申请/专利权人：腾讯科技(深圳)有限公司

申请日：2019-08-19

公开（公告）日：2024-05-07

公开（公告）号：CN110472067B

主分类号：G06F16/36

分类号：G06F16/36;G06F40/295;G06N3/0475;G06N3/045;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.05.07#授权;2021.10.29#实质审查的生效;2019.11.19#公开

摘要：本申请公开了一种知识图谱表示学习方法、装置、计算机设备及存储介质，该方法包括：为知识图谱中各三元组生成正例三元组向量；确定每个三元组中待替换的目标实体及其实体类别，并利用生成模型为每个三元组构建该三元组的负例三元组向量；依据各个三元组的负例三元组向量，确定生成模型的第一损失函数值；依据知识图谱中各个三元组中目标实体的实体类别、各个三元组的正例三元组向量和负例三元组向量，并利用判别模型的第二损失函数，确定第二损失函数值；依据第一损失函数值和第二损失函数值，优化知识图谱中各个三元组的正例三元组向量、生成模型以及判别模型，直至达到优化目标。本申请的方案可以提高知识图谱表示学习的精准度。

主权项：1.一种知识图谱表示学习方法，其特征在于，应用于游戏场景，所述方法包括：将知识图谱中各个三元组分别表示成向量，得到各个三元组的正例三元组向量，三元组的正例三元组向量包括：该三元组中每个实体的第一实体向量以及该三元组中关系的关系向量；所述知识图谱用于刻画游戏中实体之间的语义关联；针对每个三元组，确定该三元组中待替换的目标实体以及所述目标实体的实体类别；所述目标实体的类别包括人名、地名和工作种类中至少一种；针对每个三元组，利用生成式对抗网络中的生成模型生成用于表征该三元组中所述目标实体的第二实体向量，依据所述目标实体的实体类别，从所述知识图谱中确定与所述目标实体的实体类别相同的候选实体，并将该三元组的正例三元组向量中所述目标实体的第一实体向量替换为所述候选实体的第一实体向量，得到该三元组对应的负例三元组向量，所述候选实体的第一实体向量与所述目标实体的第二实体向量的相似度符合设定条件；所述设定条件为：所述候选实体的第一实体向量与所述目标实体的第二实体向量的相似度最高，或者，所述候选实体的第一实体向量与所述目标实体的第二实体向量的相似度排名属于最靠前的设定位；依据所述知识图谱中各个三元组的负例三元组向量，利用所述生成模型的第一损失函数，确定第一损失函数值；依据所述知识图谱中各个三元组中所述目标实体的实体类别、各个三元组的正例三元组向量和负例三元组向量，并利用所述生成式对抗网络中的判别模型的第二损失函数，确定第二损失函数值；依据所述第一损失函数值和第二损失函数值，并结合梯度下降算法检测当前是否达到优化目标，如果否，则调整所述知识图谱中各个三元组的正例三元组向量、所述生成模型的内部参数以及所述判别模型的内部参数，并返回所述针对每个三元组，确定该三元组中待替换的目标实体以及所述目标实体的实体类别的步骤；如果是，则将当前时刻所述知识图谱中各个三元组的正例三元组向量确定为表示学习出的各个三元组的三元组向量，结束表示学习的过程；所述优化目标为梯度下降的迭代次数到达设定次数，或者，所述第一损失函数值和所述第二损失函数值处于稳定状态；其中，依据所述知识图谱中各个三元组的负例三元组向量，利用所述生成模型的第一损失函数，确定第一损失函数值，包括：将所述知识图谱中各个三元组的负例三元组向量h',r,t'，并利用所述生成模型中的如下第一损失函数，计算第一损失函数值RG： 其中，S表示知识图谱中所有三元组的正例三元组向量h,r,t的集合，其中，h为正例三元组向量中的头实体向量，t为正例三元组向量中的尾实体向量，r表示关系向量，负例三元组向量h',r,t'属于基于S中的正例三元组向量生成的负例三元组向量，其中，h'为负例三元组中的头实体向量，t'为负例三元组向量中的尾实体向量；fDh',r,t'＝h'+r-t'；E表示求平均；其中，所述依据所述知识图谱中各个三元组中所述目标实体的实体类别、各个三元组的正例三元组向量和负例三元组向量，并利用所述生成式对抗网络中的判别模型的第二损失函数，确定第二损失函数值，包括：依据所述知识图谱中各个三元组中所述目标实体的实体类别、各个三元组的正例三元组向量h,r,t，并利用所述生成式对抗网络中的判别模型中的如下第二损失函数，确定第二损失函数值LG： 其中，S表示知识图谱中所有三元组的正例三元组向量h,r,t的集合，其中，h为正例三元组向量中的头实体向量，t为正例三元组向量中的尾实体向量，r表示关系向量，负例三元组向量h',r,t'属于基于S中的正例三元组向量生成的负例三元组向量，其中，h'为负例三元组中的头实体向量，t'为负例三元组向量中的尾实体向量；fDh,r,t＝h+r-t；fDh',r,t'＝h'+r-t'；γ为设定的边界值；n为所述知识图谱中包含各个三元组中待替换的目标实体的总数量，i表示所述知识图谱的一个实体，i为从1到n的自然数；ei表示三元组中待替换的目标实体的第一实体向量，ei为三元组的正例三元组向量中的头实体向量或者尾实体向量；ej为知识图谱中与ei表示的目标实体的实体类别相同的实体的第一实体向量，ej∈Nei表示ej所表示的实体属于ei表示的目标实体的实体类别；W为判别模型中训练出的参数。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 知识图谱表示学习方法、装置、计算机设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD