | |
CN110096584B (zh) | 一种应答方法和装置 | |
JP2023545423A (ja) | 点群分割方法、装置、機器および記憶媒体 | |
CN112541122A (zh) | 推荐模型的训练方法、装置、电子设备及存储介质 | |
WO2022121801A1 (zh) | 信息处理方法、装置和电子设备 | |
CN113765928B (zh) | 物联网入侵检测方法、设备及介质 | |
CN114418035A (zh) | 决策树模型生成方法、基于决策树模型的数据推荐方法 | |
WO2019000472A1 (zh) | 导航方法、装置、存储介质以及服务器 | |
CN111291715B (zh) | 基于多尺度卷积神经网络的车型识别方法、电子设备及存储介质 | |
CN114721835A (zh) | 边缘数据中心服务器能耗预测方法、系统、设备及介质 | |
CN114064928A (zh) | 一种知识图谱的知识推理方法、装置、设备及存储介质 | |
CN110069997B (zh) | 场景分类方法、装置及电子设备 | |
CN115841366A (zh) | 物品推荐模型训练方法、装置、电子设备及存储介质 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN112394982B (zh) | 生成语音识别系统的方法、装置、介质及电子设备 | |
CN113971400B (zh) | 一种文本检测方法、装置、电子设备及存储介质 | |
CN113033707A (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN115827705A (zh) | 用于反事实解释的数据处理方法和装置 | |
CN116258911A (zh) | 图像分类模型的训练方法、装置、设备及存储介质 | |
CN115774854A (zh) | 一种文本分类方法、装置、电子设备和存储介质 | |
CN114494379A (zh) | 基于fpfh的凸包辅助三维点云配准方法、设备及介质 | |
CN110688508B (zh) | 图文数据扩充方法、装置及电子设备 | |
CN112967146A (zh) | 一种基于标签传播的科研社区发现方法及装置 | |
CN111049988A (zh) | 移动设备的亲密度预测方法、系统、设备及存储介质 |
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 |