龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：昆明理工大学
摘要：本发明提供一种基于关系约束下概念语义信息学习的常识知识图谱推理方法，涉及自然语言处理领域。现有方法在学习实体之间的语义联系方面存在不足，忽视了有效利用实体之间的概念语义联系对推理性能的提升，本发明首先提出了一种基于关系约束的语义对比学习框架，学习关系约束条件下的实体之间的概念语义联系。然后，本发明设计了两个损失函数，充分利用实体的内在联系和实体与关系的外在联系，对获取的概念语义信息进行优化。常识知识图谱数据集CN‑100K和ATMOIC上的实验结果表明,本发明提出的基于关系约束的概念语义信息学习的常识知识图谱推理方法是有效的。
主权项：1.一种基于关系约束下概念语义信息学习的常识知识图谱推理方法，其特征在于：所述方法包括：Step1、对知识图谱中的三元组进行采样，对于每种由相同头实体和关系组成的三元组，构建正负样本集合；Step2、使用BERT获取实体的初始嵌入表征，分别计算正样本集合内部的实体互相之间的嵌入得分和正样本集合的实体和负样本集合的实体互相之间的嵌入得分；Step3、使用成对间隔排序损失优化Step2中得到的嵌入得分，并对BERT进行微调；Step4、将知识图谱的实体和关系送入Step3中微调后的BERT得到实体和关系的总的语义嵌入表征矩阵并在此基础上获取实体概念语义表征矩阵，并利用图卷积网络GCN获取的节点的图结构表征矩阵；Step5、从Step4中获取特定三元组中实体和关系的表征，设计损失调整概念语义表征，并对头实体和关系的表征进行卷积得到的向量与实体的表征矩阵做乘积对尾实体进行预测；Step6、对头实体和关系的表征进行卷积得到的向量与实体的表征矩阵做乘积对尾实体进行预测，联合训练交叉熵损失和Step5中的损失来训练模型。
全文数据：
权利要求：
百度查询： 昆明理工大学 一种基于关系约束下概念语义信息学习的常识知识图谱推理方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号