【技术实现步骤摘要】
本专利技术属于知识图谱嵌入的，具体涉及一种轻量多语义层次的知识图谱链接感知预测方法及装置。
技术介绍
1、知识图谱是一种结构化的图形表示，用于描述现实世界中的实体、关系和事实，在人工智能、自然语言处理和数据挖掘等各个领域发挥着至关重要的作用。知识图谱通常由节点、边和三元组构成，其中节点表示事物实体，边表示事物实体之间的关系，形如(头实体，关系，尾实体)的三元组表示描述头尾实体间关系的事实。尽管常用知识图谱中包含大量的事实三元组，仍然难以将现实世界中的知识完全建模到知识图谱中，因此，知识图谱的链接预测，即在已知事实的基础上推理出未知但正确的事实，近年来备受关注。
2、受到词嵌入的启发，研究学者采用知识图谱表示学习，即知识图谱嵌入，处理链接预测问题。知识图谱嵌入旨在将知识图谱这种结构化的数据转化为连续向量，使得机器能够通过算法实现对事实的学习推理。然而，知识图谱中通常包含了复杂的关系语义和层次结构，其中关系语义指关系的对称、逆转和组合等语义模式，层次结构指头尾实体之间存在层次差异。因此，越来越多学者开始研究高效的知识嵌入方法以尽可能完整地建模知识图谱中的信息，从而提高知识图谱链接预测的准确率。
3、目前存在一些知识图谱嵌入方法。申请号为cn202310005099的基于语义和关系结构融合嵌入的知识图谱嵌入方法，该方法通过词嵌入方法捕捉实体之间的语义，通过简单的向量转换捕捉关系结构，适用于既包含实体描述，又包含关联关系的知识图谱的嵌入和推理；在“multi-relational poincarégraph em
4、上述知识图谱嵌入方法中，第一项技术采用词嵌入技术捕捉语义，通过简单向量转换建模关系，虽然实现了语义和关系结构的融合，但仅适用于同时包含实体描述和关联关系的知识图谱，并且该方法采用向量距离加减计算建模关系，难以捕捉对称这一关系语义。
5、第二种技术将知识图谱嵌入至双曲空间，有效建模了层次结构，但由于双曲空间计算的复杂性，导致该方法难以同时捕捉对称、逆转等复杂的关系语义。
6、第三种技术将知识图谱嵌入至极坐标空间，利用极坐标系的模长和相位同时建模了层次结构和多种关系模式，但该方法仅在高维空间下取得了良好性能，需要消耗大量的内存空间和计算时间。
技术实现思路
1、本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种轻量多语义层次的知识图谱链接感知预测方法及装置，将知识图谱同时嵌入至双曲空间和欧式空间，结合欧式嵌入和双曲嵌入共同捕捉知识图谱的层次结构和复杂关系语义，有效利用双曲空间特性建模层次结构，能够降低存储空间的消耗并提高计算效率。
2、为了达到上述目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供了一种轻量多语义层次的知识图谱链接感知预测方法，包括下述步骤：
4、s1、获得知识图谱数据，知识图谱数据包括实体集、关系集和三元组集；所述三元组包括头实体、尾实体和关系；
5、s2、利用双曲空间和欧式空间构建知识图谱嵌入模型；知识图谱嵌入模型的构建步骤包括：将实体和关系嵌入至双曲空间的庞加莱球模型，获取对应的实体双曲嵌入，将对应的实体双曲嵌入通过关系双曲变换捕捉层次结构，计算三元组的层次感知部分得分；将实体和关系嵌入至欧式空间，获取对应的实体欧式嵌入，将对应的实体欧式嵌入通过关系相位变换捕捉关系语义，计算三元组的关系语义部分得分；
6、s3、约束实体的决策边界，根据层次感知部分得分、关系语义部分得分和决策边界计算三元组总得分；
7、s4、利用三元组总得分优化模型参数，获取训练好的知识图谱嵌入模型；利用训练好的知识图谱嵌入模型进行知识图谱链接预测。
8、作为优选的技术方案，所述步骤s2，包括：
9、将实体和关系嵌入至双曲空间的庞加莱球模型，获取关系对角矩阵和关系平移矩阵；
10、利用关系对角矩阵在双曲空间中对实体进行旋转变换；利用关系平移矩阵在双曲空间中对实体进行平移变换；
11、计算三元组的层次感知部分得分。
12、作为优选的技术方案，所述利用关系对角矩阵在双曲空间中对实体进行旋转变换，具体为：
13、通过对数映射将头实体嵌入投影至庞加莱球对应的欧式切平面中；
14、在欧式切平面中使用关系对角矩阵变换调整头实体嵌入，变换完成后通过指数映射将其投影回庞加莱球平面中，得到经过关系双曲旋转调整的头实体嵌入。
15、作为优选的技术方案，所述利用关系平移矩阵在双曲空间中对实体进行平移变换，具体为：使用双曲关系平移矩阵变换调整尾实体嵌入，得到经过关系双曲平移变换的尾实体嵌入。
16、作为优选的技术方案，采用庞加莱球距离计算三元组的层次感知部分得分，如下式：
17、
18、其中，表示莫比乌斯加法计算，r表示关系对角矩阵，r表示关系平移矩阵，hh表示头实体双曲嵌入，th表示尾实体双曲嵌入。
19、作为优选的技术方案，所述步骤s2，包括：
20、将实体和关系嵌入至欧式空间，获取头实体欧式嵌入、尾实体欧式嵌入以及关系相位嵌入；
21、通过关系相位嵌入对头实体欧式嵌入进行旋转变换；
22、计算变换后的头实体欧式嵌入与尾实体欧式嵌入之间的距离，获取三元组的关系语义部分得分。
23、作为优选的技术方案，采用正弦函数计算变换后的头实体欧式嵌入与尾实体欧式嵌入之间的距离，获取三元组的关系语义部分得分，如下式：
24、
25、其中，λ表示权重参数，he表示头实体欧式嵌入，re表示关系欧式嵌入，te表示尾实体关系嵌入。
26、作为优选的技术方案，所述三元组总得分的计算，如下式：fr(h，t)＝dhyper+deuc+bh+bt
27、其中，dhyper表示三元组的层次感知部分得分，deuc表示三元组的关系语义部分得分，bh表示特定于头实体的约束参数，bt表示特定于尾实体的约束参数。
28、第二方面，本专利技术还提供了一种轻量多语义层次的知识图谱链接感知预测系统，应用于所述的轻量多语义层次的知识图谱链接感知预测方法，包括数据收集模块、层次感知模块、关系语义模块、总得分计算模块以及感知预测模块；
29、数据收集模块，用于获得知识图谱数据，知识图谱数据包括实体集、关系集和三元组集；所述三元组包括头实体、尾实体和关系；
30、层次感知模块本文档来自技高网...
【技术保护点】
1.一种轻量多语义层次的知识图谱链接感知预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述步骤S2，包括：
3.根据权利要求2所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述利用关系对角矩阵在双曲空间中对实体进行旋转变换，具体为：
4.根据权利要求2所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述利用关系平移矩阵在双曲空间中对实体进行平移变换，具体为：使用双曲关系平移矩阵变换调整尾实体嵌入，得到经过关系双曲平移变换的尾实体嵌入。
5.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，采用庞加莱球距离计算三元组的层次感知部分得分，如下式：
6.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述步骤S2，包括：
7.根据权利要求6所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，采用正弦函数计算变换后的头实体欧式嵌入与尾实体欧式嵌入之间的距离，获取三元组的关系语义
8.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述三元组总得分的计算，如下式：
9.一种轻量多语义层次的知识图谱链接感知预测系统，其特征在于，应用于权利要求1-8中任一项所述的轻量多语义层次的知识图谱链接感知预测方法，包括数据收集模块、层次感知模块、关系语义模块、总得分计算模块以及感知预测模块；
10.一种电子设备，其特征在于，所述电子设备包括：
...【技术特征摘要】
1.一种轻量多语义层次的知识图谱链接感知预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述步骤s2，包括：
3.根据权利要求2所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述利用关系对角矩阵在双曲空间中对实体进行旋转变换，具体为：
4.根据权利要求2所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，所述利用关系平移矩阵在双曲空间中对实体进行平移变换，具体为：使用双曲关系平移矩阵变换调整尾实体嵌入，得到经过关系双曲平移变换的尾实体嵌入。
5.根据权利要求1所述轻量多语义层次的知识图谱链接感知预测方法，其特征在于，采用庞加莱球距离计算三元组的层次感知部分得分，如下式：
【专利技术属性】
技术研发人员：王乐，林尧，朱东，朱俊义，张晨晖，郑天宇，徐颖慧，刘治彤，
申请(专利权)人：广州大学，
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。