公开(公告)号：CN112883199A

公开(公告)日：2021-06-01

申请号：CN202110257946.6

申请日：2021-03-09

Applicant: 重庆大学

Inventor： 钟将 ,  贺紫涵 ,  戴启祝 ,  余尧

IPC: G06F16/36 ,  G06F40/295 ,  G06F40/30 ,  G06F40/242 ,  G06N5/02 ,  G06N3/04

Abstract: 本发明提供一种基于深度语义邻居和多元实体关联的协同消歧方法，包括以下步骤：生成实体指称集、候选实体集；获取候选实体、实体指称的向量表示；构建“实体指称‑候选实体”之间的字符串匹配度、上下文相似度局部特征；提取实体指称间的局部一致性特征得到邻接指称；基于局部相似度特征、实体指称及邻接指称的候选实体集构建初始实体语义关联图；将整个实体指称集划分为低歧义和高歧义两部分，基于此对实体语义相关图进行丰富更新；对局部相似度特征以及全局特征通过基于图注意力网络的消歧模型进行聚合，输出每一个实体指称对应的映射实体。本发明可以解决文档级别的实体消歧任务中存在的协同消歧计算成本高及实体的局部一致性问题。

公开(公告)号：CN112883200A

公开(公告)日：2021-06-01

申请号：CN202110275802.3

申请日：2021-03-15

Applicant: 重庆大学

Inventor： 钟将 ,  朱伟 ,  王臣 ,  戴启祝 ,  余尧

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种面向知识图谱补全的链接预测方法，包括：利用给定的头实体和给定的关系依次将与头实体无关的其它实体视为尾实体，利用给定的尾实体和给定的关系依次将与尾实体无关的其它实体视为头实体，通过链接预测模型计算三元组的评分，并将评分最高的尾实体作为所预测的尾实体、将评分最高的头实体作为所预测的头实体；链接预测模型在卷积神经网络上引入了基于注意力机制的全局上下文编码模块，通过聚合局部特征来学习全局上下文信息，增强了用于进行知识图谱补全的特征表示。本发明可以解决卷积神经网络模型在进行知识图谱嵌入学习时，因为没有利用上下文信息，导致很多复杂关系的三元组出现错误链接预测的技术问题。