技术特征：
1.一种基于知识图谱推理的预测方法，所述方法包括：对知识图谱进行增广以获得增广知识图谱，其中，所述知识图谱包括结点和边，所述结点指示实体，所述边指示该边所连接的结点之间的关系并且为有向边，所述知识图谱中长度未超过l的关系路径在所述增广知识图谱中被增广到长度l；基于所述增广知识图谱，获取关于查询的关系有向图的表达，其中，所述查询包括查询实体、查询关系和应答实体，所述关于查询的关系有向图包括针对不同候选应答实体的候选关系有向图；基于所述关系有向图的表达建立针对所述知识图谱的图网络模型的损失函数；基于所述损失函数对所述知识图谱的图网络模型进行训练；利用训练完成的图网络模型来预测所述查询中的应答实体；其中，所述候选关系有向图为l层的有向图，查询实体被设置为位于所述候选关系有向图中的第0层的源结点，对应候选应答实体被设置为位于所述候选关系有向图中的第l层的汇聚点，所述候选关系有向图中的所有边的方向沿从源结点指向汇聚点的方向，并且从源结点到汇聚点的任意一条路径对应于增广知识图谱上从查询实体到对应候选应答实体的一条长度为l的关系路径，其中，l是正整数。2.如权利要求1所述的方法，其中，对知识图谱进行增广的步骤包括：对所述知识图谱中的每个结点添加一个指向自身的关系，并对所述知识图谱中的每一条边添加一个对应的呈现相反关系的边，使得所述知识图谱中的长度未超过长度l的关系路径在所述增广知识图谱中被增广到长度l。3.如权利要求1所述的方法，其中，获取关于查询的关系有向图的表达的步骤包括：通过将所述增广知识图谱中的实体设置为所述查询的候选应答实体，获取针对所述查询的至少一个候选三元组；基于所述增广知识图谱获取关于每个候选三元组的候选关系有向图的表达。4.如权利要求3所述的方法，其中，获取关于每个候选三元组的候选关系有向图的表达的步骤包括：将候选三元组中的查询实体设置为候选关系有向图的源结点并将候选三元组中的候选应答实体设置为候选关系有向图的汇聚点；基于所述增广知识图谱，从第1层开始逐层提取源结点的1阶邻居结点到l阶邻居结点和对应边，直到第l层为止；如果提取的第l层中的邻居结点不包括汇聚点，则将关于候选三元组的候选关系有向图的表达设置为预设向量；如果提取的第l层中的邻居结点包括汇聚点，则基于所提取的源结点的1阶邻居结点到l阶邻居结点以及对应边，从第l层的汇聚点开始逐层提取候选关系有向图中的各层的结点和边，直到第1层为止；基于所提取的候选关系有向图中的各层的结点和边，建立候选三元组的候选关系有向图并通过图神经网络从候选关系有向图的第1层到第l层逐层计算每层的结点的表达；将计算获得的第l层的汇聚点的表达确定为关于候选三元组的候选关系有向图的最终表达。5.如权利要求1所述的方法，其中，获取关于查询的关系有向图的表达的步骤包括：
将所述查询中的查询实体设置为关系有向图的源结点；基于所述增广知识图谱，从第1层开始逐层提取源结点在每层的邻居结点及对应边，并基于所提取的每层的邻居结点及对应边，通过图神经网络逐层计算每层的邻居结点的表达，直到第l层为止；将第l层的邻居结点确定为所述查询的候选应答实体，并将计算获得的第l层的邻居结点的表达分别确定为关于所述查询的针对对应候选应答实体的候选关系有向图的表达；将针对所述增广知识图谱中除第l层的结点以外的结点的关系有向图的表达设置为预设向量。6.一种基于知识图谱推理的预测系统，所述系统包括：增广装置，被配置为对知识图谱进行增广以获得增广知识图谱，其中，所述知识图谱包括结点和边，所述结点指示实体，所述边指示该边所连接的结点之间的关系并且为有向边，所述知识图谱中长度未超过l的关系路径在所述增广知识图谱中被增广到长度l；处理装置，被配置为基于所述增广知识图谱，获取关于查询的关系有向图的表达，其中，所述查询包括查询实体、查询关系和应答实体，并且所述关于查询的关系有向图包括针对不同候选应答实体的候选关系有向图；训练装置，被配置为基于所述关系有向图的表达建立针对所述知识图谱的图网络模型的损失函数，并基于所述损失函数对所述知识图谱的图网络模型进行训练；预测装置，被配置为利用训练完成的图网络模型来预测所述查询中的应答实体，其中，所述候选关系有向图为l层的有向图，查询实体被设置为位于所述候选关系有向图中的第0层的源结点，对应候选应答实体被设置为位于所述候选关系有向图中的第l层的汇聚点，所述候选关系有向图中的所有边的方向沿从源结点指向汇聚点的方向，并且从源结点到汇聚点的任意一条路径对应于所述增广知识图谱上从查询实体到对应候选应答实体的一条长度为l的关系路径，其中，l是正整数。7.如权利要求6所述的系统，其中，增广装置被配置为：对所述知识图谱中的每个结点添加一个指向自身的关系，并对所述知识图谱中的每一条边添加一个对应的呈现相反关系的边，使得所述知识图谱中的长度未超过长度l的关系路径在所述增广知识图谱中被增广到长度l，从而获得所述增广知识图谱。8.如权利要求6所述的系统，其中，处理装置被配置为通过以下操作获取关于查询的关系有向图的表达：通过将所述增广知识图谱中的实体设置为所述查询的候选应答实体，获取针对所述查询的至少一个候选三元组；基于所述增广知识图谱获取关于每个候选三元组的候选关系有向图的表达。9.如权利要求8所述的系统，其中，处理装置被配置为通过以下操作获取关于每个候选三元组的候选关系有向图的表达：将候选三元组中的查询实体设置为候选关系有向图的源结点并将候选三元组中的候选应答实体设置为候选关系有向图的汇聚点；基于所述增广知识图谱，从第1层开始逐层提取源结点的1阶邻居结点到l阶邻居结点和对应边，直到第l层为止；如果提取的第l层中的邻居结点不包括汇聚点，则将关于候选三元组的候选关系有向
图的表达设置为预设向量；如果提取的第l层中的邻居结点包括汇聚点，则基于所提取的源结点的1阶邻居结点到l阶邻居结点以及对应边，从第l层的汇聚点开始逐层提取候选关系有向图中的各层的结点和边，直到第1层为止；基于所提取的候选关系有向图中的各层的结点和边，建立候选三元组的候选关系有向图并通过图神经网络从候选关系有向图的第1层到第l层逐层计算每层的结点的表达；将计算获得的第l层的汇聚点的表达确定为关于候选三元组的候选关系有向图的最终表达。10.如权利要求6所述的系统，其中，处理装置被配置为通过以下操作获取关于查询的关系有向图的表达：将所述查询中的查询实体设置为关系有向图的源结点；基于所述增广知识图谱，从第1层开始逐层提取源结点在每层的邻居结点及对应边，并基于所提取的每层的邻居结点及对应边，通过图神经网络逐层计算每层的邻居结点的表达，直到第l层为止；将第l层的邻居结点确定为所述查询的候选应答实体，并将计算获得的第l层的邻居结点的表达分别确定为关于所述查询的针对对应候选应答实体的候选关系有向图的表达；将针对所述增广知识图谱中除第l层的结点以外的结点的关系有向图的表达设置为预设向量。11.一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至5中的任一权利要求所述的方法。12.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1至5中的任一权利要求所述的方法。
技术总结
提供了一种基于知识图谱推理的预测方法和系统，所述方法包括：对知识图谱进行增广以获得增广知识图谱，其中，所述知识图谱包括结点和边，所述结点指示实体，所述边指示该边所连接的结点之间的关系并且为有向边，所述知识图谱中长度未超过L的关系路径在所述增广知识图谱中被增广到长度L；基于所述增广知识图谱，获取关于查询的关系有向图的表达，其中，所述查询包括查询实体、查询关系和应答实体，所述关于查询的关系有向图包括针对不同候选应答实体的候选关系有向图；基于所述关系有向图的表达建立针对所述知识图谱的损失函数；基于所述损失函数对所述知识图谱的图网络模型进行训练；利用训练完成的图网络模型来预测所述查询中的应答实体。询中的应答实体。询中的应答实体。
技术研发人员：张永祺
受保护的技术使用者：第四范式（北京）技术有限公司
技术研发日：2021.08.13
技术公布日：2021/11/8