基于学习交互重新校准卷积网络生成企业知识图谱的方法技术

本发明专利技术涉及信息处理技术领域，具体为一种基于学习交互重新校准卷积网络生成企业知识图谱的方法，由交互嵌入学习、卷积特征重新校准以及链接评分和预测组成的多层卷积网络，学习企业实体(企业的各种信息)和关系(企业间信息交流、企业与市场的信息交流)的交互嵌入，采用卷积运算来提取关于嵌入的特征，可以将其视为得分函数的一部分，给出一个概率可解释的预测来预测三元组是否正确。为了解决知识图谱中的语义多义问题并构建用于链接预测任务的强大卷积网络，本方法提出使用重新校准卷积网络学习交互嵌入。与传统的嵌入模型相比，所提出的模型可以提供更多的泛化能力，并有效地捕捉实体和关系之间的潜在联系。实体和关系之间的潜在联系。实体和关系之间的潜在联系。

【技术实现步骤摘要】
基于学习交互重新校准卷积网络生成企业知识图谱的方法


[0001]本专利技术涉及信息处理
，具体为一种基于学习交互重新校准卷积网络生成企业知识图谱的方法。

技术介绍

[0002]企业的发展离不开社会经济市场以及企业之间的信息交流，相比于以前的书信电话，网络技术的发展，极大的便利了企业之间的交流，现代的企业信息交流，仅仅需要一个互联网信息平台即可。
[0003]企业迅速需要应对社会的快速发展，随着人们消费观念日益成熟以及市场上产品日益丰富，人们的要求越来越高，人们的需求也日益呈现多样化、个性化，这导致了需求的不确定性的提高，相应的，企业也需要提升自己应对变化的能力。单个企业应对社会的发展相对困难，但是企业之间如果能够共享用户，社会需求，服务需求，企业就能够及时的了解社会市场经济的变化，满足消费者的市场需求，保证企业自身经济的发展。因此企业之间亟需一个信息交流的平台的，能够及时的分享社会市场经济的变化，接收市场变化的信息，在帮助企业自身发展的结果下，还能够促进社会经济的发展。
[0004]当今的时代是信息爆炸的时代，大数据、物联网、人工智能等各种颠覆性技术的出现，促使我们的社会产生海量数据，进而滋生了很多新需求。企业如何及时的应对这些变化，正成为一个日益流行和重要的话题。

技术实现思路

[0005]本专利技术为解决现有技术中的问题，使用学习交互重校准卷积网络的方法生成企业之间的知识图谱，为企业之间构建一个信息交流的平台，增加企业之间的信息交流能力。
[0006]本专利技术提供如下技术方案：一种基于学习交互重新校准卷积网络生成企业知识图谱的方法，具体生成步骤如下：
[0007]S1、企业实体和关系都由三元组特定交互嵌入表示，模拟从实体到关系以及从关系到实体的跨语义影响，给定一个输入三元组(e
s
，r，e
o
)，嵌入e
s
，r，e
o
，在E和R的嵌入矩阵中被识别，写成
[0008]S2、随机初始化两个交互向量和r
i
，分别与企业实体和关系相关；
[0009]S3、将交互嵌入连接到重新校准卷积网络中以学习特征并允许网络选择性地强调信息特征；
[0010]S4、为保持平移距离模型的平移特性，设计了基于卷积网络的评分函数，具体公式为：
[0011][0012]其中每个z
n
表示特征图v
n
的全局平均信息；
[0013]S5、为了学习关于特征图的通道依赖性，通过减少和增加操作采用简单的门控机制；
[0014]S6、通道之间具有相互依赖性的重新校准特征图写成如下公式：
[0015][0016]有选择地强调信息特征并抑制无用特征，获取每个特征图的全局平均信息，使用自注意力函数门控机制来捕获通道依赖性，通道的依赖性用于重新缩放输入特征图，以通过持续优化仅突出显示有用的通道，该机制通过显式建模通道之间的相互依赖关系并提高网络的表达能力，自适应地重新校准通道维度的特征响应；
[0017]S7、所述步骤S6得出的特征被矢量化并映射到嵌入维度，并通过内积与候选实体嵌入进行计算，以预测正确三元组的可能性。
[0018]优选的，所述步骤S1中，所述企业实体为企业的基本信息，所述关系为企业间信息交流、企业与市场的信息交流，
[0019]优选的，所述步骤S2中，所述企业实体和关系的交互嵌入采用关系交互向量来学习，交互操作定义如下：
[0020][0021]所述企业实体和关系都由交互向量和一般嵌入获得的交互嵌入表示，当通过关系到企业实体的交互和企业实体到关系的交互涉及不同的三元组预测时，捕获企业实体和关系的不同潜在语义。
[0022]优选的，所述步骤3中，卷积网络的输入通过交互嵌入和r
i
作为
[0023]然后用N个不同的核对输入矩阵M进行卷积运算
[0024][0025]其中i是卷积运算，符号表示大小为h，宽为w的卷积核，v
n
(i,j)是输出的特征图。
[0026]优选的，所述步骤S4中，由于卷积运算的限制，通道之间的特征映射是独立的，每一个都在局部感受野上运行，无法利用局部感受野之外的上下文信息，采用重新校准机制来捕获特征图的通道依赖性，通过均值池化对特征图V进行压缩，以获得每个特征图的全局平均信息。
[0027]优选的，所述步骤S5中，所述门控机制具体为：
[0028][0029]其中W
a
是一个全连接的缩减变换矩阵，用于通过通道描述符合并特征图信息，表示整流线性单元(ReLU)，用于学习通道之间的非线性交互，而W
b
是一个全连接的递增变换矩阵，返回到V的通道维度。
[0030]优选的，所述步骤S7中，得分函数定义为：
[0031][0032]其中vec()表示展平操作，g()表示修正线性单元。符号W是全连接线性变换矩阵，用于将重新校准特征图投影到d维向量上，然后用于对候选对象实体进行评分，对企业间的知识图谱进行链路预测。
[0033]与现有技术相比，本专利技术的有益效果是：
[0034]1、使用重校准策略，对企业间的信息交流进行信息真实度和重要度加权，增加企业之间信任度的同时，能够直观的了解信息的重要程度，快速的接收经济市场中的重要信息，以便企业及时的做出反应，保证企业能够跟进社会发展；
[0035]2、本方法使用卷积网络技术，能够深度挖掘企业之间的经济链信息，帮助企业匹配合适的合作对象，最大程度的完善企业的供应链以及资金链，且卷积网络技术能够在一定程度上预测企业发展趋势，可以帮助企业在当下了解未来变化并根据预测做出相应调整，最大程度上促进企业的未来发展。根据企业之间的信息交流，结合市场经济的当下变化，卷积网络技术能够对未来社会经济市场做出相对预测，使企业在了解自身发展趋势的基础上，还能够了解社会经济市场变化，提前做出反应。
[0036]本专利技术采用多层卷积网络生成实体和关系的特征，然后用于预测候选实体。此外，通过集成有效的重新校准机制可以选择性地强调信息特征，从而增强了网络的表示能力。本专利技术学习多个特定的交互嵌入，不是直接学习一个通用嵌入来保存每个实体和关系的所有信息，而是捕获它们的交互来模拟从关系到实体以及从实体到关系的跨语义影响。为了解决知识图谱中的语义多义问题并构建用于链接预测任务的强大卷积网络，本方法提出使用重新校准卷积网络学习交互嵌入。与传统的嵌入模型相比，所提出的模型可以提供更多的泛化能力，并有效地捕捉实体和关系之间的潜在联系。
附图说明
[0037]图1为本专利技术基于学习交互重新校准卷积网络生成企业知识图谱的方法流程图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0039]本专利技术提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于学习交互重新校准卷积网络生成企业知识图谱的方法，其特征在于：具体生成步骤如下：S1、企业实体和关系都由三元组特定交互嵌入表示，模拟从实体到关系以及从关系到实体的跨语义影响，给定一个输入三元组(e
s
，r，e
o
)，嵌入e
s
，r，e
o
，在E和R的嵌入矩阵中被识别，写成S2、随机初始化两个交互向量和r
i
，分别与企业实体和关系相关；S3、将交互嵌入连接到重新校准卷积网络中以学习特征并允许网络选择性地强调信息特征；S4、为保持平移距离模型的平移特性，设计了基于卷积网络的评分函数，具体公式为：其中每个z
n
表示特征图v
n
的全局平均信息；S5、为了学习关于特征图的通道依赖性，通过减少和增加操作采用简单的门控机制；S6、通道之间具有相互依赖性的重新校准特征图写成如下公式：有选择地强调信息特征并抑制无用特征，获取每个特征图的全局平均信息，使用自注意力函数门控机制来捕获通道依赖性，通道的依赖性用于重新缩放输入特征图，以通过持续优化仅突出显示有用的通道，该机制通过显式建模通道之间的相互依赖关系并提高网络的表达能力，自适应地重新校准通道维度的特征响应；S7、所述步骤S6得出的特征被矢量化并映射到嵌入维度，并通过内积与候选实体嵌入进行计算，以预测正确三元组的可能性。2.根据权利要求1所述的一种基于学习交互重新校准卷积网络生成企业知识图谱的方法，其特征在于：所述步骤S1中，所述企业实体为企业的基本信息，所述关系为企业间信息交流、企业与市场的信息交流。3.根据权利要求1所述的一种基于学习交互重新校准卷积网络生成企业知识图谱的方法，其特征在于：所述步骤S2中，所述企业实体和关...

【专利技术属性】
技术研发人员：霍胜军，高睿，兰晓仪，徐楠楠，
申请(专利权)人：青岛檬豆网络科技有限公司，
类型：发明
国别省市：