CN116741395A - 知识图谱嵌入方法、装置、设备及存储介质 - Google Patents
知识图谱嵌入方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116741395A CN116741395A CN202310706482.1A CN202310706482A CN116741395A CN 116741395 A CN116741395 A CN 116741395A CN 202310706482 A CN202310706482 A CN 202310706482A CN 116741395 A CN116741395 A CN 116741395A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- entity
- graph set
- graph
- cluster
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 206010020772 Hypertension Diseases 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 208000002173 dizziness Diseases 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 201000004384 Alopecia Diseases 0.000 description 1
- 231100000360 alopecia Toxicity 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数字医疗领域的人工智能技术,揭露了一种知识图谱嵌入方法,包括:获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合,对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。本发明还涉及区块链技术,所述标准知识图谱集合可存储在区块链的节点中。本发明还提出一种知识图谱嵌入装置、电子设备以及可读存储介质。本发明在医疗实体嵌入知识图谱准确性不高时,可以通过相似性负采样替换处理提高知识图谱嵌入的准确率。
Description
技术领域
本发明涉及数字医疗及人工智能技术领域,尤其涉及一种知识图谱嵌入方法、装置、电子设备及可读存储介质。
背景技术
随着人工智能的发展,现有知识图谱的规模已经相当大,但单个知识图谱的信息仍是不完整的,例如,医疗领域的知识图谱由于实体间的关系密切,有必要对现有知识图谱进行知识嵌入融合,扩充知识图谱的信息量。
现有技术中,对于医疗知识图谱,通过将知识图谱中实体与关系嵌入到向量空间进行知识图谱融合的方法显示出强大的可行性与鲁棒性。但是以translate模型为代表的知识图谱嵌入技术,在医疗知识图谱嵌入训练时大多是通过删除正例三元组中的头实体或者尾实体,然后从实体集中随机选择一个实体,对删除头实体或尾实体的不完整三元组进行填充,来构造医疗知识图谱的负例三元组,该方法存在以下缺陷:三元组的随意替换填充会使得负例三元组中存在许多低质量的负例三元组(例如正例三元组“高血压-症状-头晕”经过替换可能得到“高血压-症状-脱发”等相关性较低的低质量负例三元组),而低质量的负例三元组将导致知识图谱嵌入模型训练时无法对实体向量与关系向量进行有效的更新,从而影响知识图谱的有效嵌入,降低知识图谱嵌入的准确性。
发明内容
本发明提供一种知识图谱嵌入方法、装置、电子设备及可读存储介质,其主要目的在于可以提高知识图谱嵌入的准确率。
为实现上述目的,本发明提供的一种知识图谱嵌入方法,包括:
获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
可选地,所述对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,包括:
利用预设的词向量模型对所述原始知识图谱集合中的三元组进行词向量转化,得到三元组向量;
对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇。
可选地,所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合,包括:
依次将所述原始知识图谱集合中的三元组作为目标三元组;
将与所述目标三元组中目标实体同一实体聚类簇的实体作为负样本,利用所述负样本替换所述目标三元组中的目标实体,得到替换三元组;
汇总所有替换完成的三元组得到替换知识图谱集合。
可选地,所述对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合,包括:
计算所述原始知识图谱集合中三元组的第一分数,以及计算所述替换知识图谱集合中替换三元组的第二分数;
利用预设的边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失;
在所述边界损失值大于等于预设损失阈值时,返回所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理的步骤,直至所述边界损失值小于预设损失阈值时,停止训练,得到所述标准知识图谱集合。
可选地,利用下述边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失:
其中,Loss表示边界损失,(h,r,t)表示原始知识图谱集合T中的三元组,h代表头实体,r代表关系,t代表尾实体,Neg(h,r,t)表示原始知识图谱集合T′中的替换三元组,表示梯度下降,Score(h,t)表示第一分数,Score(h′,t′)表示第二分数,h′表示替换后的头实体,t′表示替换后的尾实体,θ表示预设的边界值。
可选地,所述对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇,包括:
从所述三元组向量中随机选取预设个数的实体向量作为聚类中心;
依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离,并将每个实体向量分到距离最小的聚类中心对应的类别中,得到多个类别簇;
重新计算每个类别簇的聚类中心,并返回所述依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离的步骤,直至所述多个类别簇的聚类中心收敛,确定收敛的类别簇为实体聚类簇。
可选地,通过下述公式计算每个类别簇的聚类中心:
其中,Ei为第i个聚类中心,Ci为第i个类别簇,x为类别簇中的实体向量。
为了解决上述问题,本发明还提供一种知识图谱嵌入装置,所述装置包括:
实体聚类模块,用于获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
负采样替换模块,用于基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
知识嵌入模块,用于对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的知识图谱嵌入方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的知识图谱嵌入方法。
本发明基于对原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,再通过实体聚类簇对原始知识图谱集合中的三元组进行相似性负采样替换处理,在医疗知识图谱嵌入中,由于同一聚类簇中都是相似语义的医疗实体,因此可以提高替换知识图谱集合中替换三元组的质量,进而提高医疗知识图谱嵌入的准确性。并且通过对替换知识图谱集合及原始知识图谱集合中的三元组进行边界训练,将负样本构建的替换三元组加入到训练过程,进一步提高了知识图谱嵌入的准确性,例如在医疗知识图谱嵌入时,通过语义聚类可以构造高质量的医疗三元组,提高医疗知识图谱嵌入的准确性。因此本发明提出的知识图谱嵌入方法、装置、电子设备及计算机可读存储介质,可以提高知识图谱嵌入的准确率。
附图说明
图1为本发明一实施例提供的知识图谱嵌入方法的流程示意图;
图2为本发明一实施例提供的知识图谱嵌入装置的功能模块图;
图3为本发明一实施例提供的实现所述知识图谱嵌入方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例提供一种知识图谱嵌入方法。所述知识图谱嵌入方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之,所述知识图谱嵌入方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的知识图谱嵌入方法的流程示意图。在本实施例中,所述知识图谱嵌入方法包括以下步骤S1-S3:
S1、获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇。
本发明实施例中,所述原始知识图谱集合可以为医疗领域的知识图谱三元组集合。知识图谱是一种基于图的数据结构,由节点(Point)和边(Edge)组成的图数据结构,知识图谱的最小单元,是两个节点及它们之间的关系,即三元组(h,r,t),其中h代表头实体,r代表关系,t代表尾实体,知识图谱本质上是语义网络,实体指的可以是现实世界中的事物,比如人、地名、公司、电话、动物等;关系则用来表达不同实体之间的某种联系,例如,医疗知识图谱中,三元组可以表示为:高血压-症状-头晕。
详细地,所述对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,包括:
利用预设的词向量模型对所述原始知识图谱集合中的三元组进行词向量转化,得到三元组向量;
对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇。
本发明一可选实施例中,所述预设的词向量模型可以为GloVe(global vectorsfor word representation,词表示的全局变量)模型,通过GloVe模型对三元组中实体及关系进行向量初始化,获得实体及关系对应的embedding向量,并基于已有实体的向量进行全局的语义聚类分析,使得每个聚类簇中的实体都为语义相近的实体。
详细地,所述对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇,包括:
从所述三元组向量中随机选取预设个数的实体向量作为聚类中心;
依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离,并将每个实体向量分到距离最小的聚类中心对应的类别中,得到多个类别簇;
重新计算每个类别簇的聚类中心,并返回所述依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离的步骤,直至所述多个类别簇的聚类中心收敛,确定收敛的类别簇为实体聚类簇。
本发明一可选实施例中,通过下述公式计算每个类别簇的聚类中心:
其中,Ei为第i个聚类中心,Ci为第i个类别簇,x为类别簇中的实体向量。
本发明一可选实施例中,在医疗知识图谱领域,通过语义聚类分析可以将语义相近的医疗实体聚集在一起,提高医疗知识图谱嵌入的准确率。
S2、基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合。
本发明实施例中,所述相似性负采样替换处理是指选择同一聚类簇中的实体,来替换原始知识图谱集合中三元组的头实体或者尾实体,由于聚类簇中已经是相似实体,使得负采样嵌入的实体具有相似性,可以实现实体向量的快速收敛。
详细地,所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合,包括:
依次将所述原始知识图谱集合中的三元组作为目标三元组;
将与所述目标三元组中目标实体同一实体聚类簇的实体作为负样本,利用所述负样本替换所述目标三元组中的目标实体,得到替换三元组;
汇总所有替换完成的三元组得到替换知识图谱集合。
本发明一可选实施例中,在进行负采样替换的时候,选择同一聚类簇中的词语,来进行替换头实体或者尾实体。例如,医疗知识图谱领域,目标三元组为“高血压-症状-头晕”,其中尾实体为目标实体,尾实体所在聚类簇中的实体包括“肚子疼、发烧……”,经过负采样替换得到替换三元组为“高血压-症状-肚子疼”,从而得到相似性高的替换三元组,提高医疗知识图谱嵌入的准确性。
S3、对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
本发明实施例中,所述边界训练是指利用基于边界的损失函数最小化真实数据(即原始知识图谱集合)及替换数据(替换知识图谱集合)之前的距离,从而提高数据处理的准确性。
详细地,所述对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合,包括:
计算所述原始知识图谱集合中三元组的第一分数,以及计算所述替换知识图谱集合中替换三元组的第二分数;
利用预设的边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失;
在所述边界损失值大于等于预设损失阈值时,返回所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理的步骤,直至所述边界损失值小于预设损失阈值时,停止训练,得到所述标准知识图谱集合。
本发明一可选实施例中,利用下述边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失:
其中,Loss表示边界损失,(h,r,t)表示原始知识图谱集合T中的三元组,h代表头实体,r代表关系,t代表尾实体,Neg(h,r,t)表示原始知识图谱集合T′中的替换三元组,表示梯度下降,Score(h,t)表示第一分数,Score(h′,t′)表示第二分数,h′表示替换后的头实体,t′表示替换后的尾实体,θ表示预设的边界值。
本发明一可选实施例中,通过在原知识图谱三元组损失函数Loss=∑(h,r,t)∈TScore(h,t)基础上,添加了负样本的损失,并且负样本不参与预测任务,只参与训练,使模型更加准确的预测知识三元组,提高知识图谱嵌入的质量。
本发明基于对原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,再通过实体聚类簇对原始知识图谱集合中的三元组进行相似性负采样替换处理,在医疗知识图谱嵌入中,由于同一聚类簇中都是相似语义的医疗实体,因此可以提高替换知识图谱集合中替换三元组的质量,进而提高医疗知识图谱嵌入的准确性。并且通过对替换知识图谱集合及原始知识图谱集合中的三元组进行边界训练,将负样本构建的替换三元组加入到训练过程,进一步提高了知识图谱嵌入的准确性,例如在医疗知识图谱嵌入时,通过语义聚类可以构造高质量的医疗三元组,提高医疗知识图谱嵌入的准确性。因此本发明提出的知识图谱嵌入方法,可以提高知识图谱嵌入的准确率。
如图2所示,是本发明一实施例提供的知识图谱嵌入装置的功能模块图。
本发明所述知识图谱嵌入装置100可以安装于电子设备中。根据实现的功能,所述知识图谱嵌入装置100可以包括实体聚类模块101、负采样替换模块102及知识嵌入模块103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述实体聚类模块101,用于获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
所述负采样替换模块102,用于基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
所述知识嵌入模块103,用于对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
详细地,所述知识图谱嵌入装置100各模块的具体实施方式如下:
步骤一、获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇。
本发明实施例中,所述原始知识图谱集合可以为医疗领域的知识图谱三元组集合。知识图谱是一种基于图的数据结构,由节点(Point)和边(Edge)组成的图数据结构,知识图谱的最小单元,是两个节点及它们之间的关系,即三元组(h,r,t),其中h代表头实体,r代表关系,t代表尾实体,知识图谱本质上是语义网络,实体指的可以是现实世界中的事物,比如人、地名、公司、电话、动物等;关系则用来表达不同实体之间的某种联系,例如,医疗知识图谱中,三元组可以表示为:高血压-症状-头晕。
详细地,所述对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,包括:
利用预设的词向量模型对所述原始知识图谱集合中的三元组进行词向量转化,得到三元组向量;
对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇。
本发明一可选实施例中,所述预设的词向量模型可以为GloVe(global vectorsfor word representation,词表示的全局变量)模型,通过GloVe模型对三元组中实体及关系进行向量初始化,获得实体及关系对应的embedding向量,并基于已有实体的向量进行全局的语义聚类分析,使得每个聚类簇中的实体都为语义相近的实体。
详细地,所述对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇,包括:
从所述三元组向量中随机选取预设个数的实体向量作为聚类中心;
依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离,并将每个实体向量分到距离最小的聚类中心对应的类别中,得到多个类别簇;
重新计算每个类别簇的聚类中心,并返回所述依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离的步骤,直至所述多个类别簇的聚类中心收敛,确定收敛的类别簇为实体聚类簇。
本发明一可选实施例中,通过下述公式计算每个类别簇的聚类中心:
其中,Ei为第i个聚类中心,Ci为第i个类别簇,x为类别簇中的实体向量。
本发明一可选实施例中,在医疗知识图谱领域,通过语义聚类分析可以将语义相近的医疗实体聚集在一起,提高医疗知识图谱嵌入的准确率。
步骤二、基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合。
本发明实施例中,所述相似性负采样替换处理是指选择同一聚类簇中的实体,来替换原始知识图谱集合中三元组的头实体或者尾实体,由于聚类簇中已经是相似实体,使得负采样嵌入的实体具有相似性,可以实现实体向量的快速收敛。
详细地,所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合,包括:
依次将所述原始知识图谱集合中的三元组作为目标三元组;
将与所述目标三元组中目标实体同一实体聚类簇的实体作为负样本,利用所述负样本替换所述目标三元组中的目标实体,得到替换三元组;
汇总所有替换完成的三元组得到替换知识图谱集合。
本发明一可选实施例中,在进行负采样替换的时候,选择同一聚类簇中的词语,来进行替换头实体或者尾实体。例如,医疗知识图谱领域,目标三元组为“高血压-症状-头晕”,其中尾实体为目标实体,尾实体所在聚类簇中的实体包括“肚子疼、发烧……”,经过负采样替换得到替换三元组为“高血压-症状-肚子疼”,从而得到相似性高的替换三元组,提高医疗知识图谱嵌入的准确性。
步骤三、对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
本发明实施例中,所述边界训练是指利用基于边界的损失函数最小化真实数据(即原始知识图谱集合)及替换数据(替换知识图谱集合)之前的距离,从而提高数据处理的准确性。
详细地,所述对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合,包括:
计算所述原始知识图谱集合中三元组的第一分数,以及计算所述替换知识图谱集合中替换三元组的第二分数;
利用预设的边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失;
在所述边界损失值大于等于预设损失阈值时,返回所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理的步骤,直至所述边界损失值小于预设损失阈值时,停止训练,得到所述标准知识图谱集合。
本发明一可选实施例中,利用下述边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失:
其中,Loss表示边界损失,(h,r,t)表示原始知识图谱集合T中的三元组,h代表头实体,r代表关系,t代表尾实体,Neg(h,r,t)表示原始知识图谱集合T′中的替换三元组,表示梯度下降,Score(h,t)表示第一分数,Score(h′,t′)表示第二分数,h′表示替换后的头实体,t′表示替换后的尾实体,θ表示预设的边界值。
本发明一可选实施例中,通过在原知识图谱三元组损失函数Loss=∑(h,r,t)∈TScore(h,t)基础上,添加了负样本的损失,并且负样本不参与预测任务,只参与训练,使模型更加准确的预测知识三元组,提高知识图谱嵌入的质量。
本发明基于对原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,再通过实体聚类簇对原始知识图谱集合中的三元组进行相似性负采样替换处理,在医疗知识图谱嵌入中,由于同一聚类簇中都是相似语义的医疗实体,因此可以提高替换知识图谱集合中替换三元组的质量,进而提高医疗知识图谱嵌入的准确性。并且通过对替换知识图谱集合及原始知识图谱集合中的三元组进行边界训练,将负样本构建的替换三元组加入到训练过程,进一步提高了知识图谱嵌入的准确性,例如在医疗知识图谱嵌入时,通过语义聚类可以构造高质量的医疗三元组,提高医疗知识图谱嵌入的准确性。因此本发明提出的知识图谱嵌入装置,可以提高知识图谱嵌入的准确率。
如图3所示,是本发明一实施例提供的实现所述知识图谱嵌入方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如知识图谱嵌入程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如知识图谱嵌入程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如知识图谱嵌入程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,该电子设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的知识图谱嵌入程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种知识图谱嵌入方法,其特征在于,所述方法包括:
获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
2.如权利要求1所述的知识图谱嵌入方法,其特征在于,所述对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇,包括:
利用预设的词向量模型对所述原始知识图谱集合中的三元组进行词向量转化,得到三元组向量;
对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇。
3.如权利要求1所述的知识图谱嵌入方法,其特征在于,所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合,包括:
依次将所述原始知识图谱集合中的三元组作为目标三元组;
将与所述目标三元组中目标实体同一实体聚类簇的实体作为负样本,利用所述负样本替换所述目标三元组中的目标实体,得到替换三元组;
汇总所有替换完成的三元组得到替换知识图谱集合。
4.如权利要求1中所述的知识图谱嵌入方法,其特征在于,所述对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合,包括:
计算所述原始知识图谱集合中三元组的第一分数,以及计算所述替换知识图谱集合中替换三元组的第二分数;
利用预设的边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失;
在所述边界损失值大于等于预设损失阈值时,返回所述基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理的步骤,直至所述边界损失值小于预设损失阈值时,停止训练,得到所述标准知识图谱集合。
5.如权利要求4所述的知识图谱嵌入方法,其特征在于,利用下述边界损失函数对所述第一分数及所述第二分数进行损失计算,得到边界损失:
其中,Loss表示边界损失,(h,r,t)表示原始知识图谱集合T中的三元组,h代表头实体,r代表关系,t代表尾实体,Neg(h,r,t)表示原始知识图谱集合T′中的替换三元组,表示梯度下降,Score(h,t)表示第一分数,Score(h′,t′)表示第二分数,h′表示替换后的头实体,t′表示替换后的尾实体,θ表示预设的边界值。
6.如权利要求2中所述的知识图谱嵌入方法,其特征在于,所述对所述三元组向量中的实体向量进行语义聚类处理,得到实体聚类簇,包括:
从所述三元组向量中随机选取预设个数的实体向量作为聚类中心;
依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离,并将每个实体向量分到距离最小的聚类中心对应的类别中,得到多个类别簇;
重新计算每个类别簇的聚类中心,并返回所述依次计算所述三元组向量中的每个实体向量到所述聚类中心的距离的步骤,直至所述多个类别簇的聚类中心收敛,确定收敛的类别簇为实体聚类簇。
7.如权利要求6所述的知识图谱嵌入方法,其特征在于,通过下述公式计算每个类别簇的聚类中心:
其中,Ei为第i个聚类中心,Ci为第i个类别簇,x为类别簇中的实体向量。
8.一种知识图谱嵌入装置,其特征在于,所述装置包括:
实体聚类模块,用于获取原始知识图谱集合,对所述原始知识图谱集合中三元组的实体进行语义聚类,得到实体聚类簇;
负采样替换模块,用于基于所述实体聚类簇对所述原始知识图谱集合中的三元组进行相似性负采样替换处理,得到替换知识图谱集合;
知识嵌入模块,用于对所述替换知识图谱集合及所述原始知识图谱集合进行边界训练,得到标准知识图谱集合。
9.一种电子设备,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计算机程序,所述计算机程序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如权利要求1至7中任意一项所述的知识图谱嵌入方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的知识图谱嵌入方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310706482.1A CN116741395A (zh) | 2023-06-14 | 2023-06-14 | 知识图谱嵌入方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310706482.1A CN116741395A (zh) | 2023-06-14 | 2023-06-14 | 知识图谱嵌入方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116741395A true CN116741395A (zh) | 2023-09-12 |
Family
ID=87916374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310706482.1A Pending CN116741395A (zh) | 2023-06-14 | 2023-06-14 | 知识图谱嵌入方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116741395A (zh) |
-
2023
- 2023-06-14 CN CN202310706482.1A patent/CN116741395A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
CN112446544A (zh) | 交通流预测模型训练方法、装置、电子设备及存储介质 | |
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN116578704A (zh) | 文本情感分类方法、装置、设备及计算机可读介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN114913371A (zh) | 多任务学习模型训练方法、装置、电子设备及存储介质 | |
CN111950707B (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN112990374A (zh) | 图像分类方法、装置、电子设备及介质 | |
CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
CN112560721B (zh) | 无感知模型切换方法、装置、电子设备及存储介质 | |
CN111859985B (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
CN114219367A (zh) | 用户评分方法、装置、设备及存储介质 | |
CN116741395A (zh) | 知识图谱嵌入方法、装置、设备及存储介质 | |
CN113723554B (zh) | 模型调度方法、装置、电子设备及计算机可读存储介质 | |
CN117910884B (zh) | 证券期货行业内控质量检测方法、装置、设备及介质 | |
CN114742423B (zh) | 一种随机分组方法、装置、设备及介质 | |
CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 | |
CN113887941B (zh) | 业务流程生成方法、装置、电子设备及介质 | |
CN115204158B (zh) | 数据隔离应用方法、装置、电子设备及存储介质 | |
CN115098688B (zh) | 多标签分类模型训练方法、装置、电子设备及存储介质 | |
CN114185881B (zh) | 异常数据自动修复方法、装置、设备及存储介质 | |
CN113704616B (zh) | 信息推送方法、装置、电子设备及可读存储介质 | |
CN116824011A (zh) | 动画生成方法、装置、设备及存储介质 | |
CN116702906A (zh) | 基于弹性加载的nlp模型推断加速方法、装置、设备及介质 |
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 |