申请/专利权人:北京邮电大学;中国电子信息产业集团有限公司第六研究所
申请日:2024-02-02
公开(公告)日:2024-06-21
公开(公告)号:CN118228809A
主分类号:G06N5/02
分类号:G06N5/02;G06N5/025;G06N5/04
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开一种人物关系知识图谱构建方法、设备、介质及产品,涉及数据处理领域。本发明使用面向邻域的打包方案和悬浮标记技术来识别并标记推文语句中的实体跨度,使用超图神经网络结合消息传递来进行高阶推理,最后对超图中的实体节点和关系节点进行分类并使用交叉熵损失监督实体和关系的预测,从而获取大规模社交网络中的人物和实体关系,以使人物实体和关系的提取更加准确,进而使人物关系知识图谱构建更加准确。基于此,有助于企业更有效地构建和维护基于社交网络数据的人物关系知识图谱,为企业提供更深入的洞察力,进而能够为业务决策提供更准确的信息基础,从而推动企业社交网络战略、市场营销和用户关系管理等。
主权项:1.一种人物关系知识图谱构建方法,其特征在于,所述方法包括:获取推文语句,并使用面向邻域的打包方案预测推文语句中的跨度集合;所述跨度集合包括主语跨度和实体跨度;将所述实体跨度作为主语跨度的宾语标签,采用标记悬浮技术使用主语标签和宾语标签标记所述推文语句,得到标记后的语句;基于标记后的语句生成主语表征向量、宾语表征向量以及关系表征向量;将所述主语表征向量、所述宾语表征向量以及所述关系表征向量均作为节点,将连接所述主语表征向量、所述宾语表征向量和所述关系表征向量的边以及连接两两关系表征向量的边作为超边,构建超图;引入超图神经网络对所述超图的边和节点进行更新学习,得到更新后的超图;基于更新后的超图将主语、宾语以及关系表征进行分类,得到分类后的实体表征和关系表征;利用交叉熵损失监督实体表征和关系表征,以构建人物关系知识图谱。
全文数据:
权利要求:
百度查询: 北京邮电大学;中国电子信息产业集团有限公司第六研究所 一种人物关系知识图谱构建方法、设备、介质及产品
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。