公开(公告)号：CN110147450B

公开(公告)日：2021-08-03

申请号：CN201910372653.5

申请日：2019-05-06

Applicant: 北京科技大学

Inventor： 谢永红 ,  李珍珍 ,  张德政 ,  阿孜古丽 ,  栗辉 ,  贾麒

IPC: G06F16/36

Abstract: 本发明提供一种知识图谱的知识补全方法及装置，能够解决知识补全过程中存在的负例无意义和1‑N关系难以处理的问题。方法包括：确定实体和关系对应的空间向量；根据实体和关系对应的空间向量，计算语义关系，得到实体之间新的关系，补全知识图谱；利用生成式对抗网络随机生成负例，并结合导出的事实三元组训练第一知识表示模型；对得到的事实三元组进行概念分层，随机选择事实三元组同一子概念下的实体构造负例，并结合导出的事实三元组，采用最大间隔方法，训练第二知识表示模型；将第二知识表示模型作为第一知识表示模型的判别器输入，通过对抗生成式网络优化第一知识表示模型，得到用于知识补全的目标知识表示模型。本发明涉及知识工程领域。

公开(公告)号：CN110147450A

公开(公告)日：2019-08-20

申请号：CN201910372653.5

申请日：2019-05-06

Applicant: 北京科技大学

Inventor： 谢永红 ,  李珍珍 ,  张德政 ,  阿孜古丽 ,  栗辉 ,  贾麒

IPC: G06F16/36

Abstract: 本发明提供一种知识图谱的知识补全方法及装置，能够解决知识补全过程中存在的负例无意义和1-N关系难以处理的问题。方法包括：确定实体和关系对应的空间向量；根据实体和关系对应的空间向量，计算语义关系，得到实体之间新的关系，补全知识图谱；利用生成式对抗网络随机生成负例，并结合导出的事实三元组训练第一知识表示模型；对得到的事实三元组进行概念分层，随机选择事实三元组同一子概念下的实体构造负例，并结合导出的事实三元组，采用最大间隔方法，训练第二知识表示模型；将第二知识表示模型作为第一知识表示模型的判别器输入，通过对抗生成式网络优化第一知识表示模型，得到用于知识补全的目标知识表示模型。本发明涉及知识工程领域。