本公开涉及知识图谱领域,且更为具体地,涉及一种基于知识图谱的知识融合方法、系统及存储介质。
背景技术:
1、知识图谱是一种用于表示和组织知识的图形化结构,它通过实体之间的关系来描述现实世界中的事物。随着知识图谱的应用日益广泛,已经在许多人工智能领域应用落地,如聊天机器人,智能问答,个性化推荐等。知识图谱在各个行业迅速落地,而在落地过程中,知识图谱的构建往往需要融合多种不同的数据源。在这个过程中往往会面临着如同一个实体在不同数据源中拥有着不同的描述方式等问题,从而造成的知识间的冲突。
2、因此,期望一种优化的基于知识图谱的知识融合方案。
技术实现思路
1、有鉴于此,本公开提出了一种基于知识图谱的知识融合方法、系统及存储介质,其可以避免因同一个实体在不同数据源中的不同描述方式所造成的语义偏差,从而造成的知识间冲突问题,进而提高知识图谱构建的准确性和效率。
2、根据本公开的一方面,提供了一种基于知识图谱的知识融合方法,其包括:
3、获取来自于第一知识图谱的针对于第一实体的第一文本描述;
4、获取来自于第二知识图谱的针对于所述第一实体的第二文本描述;
5、对所述第一文本描述和所述第二文本描述进行语义编码融合以得到多源文本语义理解特征向量;以及
6、基于所述多源文本语义理解特征向量,生成针对于所述第一实体的融合文本描述。
7、根据本公开的另一方面,提供了一种基于知识图谱的知识融合系统,其包括:
8、第一文本描述获取模块,用于获取来自于第一知识图谱的针对于第一实体的第一文本描述;
9、第二文本描述获取模块,用于获取来自于第二知识图谱的针对于所述第一实体的第二文本描述;
10、语义编码融合模块,用于对所述第一文本描述和所述第二文本描述进行语义编码融合以得到多源文本语义理解特征向量;以及
11、融合文本描述生成模块,用于基于所述多源文本语义理解特征向量,生成针对于所述第一实体的融合文本描述。
12、根据本公开的另一方面,提供了一种存储介质,所述存储介质中存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如前所述的基于知识图谱的知识融合方法。
13、根据本公开的实施例,其首先获取来自于第一知识图谱的针对于第一实体的第一文本描述,接着,获取来自于第二知识图谱的针对于所述第一实体的第二文本描述,然后,对所述第一文本描述和所述第二文本描述进行语义编码融合以得到多源文本语义理解特征向量,最后,基于所述多源文本语义理解特征向量,生成针对于所述第一实体的融合文本描述。这样,可以避免因同一个实体在不同数据源中的不同描述方式所造成的语义偏差,从而造成的知识间冲突问题,进而提高知识图谱构建的准确性和效率。
14、根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
1.一种基于知识图谱的知识融合方法,其特征在于,包括:
2.根据权利要求1所述的基于知识图谱的知识融合方法,其特征在于,对所述第一文本描述和所述第二文本描述进行语义编码融合以得到多源文本语义理解特征向量,包括:
3.根据权利要求2所述的基于知识图谱的知识融合方法,其特征在于,所述深度神经网络模型为albert模型和文本卷积神经网络模型。
4.根据权利要求3所述的基于知识图谱的知识融合方法,其特征在于,通过基于albert模型和文本卷积神经网络模型的语义编码器分别对所述第一文本描述和所述第二文本描述进行语义理解以得到第一文本理解特征向量和第二文本理解特征向量,包括:
5.根据权利要求4所述的基于知识图谱的知识融合方法,其特征在于,对所述第一文本理解特征向量和所述第二文本理解特征向量进行语义关联编码以得到所述多源文本语义理解特征向量,包括:
6.根据权利要求5所述的基于知识图谱的知识融合方法,其特征在于,基于所述多源文本语义理解特征向量,生成针对于所述第一实体的融合文本描述,包括:
7.根据权利要求6所述的基于知识图谱的知识融合方法,其特征在于,对所述第一文本理解特征向量和所述第二文本理解特征向量进行前向传播信息保留融合以得到校正特征向量,包括:
8.一种基于知识图谱的知识融合系统,其特征在于,包括:
9.根据权利要求8所述的基于知识图谱的知识融合系统,其特征在于,所述语义编码融合模块,包括:
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1-7中任一项所述的基于知识图谱的知识融合方法。