一種基于雙向LSTM深度神經網絡的知識圖譜生成方法
基本信息

| 申請?zhí)?/td> | CN202010193182.4 | 申請日 | - |
| 公開(公告)號 | CN111428046B | 公開(公告)日 | 2021-06-01 |
| 申請公布號 | CN111428046B | 申請公布日 | 2021-06-01 |
| 分類號 | G06F16/36(2019.01)I;G06N3/04(2006.01)I;G06F16/35(2019.01)I;G06N3/08(2006.01)I | 分類 | 計算;推算;計數(shù); |
| 發(fā)明人 | 江正元;邵震洲;高春林 | 申請(專利權)人 | 浙江浙大網新軟件產業(yè)集團有限公司 |
| 代理機構 | 杭州君度專利代理事務所(特殊普通合伙) | 代理人 | 楊天嬌 |
| 地址 | 310000浙江省杭州市濱江區(qū)長河街道江漢路1785號網新雙城大廈4幢2101-6室 | ||
| 法律狀態(tài) | - | ||
摘要

| 摘要 | 本發(fā)明公開了一種基于雙向LSTM深度神經網絡的知識圖譜生成方法,包括將源實體和目標實體分別輸入至知識庫中,得到屬性矩陣;將兩者對應的屬性矩陣分別輸入至多層感知機中,將多層感知機輸出的特征與對應實體的詞向量組成屬性聯(lián)合表達;將兩者的屬性聯(lián)合表達進行合并,以合并后的特征矩陣作為雙向LSTM深度神經網絡的輸入,輸出的隱藏層向量;將隱藏層向量作為分類器的輸入,輸出在關系詞典內對應關系的預測概率分布,取預測概率最大的關系作為源實體與目標實體的實體關系,完成知識圖譜的生成。本發(fā)明弱化了源實體與目標實體的上下關系,一定程度上解決了候選實體的表達偏置,提高了關系預測的準確度。?? |





