(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210220916.2 (22)申请日 2022.03.08 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学 (72)发明人 侯磊　吕鑫　史佳欣　曹书林　 李涓子　张鹏　唐杰　许斌　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 肖艳 (51)Int.Cl. G06F 16/36(2019.01) (54)发明名称 三元组作为节点的知识图谱的表示学习方 法、 装置及设备 (57)摘要 本发明提供一种三元组作为节点的知识图 谱的表示学习方法、 装置及设备， 属于机器学习 技术领域， 方法通过初始化预测模型的参数， 参 数包括知识图谱中实体和关系的向量表示， 知识 图谱是三元 组作为节点所构成的； 遍历知识图谱 中的每个三元组， 确定预测模型针对每个三元组 的损失； 基于每个三元组的损失， 利用优化器对 实体和关系的向量表示进行优化， 由于知识图谱 本身是以三元组作为节点所构成的， 该类型的知 识图谱可以极大地丰富知识图谱的表 示能力， 且 基于该知识图谱的表示学习方法， 能够很好的对 这类知识图谱 进行表示学习。 权利要求书2页 说明书10页 附图1页 CN 114661916 A 2022.06.24 CN 114661916 A 1.一种三元组作为节点的知识图谱的表示学习方法， 其特 征在于， 包括： 初始化预测模型的参数， 所述参数包括知识图谱中实体和关系的向量表示， 所述知识 图谱是三元组作为节点所构成的； 遍历所述知识图谱中的每 个三元组， 确定所述预测模型针对每 个所述三元组的损失； 基于每个所述三元组的损失， 利用优化器对所述实体和关系的向量表示进行优化。 2.根据权利要求1所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 所 述确定所述预测模型针对每 个所述三元组的损失， 包括： 基于每个所述三元组的构成， 确定所述每个三元组对应的任务类别， 所述三元组的构 成包括： 实体构成的第一三元组、 三元组作为头实体构成的第二三元组和所述第二三元组 与所述第一 三元组构成的第三 三元组； 确定针对每 个所述任务类别的预测模型的损失。 3.根据权利要求2所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 当 所述三元组为第一 三元组时， 所述确定针对每 个所述任务类别的预测模型的损失， 包括： 对所述第一 三元组的头实体和关系进行编码； 基于所述编码后的结果， 确定所述预测模型 预测尾实体的概 率； 根据所述 概率， 确定所述预测模型针对所述第一 三元组对应的任务类型的损失。 4.根据权利要求2所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 当 所述三元组为第二 三元组时， 所述确定针对每 个所述任务类别的预测模型的损失， 包括： 通过融合策略和/或注意力机制， 对作为头实体的三元组进行 学习表示； 基于所述表示， 对所述第二 三元组的头实体和关系进行编码； 根据所述编码后的结果， 确定所述预测模型针对所述第 二三元组对应的任务类型的损 失。 5.根据权利要求2所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 当 所述三元组为第三 三元组时， 所述确定针对每 个所述任务类别的预测模型的损失， 包括： 基于所述第 一三元组， 确定所述第 一三元组作为头实体的第 二三元组 的关系和尾实体 列表； 对所述第一 三元组作为头实体的第二 三元组的关系和尾实体列表进行编码； 根据所述编码后的结果， 确定所述预测模型针对所述第 三三元组对应的任务类型的损 失。 6.根据权利要求1所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 所 述初始化预测模型的参数之前， 还 包括： 基于预设数据集和预设数据库， 构建三元组作为节点的知识图谱。 7.根据权利要求6所述的三元组作为节点的知识图谱的表示学习方法， 其特征在于， 所 述基于预设数据集和预设数据库， 构建三元组作为节点的知识图谱， 包括： 将所述预设数据集中的实体对齐到所述预设数据库中， 得到初始实体集 合； 确定所述预设数据库的每个三元组作为节点的目标三元组， 以所述目标三元组不属于 所述初始实体集 合中的尾部实体构建中间实体集 合； 将所述中间实体集 合中的合格实体合并到所述初始实体集 合中， 得到目标实体集 合； 在所述目标实体集合中抽取第一三元组和第二三元组， 构建知识图谱， 所述第一三元权　利　要　求　书 1/2 页 2 CN 114661916 A 2组的头实体和尾实体均为实体， 所述第二 三元组的头实体为 三元组尾实体为实体。 8.根据权利要求1 ‑7任一项所述的三元组作为节点的知识图谱的表示学习方法， 其特 征在于， 所述基于每个所述三元组的损失， 利用优化器对所述实体和关系的向量表示进行 优化， 包括： 根据每个所述三元组的损失， 确定所述预测模型的整体损失； 基于所述整体损失， 利用优化器对所述实体和关系的向量表示进行优化。 9.一种三元组作为节点的知识图谱的表示学习装置， 其特 征在于， 包括： 初始化模块， 用于初始化预测模型的参数， 所述参数包括知识图谱中实体和关系的向 量表示， 所述知识图谱是三元组作为节点所构成的； 确定模块， 用于遍历所述知识图谱中的每个三元组， 确定所述预测模型针对每个所述 三元组的损失； 优化模块， 用于基于每个所述三元组的损 失， 利用优化器对所述实体和关系的向量表 示进行优化。 10.一种电子设备， 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8任一项所 述三元组作为节点的知识图谱的表示学习方法。权　利　要　求　书 2/2 页 3 CN 114661916 A 3