知识图谱上的树状规则提取方法及装置

本发明涉及自然语言处理，尤其涉及一种知识图谱上的树状规则提取方法及装置。

背景技术：

1、知识图谱上的规则挖掘可以用来描述数据的一般规律，有助于理解数据，并在此基础上进行推理、补全、和检错纠错。

2、相关技术中从知识图谱上提取的规则通常为链式规则，链式规则形如其中，r0(x0,x1)∧r1(x1,x2)∧…∧rn(xn,xn+1)为链式规则的规则体，规则体由多个原子(三元组rn(xn,xn+1)，r表示关系，x表示变量实体)的合取组成，r(x0,xn+1)为链式规则的规则头，规则头是包含目标谓词的单个原子。链式规则能够通过结合神经网络嵌入和可微分归纳逻辑编程(differentiable ilp)等方法缓解规则提取面临的组合爆炸问题，进而完成规则提取。

3、通过链式规则提取方法得到的链式规则，由于其链式结构限制了规则的表达能力，使得规则的准确性不高。

技术实现思路

1、本发明提供一种知识图谱上的树状规则提取方法及装置，用以解决现有技术中链式规则的准确性不高的技术问题。

2、第一方面，本发明提供一种知识图谱上的树状规则提取方法，包括：

3、从知识图谱上提取链式规则；

4、对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；

5、基于所述预测结果进行反向推理，得到所述目标规则体变量表示；

6、基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。

7、在一些实施例中，对所述链式规则进行前向推理，得到对目标规则体变量的预测结果，包括：

8、对所述链式规则进行前向推理，得到所述链式规则的规则头和规则体；

9、利用规则头对目标规则体变量进行预测，得到预测结果中的第一预测向量，并利用规则体对目标规则体变量进行预测，得到预测结果中的第二预测向量。

10、在一些实施例中，基于所述预测结果进行反向推理，得到所述目标规则体变量表示，包括：

11、将所述第一预测向量与所述第二预测向量逐元素相乘，得到正例实体表示和负例实体表示；

12、基于所述正例实体表示和所述负例实体表示进行反向推理，得到目标规则体变量表示。

13、在一些实施例中，基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，包括：

14、利用多种预设的候选原子表示分别与目标规则体变量表示做内积，筛选出目标规则体变量对应的最优的候选原子；

15、将最优的候选原子补充到目标规则体变量处。

16、在一些实施例中，利用多种预设的候选原子表示分别与目标规则体变量表示做内积，筛选出目标规则体变量对应的最优的候选原子，包括：

17、分别确定每一候选原子表示与目标规则体变量表示做内积的内积值；

18、以最大内积值对应的候选原子作为目标规则体变量对应的最优的候选原子。

19、在一些实施例中，对所述链式规则进行前向推理，包括：

20、使用基于矩阵的知识图谱表示对所述链式规则进行前向推理。

21、第二方面，本发明还提供一种知识图谱上的树状规则提取装置，包括：

22、第一提取模块，用于从知识图谱上提取链式规则；

23、第一推理模块，用于对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；

24、第二推理模块，用于基于所述预测结果进行反向推理，得到所述目标规则体变量表示；

25、第二提取模块，用于基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。

26、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述知识图谱上的树状规则提取方法。

27、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述知识图谱上的树状规则提取方法。

28、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述知识图谱上的树状规则提取方法。

29、本发明提供的知识图谱上的树状规则提取方法及装置，基于链式规则，补充候选原子，得到树状规则，提升了规则的表达能力，使得规则更加准确，具有更好的链接预测效果。

技术特征：

1.一种知识图谱上的树状规则提取方法，其特征在于，包括：

2.根据权利要求1所述的知识图谱上的树状规则提取方法，其特征在于，对所述链式规则进行前向推理，得到对目标规则体变量的预测结果，包括：

3.根据权利要求2所述的知识图谱上的树状规则提取方法，其特征在于，基于所述预测结果进行反向推理，得到所述目标规则体变量表示，包括：

4.根据权利要求3所述的知识图谱上的树状规则提取方法，其特征在于，基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，包括：

5.根据权利要求4所述的知识图谱上的树状规则提取方法，其特征在于，利用多种预设的候选原子表示分别与目标规则体变量表示做内积，筛选出目标规则体变量对应的最优的候选原子，包括：

6.根据权利要求1至5中的任一项所述的知识图谱上的树状规则提取方法，其特征在于，对所述链式规则进行前向推理，包括：

7.一种知识图谱上的树状规则提取装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述知识图谱上的树状规则提取方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述知识图谱上的树状规则提取方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述知识图谱上的树状规则提取方法。

技术总结
本发明提供一种知识图谱上的树状规则提取方法及装置，所述方法包括：从知识图谱上提取链式规则；对所述链式规则进行前向推理，得到对目标规则体变量的预测结果；基于所述预测结果进行反向推理，得到所述目标规则体变量表示；基于所述目标规则体变量表示将候选原子补充到目标规则体变量处，得到树状规则。本发明提供的知识图谱上的树状规则提取方法及装置，基于链式规则，补充候选原子，得到树状规则，提升了规则的表达能力，使得规则更加准确，具有更好的链接预测效果。

技术研发人员：刘康,何世柱,赵军,孙望涛
受保护的技术使用者：中国科学院自动化研究所
技术研发日：
技术公布日：2024/1/14