【技术实现步骤摘要】
一种基于邻域特征的知识图谱实体对齐方法
[0001]本专利技术涉及知识图谱技术，具体涉及一种基于邻域特征的知识图谱实体对齐方法
。
技术介绍
[0002]知识图谱是一种融合多语言和多知识信息的结构化知识存储形式，可以将结构化的数据和非结构化的数据整合到一个统一的模型中，并将其转换为机器可读的形式进行存储
。
在知识图谱中，知识以
(s
，
o
，
p)
形式的三元组进行表示，包括
<
头实体，关系，尾实体
>
和
<
实体，属性，属性值
>
两种形式，知识图谱利用这两种三元组形式可以有效表达复杂的知识结构，使现实世界中的知识在计算机世界中更加直观和易于理解，已经被广泛应用到了许多领域之中，包括问答系统
、
搜索引擎和推荐系统等
。
[0003]然而，不同的知识图谱在构建时所依据的知识源并不相同，导致某个单一的知识图谱可能缺少某些特定领域的知识信息，从而难以应用到其他领域
。
此外，不同的知识图谱中关于某个实体的知识也可能并不完整，这些知识之间可以相互补充
。
为了获得更加完整的知识图谱，需要进行知识融合，整合不同知识源中的信息，从而使得知识图谱更加全面和准确
。
实体对齐是指在不同的知识图谱或者本体中，找到具有相同语义的实体进行匹配的过程，以便为知识...
【技术保护点】
【技术特征摘要】
1.
一种基于邻域特征的知识图谱实体对齐方法，其特征在于，包括以下步骤：
A、
输入训练数据，训练知识图谱实体对齐模型；所述训练数据包括源知识图谱
G
s
、
目标知识图谱
G
t
和实体对种子集合
Q
e
；所述
Q
e
中的实体对为预先对齐的实体对，并表示为
Q
e
＝
(e
os
,e
ot
)∣e
os
∈E
s
,e
ot
∈E
t
，其中，
E
s
和
E
t
分别为
G
s
和
G
t
中的实体集合；
A1、
利用图神经网络，获得输入两知识图谱
G
s
和
G
t
中所有实体的嵌入表征；
A2、
利用邻域匹配模型，以源知识图谱
G
s
作为计算图谱
G
i
、
目标知识图谱
G
t
作为背景图谱
G
j
，获得
G
s
中各实体的匹配特征利用邻域匹配模型，以目标知识图谱
G
t
作为计算图谱
G
i
、
源知识图谱
G
s
作为背景图谱
G
j
，获得
G
t
中各实体的匹配特征所述邻域匹配模型的匹配过程包括：
A21、
针对计算图谱
G
i
中的各实体
e
i
，分别计算该实体
e
i
与背景图谱
G
j
中各实体
e
j
的相似度，将相似度最大的实体
e
j
作为该实体
e
i
的候选实体
c
i
，构成实体对
(e
i
,c
i
)
，并分别基于实体所属知识图谱，获得
e
i
的邻居集
N
i
和
c
i
的邻居集
N
j
；
A22、
针对计算图谱
G
i
中的各实体
e
i
，分别按如下步骤计算其匹配特征
A221、
计算当前计算实体
e
i
的邻居集
N
i
中每一个节点
p
的特征向量计算当前计算节点
p
与各节点
q
的注意力权重
a
pq
，所述
q
为当前计算实体
e
i
所对应实体对
(e
i
,c
i
)
中候选实体
c
i
的邻居集
N
j
中的节点；然后，基于注意力权重
a
pq
，对当前计算节点
p
与各节点
q
的相似度，进行加权聚合，获得当前计算节点
p
的匹配向量
m
p
；之后，基于当前计算节点
p
的匹配向量
m
p
和嵌入表征
h
p
，计算获得当前计算节点
p
的特征向量
A222、
计算当前计算实体
e
i
与其邻居集
N
i
中各节点
p
的聚合权重
α
ip
，基于聚合权重
α
ip
，对当前计算实体
e
i
的邻居集
N
i
中各节点
p
的特征向量进行加权聚合，获得该实体
e
i
的匹配特征
A3、
利用步骤
A2
获得的
G
s
中各实体的匹配特征和
G
t
中各实体的匹配特征计算实体对种子集合
Q
e
中各实体对两实体间的相似度，并基于该相似度，计算邻域匹配模型的损失；模型的总损失包括邻域匹配模型的损失和步骤
A1
图神经网络的损失，基于模型的总损失对模型进行更新；
A4、
判断是否完成训练，若是则获得完成训练的知识图谱实体对齐模型；否则，利用步骤
A2
获得的
G
s
中各实体的匹配特征和
G
t
中各实体的匹配特征分别计算
G
s
中各实体
e
s
与
G
t
中各实体
e
t
的相似度，以与各实体
e
s
的最大相似度所对应的实体
e
t
作为其匹配实体，并构建匹配实体对；基于预设的实体匹配阈值，筛选满足实体匹配阈值的匹配实体对，作为新的实体对种子，并添加到实体对种子集合
Q
e
中；然后，返回步骤
A1
；
B、
知识图谱实体对齐
B1、
输入待进行实体对齐的源知识图谱
G
s
和目标知识图谱
G
t
；
B2、
利用完成训练的知识图谱实体对齐模型，基于步骤
A1
～
A2
，获得
G
s
中各实体的匹配特征和
G
t
中各实体的匹配特征
B3、
利用步骤
B2
获得的
G
s
中各实体的匹配特征和
G
t
中各实体的匹配特征分别计
算
G
s
中各实体
e
s
与
G
t
中各实体
e
t
的相似度，以与各实体
e
s
的最大相似度所对应的实体
e
t
作为其匹配实体，并构建匹配实体对；基于预设的实体匹配阈值，筛选满足实体匹配阈值的匹配实体对，作为待进行实体对齐的源知识图谱
G
s
和目标知识图谱
G
t
的实体对齐结果
。2.
如权利要求1所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A4
中，利用获得的
G
s
中各实体的匹配特征和
G
t
中各实体的匹配特征按如下公式，分别计算
G
s
中各实体与
G
t
中各实体的相似度：其中，为两特征向量的
L1
距离
。3.
如权利要求2所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A4
中，还包括：按如下公式，对实体
e
s
和实体
e
t
的相似度进行更新：其中，和为实体
e
s
和实体
e
t
的邻居集合，
|
·
|
表示计数，
λ
e
为控制关系影响程度的超参数；表示集合
M
e
中所有实体对的关系影响程度的和；所述集合
M
e
为邻居集合和所包含实体所构成的且属于实体对种子集合
Q
e
的实体对；集合
M
e
中各实体对的关系影响程度
P(r1,r2,n1,n2)
的计算包括：首先，针对
M
e
中当前计算的实体对
(m
s
,m
t
)
，分别从实体
m
s
和实体
m
t
所属知识图谱中提取包含其的三元组
(m
s
,r1,n1)
和
(m
t
,r2,n2)
，并基于确定的关系
r1和尾实体
n1构建三元组集合
T1，基于确定的关系
r2和尾实体
n2构建三元组集合
T2；然后，按如下公式计算实体对
(m
s
,m
t
)
的
P(r1,r2,n1,n2))P(r1,r2,n1,n2)
＝
P(r1,n1)
·
P(r1,n1)
其中，
|
·
|
表示计数
。4.
如权利要求1所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A4
中，所述预设的实体匹配阈值为自适应阈值
Δ
：其中，
sim
s
[0]
为
G
s
中第
s
个实体
e
s
与其匹配实体的相似度；
S
为
G
s
中实体的数量；
ω
为增大权重的超参数
。5.
如权利要求1所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A1
，利用图神经网络，获得输入两知识图谱
G
s
和
G
t
中所有实体的嵌入表征，包括：
A11、
利用预训练模型，获得两知识图谱
G
s
和
G
t
中所有实体的初始化嵌入表征；
A12、
以实体为节点
、
关系为边，分别将两知识图谱
G
s
和
G
t
转换为图；
A13、
以实体的初始化嵌入表征作为初始的节点嵌入表征，利用
GCN
网络，基于各节点在图中的邻居节点的节点嵌入表征，对各节点的节点嵌入表征进行更新，将各节点更新后的节点嵌入表征，作为其所对应实体的嵌入表征
。6.
如权利要求5所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A11
中，利用预训练模型，获得两知识图谱
G
s
和
G
t
中所有实体的初始化嵌入表征，包括：
A111、
将源知识图谱
G
s
和目标知识图谱
G
t
中的所有实体和所有关系，输入预训练
Bert
语言模型，将文本转换为实体特征向量，并将实体特征向量的矩阵表示为言模型，将文本转换为实体特征向量，并将实体特征向量的矩阵表示为将关系特征向量的矩阵表示为其中，
N
为两个知识图谱所有实体的数量，
M
为两个知识图谱中所有关系的总数量；
A112、
以
H
pre
和
X
pre
作为初始输入，利用预训练
TransE
模型，进行编码，获得两知识图谱
G
s
和
G
t
中所有实体的初始化嵌入表征
。7.
如权利要求6所述的一种基于邻域特征的知识图谱实体对齐方法，其特征在于，步骤
A13
中，以实体的初始化嵌入表征作为初始的节点嵌入表征，利用图卷积神经网络，基于各节点在图中的邻居节点的节点嵌入表征，对各节点的节点嵌入表征进行更新，将各节点更新后的节点嵌入表征，作为其所对应实体的嵌入表征，包括：
A131、
将实体的初始化嵌入表征作为节点嵌入表征，输入
GCN
网络；
A132、
基于输入的节点嵌入表征按如下公式进行聚合，获得当前层的节点中间嵌入表征得当前层的节点中间嵌入表征其中，表示第
n
个实体的邻居节点集合，
W
(l)
为可训练的权重矩阵，
l
表示
GCN
...
【专利技术属性】
技术研发人员：段贵多，秦科，董强，罗光春，胡芮铭，韦子龙，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。