(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210997221.5 (22)申请日 2022.08.18 (71)申请人 河北省讯飞人工智能研究院 地址 065001 河北省廊坊市经济技 术开发 区1号路10 6号新亚研发大厦6 08-609 申请人 科大讯飞股份有限公司 　 科大讯飞 （北京） 有限公司 (72)发明人 王梓玥　王宝鑫　孟庆晔　伍大勇　 陈志刚　王士进　 (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 专利代理师 秦卫中 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/279(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 知识图谱补全方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提出一种知识图谱补全方法、 装置、 电子设备及存储介质， 方法包括： 对待预测三元 组中的头实体和尾实体进行信息交互融合， 得到 头实体对应的代理头实体和尾实体对应的代理 尾实体； 通过计算按照待预测三元组中的头尾实 体关系对代理头实体进行平移变换得到的实体 与代理尾实体 之间的差异， 确定待预测三元组成 立的概率； 若待预测三元组成立的概率达到预设 阈值， 则利用待预测三元组对知识图谱进行补 全。 采用本申请的技术方案， 可 以实现三元组中 头实体和尾实体的信息交互融合， 利用实体信息 交互后的代理头实体和代理尾实体判断三元组 是否成立， 能够提高事实三元 组的判定准确性和 知识图谱补全的准确度。 权利要求书3页 说明书14页 附图3页 CN 115455193 A 2022.12.09 CN 115455193 A 1.一种知识图谱补全方法， 其特 征在于， 包括： 对待预测三元组中的头实体和尾实体进行信 息交互融合， 得到所述头实体对应的代 理 头实体和所述尾实体对应的代理尾实体； 通过计算按照所述待预测三元组中的头尾实体关系对所述代理头实体进行平移变换 得到的实体与所述代理尾实体之间的差异， 确定所述待预测三元组成立的概 率； 若所述待预测三元组成立的概率达到预设阈值， 则利用所述待预测三元组对知识图谱 进行补全。 2.根据权利要求1所述的方法， 其特征在于， 对所述待预测三元组中的头实体和尾实体 进行信息交互融合， 得到所述头实体对应的代理头实体和所述尾实体对应的代理尾实体， 包括： 根据待预测三元组中的头实体和尾实体， 分别生成所述头实体的辅助向量和所述尾实 体的辅助向量； 将所述头实体与所述尾实体的辅助向量进行交互融合， 得到所述头实体对应的代理头 实体， 以及， 将所述尾实体与所述头实体的辅助向量进 行交互融合， 得到所述尾实体对应的 代理尾实体； 其中， 所述头实体的辅助向量包含所述头实体的信息， 所述尾实体的辅助向量包含所 述尾实体的信息 。 3.根据权利要求2所述的方法， 其特征在于， 将所述头实体与 所述尾实体的辅助向量进 行交互融合， 得到所述头实体对应的代理头实体， 以及， 将所述尾实体与所述头实体的辅助 向量进行交 互融合， 得到所述尾实体对应的代理尾实体， 包括： 根据所述尾实体的辅助向量对所述头实体进行投影变换， 得到所述头实体对应的代 理 头实体， 以及， 根据所述头实体的辅助向量对所述尾实体进 行投影变换， 得到所述尾实体对 应的代理尾实体。 4.根据权利要求1所述的方法， 其特征在于， 通过计算按照所述待预测三元组中的头尾 实体关系对所述代理头实体进 行平移变换得到的实体与所述代理尾实体之 间的差异， 确定 所述待预测三元组成立的概 率， 包括： 根据所述待预测三元组中的头尾实体关系， 对所述代理头实体进行平移变换， 得到实 体平移向量； 计算所述实体平 移向量与所述代理尾实体之间的距离； 根据所述实体平移向量与 所述代理尾实体之间的距离， 计算确定所述待预测三元组成 立的概率。 5.根据权利要求1所述的方法， 其特 征在于， 所述待预测三元组通过如下处 理得到： 对所述知识图谱中的实体和各实体之间的实体关系 进行三元组随机组合， 将组合得到 的、 所述知识图谱中不存在的三元组作为待预测三元组。 6.根据权利要求1所述的方法， 其特征在于， 对待预测三元组中的头实体和尾实体进行 信息交互融合， 得到所述头实体对应的代理头实体和所述尾实体对应的代理尾实体， 以及， 通过计算按照所述待预测 三元组中的头尾实体关系对所述代理头实体进行平移变换得到 的实体与所述代理尾实体之间的差异， 确定所述待预测三元组成立的概 率， 包括： 将待预测三元组输入到预先训练的知识图谱嵌入模型， 使所述知识图谱嵌入模型对所权　利　要　求　书 1/3 页 2 CN 115455193 A 2述待预测三元组中的头实体和尾实体进行信息交互融合， 得到所述头实体对应的代理头实 体和所述尾实体对应的代理尾实体， 以及， 通过计算按照所述待预测三元组中的头尾实体 关系对所述代理头实体进 行平移变换得到的实体与所述代理尾实体之 间的差异， 确定所述 待预测三元组成立的概 率。 7.根据权利要求6所述的方法， 其特 征在于， 所述知识图谱嵌入 模型的训练过程包括： 将样本数据集中的样本三元组输入到神经网络模型中， 以使所述神经网络模型执行如 下处理： 针对样 本三元组中的样本头实体、 样 本头尾实体关系和样本尾实体， 以及样本头实 体的辅助向量和样本尾实体的辅助向量， 进行向量参数随机初始化； 将所述样本头实体与 所述样本尾实体的辅助向量进行交互融合， 得到所述样本头实体对应的样本代理头实体， 以及， 将所述样本尾实体与所述样本头实体的辅助向量进行交互融合， 得到所述样本尾实 体对应的样本代理尾实体； 计算按照所述样本头尾实体关系对所述样本代理头实体进 行平 移变换得到的实体与所述样本代理尾实体之间的样本距离； 利用所述样本距离和所述神经网络模型中的损失函数， 以最小化所述样本距离和所述 损失函数为目标， 对所述神经网络模型进行参数优化， 得到知识图谱嵌入 模型； 其中， 在对所述神经网络模型进行参数优化时， 所述样本头实体与所述样本头实体的 辅助向量之 间的向量参数更新步长一致且向量参数不共享， 所述样本尾实体与所述样本尾 实体的辅助向量之间的向量 参数更新步长一致且向量 参数不共享。 8.根据权利要求7所述的方法， 其特征在于， 将所述样本头实体与所述样本尾实体的辅 助向量进 行交互融合， 得到所述样 本头实体对应的样本代理头实体， 以及， 将所述样本尾实 体与所述样本头实体的辅助向量进行 交互融合， 得到所述样本尾实体对应的样本代理尾实 体， 包括： 根据所述样本尾实体的辅助向量对所述样本头实体进行投影变换， 得到所述样本头实 体对应的样本代理头实体， 以及， 根据所述样本头实体的辅助向量对所述样本尾实体进行 投影变换， 得到所述样本尾实体对应的样本代理尾实体。 9.根据权利要求7 所述的方法， 其特 征在于， 所述样本数据集 通过如下处 理得到： 根据所述知识图谱中的实体和各实体之间的实体关系， 构建至少一组样本三元组， 并 由构建得到的样本三元组 组成样本数据集。 10.一种知识图谱补全 装置， 其特 征在于， 包括： 实体交互融合模块， 用于对待预测三元组中的头实体和尾实体进行信息交互融合， 得 到所述头实体对应的代理头实体和所述尾实体对应的代理尾实体； 三元组预测模块， 用于通过计算按照所述待预测三元组中的头尾实体关系对所述代 理 头实体进 行平移变换得到的实体与所述代理尾实体之 间的差异， 确定所述待 预测三元组成 立的概率； 知识图谱补全模块， 用于若所述待预测三元组成立的概率达到预设阈值， 则利用所述 待预测三元组对知识图谱进行补全。 11.一种电子设备， 其特 征在于， 包括： 存 储器和处 理器； 其中， 所述存 储器与所述处 理器连接， 用于存 储程序； 所述处理器， 用于通过运行所述存储器中的程序， 实现如权利要求1至9中任一项所述 的知识图谱补全方法。权　利　要　求　书 2/3 页 3 CN 115455193 A 3