一种基于双向LSTM深度神经网络的知识图谱生成方法
基本信息
| 申请号 | CN202010193182.4 | 申请日 | - |
| 公开（公告）号 | CN111428046A | 公开（公告）日 | 2021-06-01 |
| 申请公布号 | CN111428046A | 申请公布日 | 2021-06-01 |
| 分类号 | G06F16/36;G06F16/35;G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 江正元;邵震洲;高春林 | 申请（专利权）人 | 浙江浙大网新软件产业集团有限公司 |
| 代理机构 | 杭州君度专利代理事务所（特殊普通合伙） | 代理人 | 杨天娇 |
| 地址 | 310000 浙江省杭州市滨江区长河街道江汉路1785号网新双城大厦4幢2101-6室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于双向LSTM深度神经网络的知识图谱生成方法，包括将源实体和目标实体分别输入至知识库中，得到属性矩阵；将两者对应的属性矩阵分别输入至多层感知机中，将多层感知机输出的特征与对应实体的词向量组成属性联合表达；将两者的属性联合表达进行合并，以合并后的特征矩阵作为双向LSTM深度神经网络的输入，输出的隐藏层向量；将隐藏层向量作为分类器的输入，输出在关系词典内对应关系的预测概率分布，取预测概率最大的关系作为源实体与目标实体的实体关系，完成知识图谱的生成。本发明弱化了源实体与目标实体的上下关系，一定程度上解决了候选实体的表达偏置，提高了关系预测的准确度。 |
