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：北京邮电大学

摘要：本申请提供一种基于神经网络的知识图谱实体链接方法、装置及电子设备，将文档中的实体指称项链接到给定知识图谱的目标实体中，可用于知识图谱的构建和扩充。通过利用知识图谱中实体的上下文与关系和邻居实体的图结构关系，以及引入目标实体具有重要度标记的关系‑实体对，采用循环神经网络对实体指称项和实体上下文进行编码，利用共同注意力机制建立实体指称项上下文与实体上下文之间的相关性模型，使用图卷积神经网络对实体进行建模，生成综合神经网络模型对实体所在文本进行处理，得到知识图谱实体链接。这样，通过共同注意力机制和图卷积神经网络结合提升了知识图谱链接方法的准确率和召回率。

主权项：1.一种基于神经网络的知识图谱实体链接方法，其特征在于，包括：采集实体指称项所在的文本，获取知识图谱的关系-实体对集；将所述文本和所述关系-实体对集输入知识图谱实体链接模型，其中，所述知识图谱实体链接模型是经过训练的综合神经网络模型；所述知识图谱实体链接模型对所述文本和所述关系-实体对集进行处理，得到知识图谱实体链接；其中，所述知识图谱实体链接模型是经过训练的综合神经网络模型，包括：采集样本实体指称项所在的样本文本作为样本集；利用循环神经网络结构，配置得到第一循环神经网络和第二循环神经网络；利用图卷积神经网络结构，配置得到图卷积神经网络；将所述样本集和所述关系-实体对集输入预先构建的初始神经网络模型；采用所述第一循环神经网络对所述样本实体指称项所在的上下文进行编码，得到所述上下文的上下文向量；采用所述第二循环神经网络对所述关系-实体对集进行编码，得到所述关系-实体对集的关系-实体对向量；采用共同注意力机制建立所述上下文向量与所述关系-实体对向量的相关性矩阵，采用加权求和的方式对所述相关性矩阵进行处理，得到权重向量和向量；利用相关性矩阵，采用所述图卷积神经网络对所述关系-实体对向量进行处理，得到关系-实体对权重和向量；采用余弦相似度计算所述权重向量和向量和所述关系-实体对权重和向量之间的语义相似度，得到语义相似度矩阵；选取所述语义相似度矩阵中值最大的位置所对应的知识图谱实体链接作为所述初始神经网络模型的输出；利用所述样本集对所述初始神经网络模型进行训练，得到所述知识图谱实体链接模型；所述采用所述第二循环神经网络对所述关系-实体对集进行编码，包括：通过查询词向量字典将所述关系-实体对集中的单词序列映射为第二词向量序列；将所述第二词向量序列输入所述第二循环神经网络；所述第二循环神经网络对所述第二词向量序列进行编码，输出第二隐状态向量；将所述第二隐状态向量作为所述关系-实体对向量。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于神经网络的知识图谱实体链接方法、装置及电子设备