公开(公告)号：CN117407689B

公开(公告)日：2024-04-19

申请号：CN202311720957.9

申请日：2023-12-14

Applicant: 之江实验室

Inventor： 陆亚飞 ,  许宝贵 ,  严笑然 ,  刘洋 ,  滕皓

IPC: G06F18/21 ,  G06N5/022 ,  G06N3/042 ,  G06N3/08 ,  G06F18/22

Abstract: 本申请涉及一种面向实体对齐的主动学习方法、装置和电子装置，该方法包括：基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中与第一实体对的特征关系满足预设条件的第二实体对；其中，第一实体对为进行实体对齐后得到的实体对；根据第一实体对和第二实体对，训练预设的图神经网络模型，并基于主动学习规则得到第三实体对，根据第三实体对更新第二实体对；当第三实体对的数量为预设的实体对数量阈值时，确定得到目标图神经网络模型。通过主动学习的方法，得到标注的实体对，进而使用标注实体对训练图神经网络模型，进而降低了在多模态知识图谱实体对齐过程中的标注成本，同时保证了实体对齐的准确性。

公开(公告)号：CN117407689A

公开(公告)日：2024-01-16

申请号：CN202311720957.9

申请日：2023-12-14

Applicant: 之江实验室

Inventor： 陆亚飞 ,  许宝贵 ,  严笑然 ,  刘洋 ,  滕皓

IPC: G06F18/21 ,  G06N5/022 ,  G06N3/042 ,  G06N3/08 ,  G06F18/22

Abstract: 本申请涉及一种面向实体对齐的主动学习方法、装置和电子装置，该方法包括：基于预设的主动学习规则，并根据知识图谱中的第一实体对，获取知识图谱中与第一实体对的特征关系满足预设条件的第二实体对；其中，第一实体对为进行实体对齐后得到的实体对；根据第一实体对和第二实体对，训练预设的图神经网络模型，并基于主动学习规则得到第三实体对，根据第三实体对更新第二实体对；当第三实体对的数量为预设的实体对数量阈值时，确定得到目标图神经网络模型。通过主动学习的方法，得到标注的实体对，进而使用标注实体对训练图神经网络模型，进而降低了在多模态知识图谱实体对齐过程中的标注成本，同时保证了实体对齐的准确性。