(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210649331.2 (22)申请日 2022.06.10 (65)同一申请的已公布的文献号 申请公布号 CN 114741460 A (43)申请公布日 2022.07.12 (73)专利权人 山东大学 地址 266237 山东省青岛市 即墨滨海路72 号 (72)发明人 任昭春　王梓涵　任鹏杰　陈竹敏　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 黄海丽 (51)Int.Cl. G06F 16/28(2019.01) G06F 16/215(2019.01)G06F 16/2455(2019.01) G06F 16/2458(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 112417171 A,2021.02.26 CN 110069638 A,2019.07.3 0 CN 113517045 A,2021.10.19 CN 111191460 A,2020.0 5.22 CN 111144570 A,2020.0 5.12 WO 2022114368 A1,202 2.06.02 CN 111026875 A,2020.04.17 CN 114064928 A,202 2.02.18 审查员 范玉霞 (54)发明名称 基于规则间关联的知识图谱数据扩展方法 及系统 (57)摘要 本发明提供了一种基于规则间关联的知识 图谱数据扩展方法及系统， 其属于知识图谱表示 技术领域， 所述方案包括： 获取待处理的知识图 谱， 从中抽取逻辑规则， 实现规则池的构建； 计算 每条逻辑规则的置信度， 并基于所述置信度计算 逻辑规则间关联的置信度； 对所述逻辑规则进行 实例化， 获得候选三元组， 基于规则约束的优化 方法计算每个候选三元组的软标签； 基于所述软 标签将获得的候选三元组与原始知识图谱构建 为新知识图谱， 基于所述新知识图谱， 采用基于 图神经网络的编码器获得 实体表示向量， 并基于 表示学习的解码器获得所述新知识图谱中的关 系向量表示， 进行缺失三元组成立可能性预测； 迭代执行上述步骤， 直至满足收敛条件， 获得最 终的知识图谱。 权利要求书3页 说明书9页 附图2页 CN 114741460 B 2022.09.30 CN 114741460 B 1.一种基于规则间关联的知识图谱数据扩展方法， 其特 征在于， 包括： 步骤1： 获取待处理的知识图谱， 通过对所述知识图谱进行遍历获取逻辑规则， 实现规 则池的构建； 步骤2： 计算每条逻辑规则的置信度分数， 并基于所述置信度分数计算逻辑规则间关联 的置信度分数； 步骤3： 对所述逻辑规则进行实例化， 获得候选三元组， 基于规则约束的优化方法计算 每个候选三元组的软标签； 其中， 所述规则约束基于逻辑规则的置信度分数以及逻辑规则 间关联的置信度分数确定； 步骤4： 基于所述软标签将 获得的候选三元组与原始知识图谱构建为新知识图谱， 基于 所述新知识图谱， 采用基于图神经网络的编码器获得实体表示向量， 并基于表示学习的解 码器获得所述新知识图谱中的关系向量表示； 基于所述 实体表示向量及所述关系向量表示 预测新知识图谱中缺失三元组成立可能性； 步骤5： 迭代执行所述步骤2至步骤4， 直至满足收敛条件， 通过将知识图谱中逻辑规则 间的关联关系引入知识图谱中新出现实体相关事实的预测中， 获得最终的知识图谱， 实现 知识图谱数据的扩展； 所述基于规则约束的优化方法计算每个候选三元组的软标签， 具体采用如下目标函 数： 其中，C为常数，tvn为包含虚拟邻居的三元组， s（tvn） 为tvn的软标签， 通过求解所述目标 函数得到； I（tvn） 为tvn的真实值， 由 计算得到； ， 为松 弛变量， 为完整逻辑规则 的置信度分数， 为逻辑规则间关联的置信度分数， 为逻辑规则， 为实例化后的规则间关联。 2.如权利要求1所述的一种基于规则间关联的知识图谱数据扩展方法， 其特征在于， 所 述逻辑规则包括规则头和规则体； 所述规则头对应于知识图谱中的三元组； 所述规则体对 应于规则头的头实体到尾实体之间的路径。 3.如权利要求1所述的一种基于规则间关联的知识图谱数据扩展方法， 其特征在于， 所 述计算每条逻辑规则的置信度分数， 基于所述逻辑规则中规则头和规则体所对应路径的相 似度进行计算。 4.如权利要求1所述的一种基于规则间关联的知识图谱数据扩展方法， 其特征在于， 所 述逻辑规则间关联采用如下 方式获得： 基于逻辑规则的规则体中是否存在缺失三元组， 判断所述逻辑规则为完整逻辑规则或权　利　要　求　书 1/3 页 2 CN 114741460 B 2不完整逻辑 规则； 实例化所述逻辑规则， 基于路径搜索方法获取所述完整逻辑规则与不完整规则之间的 关联路径。 5.如权利要求1所述的一种基于规则间关联的知识图谱数据扩展方法， 其特征在于， 所 述对所述知识图谱进行遍历获取逻辑 规则， 具体采用路径搜索算法获得。 6.一种基于规则间关联的知识图谱数据扩展系统， 其特 征在于， 包括： 规则池构建单元， 其用于获取待处理的知识图谱， 通过对所述知识图谱进行遍历获取 逻辑规则， 实现规则池的构建； 置信度计算单元， 其用于计算每条逻辑规则的置信度分数， 并基于所述置信度分数计 算逻辑规则间关联的置信度分数； 规则推理单元， 其用于对所述逻辑规则进行实例化， 获得候选三元组， 基于规则约束的 优化方法计算每个候选三元组的软标签； 其中， 所述规则约束基于逻辑规则的置信度分数 以及逻辑 规则间关联的置信度分数确定； 表示学习单元， 其用于基于所述软标签将 获得的候选三元组与原始知识图谱构建为新 知识图谱， 基于所述新知识图谱， 采用基于图神经网络的编码器获得实体表示向量， 并基于 表示学习的解码 器获得所述新知识图谱中的关系向量表示； 基于所述实体表示向量及所述 关系向量表示预测新知识图谱中缺失三元组成立可能性； 迭代优化单元， 其用于迭代执行所述置信度计算单元、 规则推理单元及表示学习单元 的步骤， 直至满足收敛条件， 通过将知识图谱中逻辑规则间的关联关系引入知识图谱中新 出现实体相关事实的预测中， 获得最终的知识图谱， 实现知识图谱数据的扩展； 所述基于规则约束的优化方法计算每个候选三元组的软标签， 具体采用如下目标函 数： 其中，C为常数，tvn为包含虚拟邻居的三元组， s（tvn） 为tvn的软标签， 通过求解所述目标 函数得到； I（tvn） 为tvn的真实值， 由 计算得到； ， 为松 弛变量， 为完整逻辑规则 的置信度分数， 为逻辑规则间关联的置信度分数， 为逻辑规则， 为实例化后的规则间关联。 7.一种计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实 现如权利要求1 ‑5任一项所述的一种基于规则间关联的知识图谱数据扩展方法。 8.一种电子设备， 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 ‑5任一项所述的一种基于规则权　利　要　求　书 2/3 页 3 CN 114741460 B 3