本發(fā)明涉及知識(shí)表達(dá)領(lǐng)域，尤其是一種基于對抗學(xué)習(xí)與標(biāo)簽傳播的時(shí)序知識(shí)圖譜中實(shí)體對齊方法。

背景技術(shù)：

1、時(shí)序知識(shí)圖譜是一種包含時(shí)間信息的知識(shí)圖譜，它記錄了實(shí)體和關(guān)系隨時(shí)間的變化信息，在知識(shí)表達(dá)上具有清晰、簡潔、易處理等特點(diǎn)。近年來，時(shí)序知識(shí)圖譜在多個(gè)領(lǐng)域得到廣泛應(yīng)用，例如推薦系統(tǒng)、事件預(yù)測和問答系統(tǒng)。絕大多數(shù)時(shí)序知識(shí)圖譜的應(yīng)用都需要進(jìn)行實(shí)體對齊。

2、現(xiàn)有的實(shí)體對齊方法主要分為兩類，一是基于文本描述的實(shí)體對齊方法，其利用實(shí)體的文本描述信息，例如實(shí)體名稱、描述等，通過文本相似度計(jì)算來進(jìn)行實(shí)體對齊。二是基于結(jié)構(gòu)信息的實(shí)體對齊方法，其利用實(shí)體在知識(shí)圖譜中的結(jié)構(gòu)信息，例如實(shí)體之間的關(guān)系、路徑等，通過結(jié)構(gòu)相似度計(jì)算來進(jìn)行實(shí)體對齊。然而，現(xiàn)有方法大多忽略了實(shí)體在時(shí)序知識(shí)圖譜中的動(dòng)態(tài)演化特征，同時(shí)未能解決實(shí)體度感知對實(shí)體對齊任務(wù)的影響，導(dǎo)致在處理時(shí)序知識(shí)圖譜中的實(shí)體對齊問題時(shí)，準(zhǔn)確率和魯棒性較低。

3、公開號(hào)為cn115658927a的中國專利文獻(xiàn)提出了一種面向時(shí)序知識(shí)圖譜的無監(jiān)督實(shí)體對齊方法及裝置，其方法包括：獲取兩個(gè)時(shí)序知識(shí)圖譜，每個(gè)時(shí)序知識(shí)圖譜包括若干含有時(shí)間信息的四元組；根據(jù)每個(gè)時(shí)序知識(shí)圖譜中的實(shí)體和對應(yīng)的時(shí)間信息，通過圖卷積式前向傳遞的方式，構(gòu)建兩個(gè)時(shí)間特征矩陣，采用雙向策略生成兩個(gè)實(shí)體對齊矩陣，并以匹配的方式無監(jiān)督地獲得預(yù)對齊的偽標(biāo)簽；以時(shí)序知識(shí)圖譜的四元組為訓(xùn)練數(shù)據(jù)集、以預(yù)對齊的偽標(biāo)簽未訓(xùn)練數(shù)據(jù)標(biāo)簽，對利用時(shí)間信息擴(kuò)展后的圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到關(guān)系特征矩陣；采用加權(quán)方式融合關(guān)系特征矩陣和兩個(gè)時(shí)間特征矩陣，得到兩個(gè)時(shí)序知識(shí)圖譜之間的距離，并通過最小化距離，得到對應(yīng)的實(shí)體對齊矩陣，從而得到實(shí)體對齊結(jié)果。該方法存在以下不足：1、該方法通過圖卷積和時(shí)間特征矩陣來對齊實(shí)體，未能充分捕捉實(shí)體隨時(shí)間和關(guān)系的動(dòng)態(tài)變化，而實(shí)體會(huì)隨著時(shí)間和關(guān)系的推移發(fā)生變化，導(dǎo)致對齊結(jié)果不夠準(zhǔn)確。2、該方法采用雙向策略生成實(shí)體對齊矩陣，并使用這些對齊矩陣生成偽標(biāo)簽。則偽標(biāo)簽的質(zhì)量直接影響最終對齊結(jié)果的準(zhǔn)確性。如果生成的偽標(biāo)簽不夠準(zhǔn)確或不完整，可能會(huì)導(dǎo)致訓(xùn)練過程中生成的關(guān)系特征矩陣和最終的實(shí)體對齊結(jié)果受到負(fù)面影響。

4、公開號(hào)為cn118690845a的中國專利文獻(xiàn)提出了一種模型訓(xùn)練方法、實(shí)體對齊方法、裝置、設(shè)備、介質(zhì)和產(chǎn)品。其實(shí)體對齊方法包括：獲取針對至少兩個(gè)知識(shí)圖譜的、實(shí)體預(yù)對齊的至少一個(gè)標(biāo)注樣本，其中，所述至少兩個(gè)知識(shí)圖譜中的知識(shí)圖譜是待實(shí)體對齊的知識(shí)圖譜；根據(jù)所述至少一個(gè)標(biāo)注樣本，生成針對第一初始實(shí)體對齊模型的第一損失信息和第一實(shí)體對齊信息；根據(jù)所述第一實(shí)體對齊信息，生成重分配標(biāo)簽集；根據(jù)所述重分配標(biāo)簽集，生成針對第二初始實(shí)體對齊模型的第二損失信息；根據(jù)所述第一損失信息和所述第二損失信息，執(zhí)行針對所述第一初始實(shí)體對齊模型和所述第二初始實(shí)體對齊模型的模型訓(xùn)練，以生成第一實(shí)體對齊模型和第二實(shí)體對齊模型。獲取至少兩個(gè)目標(biāo)知識(shí)圖譜；利用預(yù)先訓(xùn)練的第一實(shí)體對齊模型和第二實(shí)體對齊模型，執(zhí)行針對所述至少兩個(gè)目標(biāo)知識(shí)圖譜的實(shí)體對齊，得到實(shí)體對齊結(jié)果。該方法存在以下不足：1、需要分別訓(xùn)練兩個(gè)實(shí)體對齊模型，第二實(shí)體對齊模型依賴于第一實(shí)體對齊模型所重新分配的標(biāo)簽集，累積誤差被放大并引入到實(shí)體對齊結(jié)果中，影響實(shí)體對齊的準(zhǔn)確性。2、該方法完全依賴對標(biāo)注樣本的特征學(xué)習(xí)，對齊準(zhǔn)確性嚴(yán)重依賴標(biāo)注樣本的標(biāo)簽質(zhì)量。3、該方法同樣未關(guān)注到實(shí)體隨時(shí)間和關(guān)系的動(dòng)態(tài)變化信息，實(shí)體對齊效果有待提高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的發(fā)明目的在于：針對上述存在的全部或部分問題，提供一種基于對抗學(xué)習(xí)與標(biāo)簽傳播的時(shí)序知識(shí)圖譜中實(shí)體對齊方法，用于提升實(shí)體對齊的準(zhǔn)確性和魯棒性。

2、本發(fā)明采用的技術(shù)方案如下：

3、一種基于對抗學(xué)習(xí)與標(biāo)簽傳播的時(shí)序知識(shí)圖譜中實(shí)體對齊方法，其包括：

4、對于待對齊的時(shí)序知識(shí)圖譜，分別從時(shí)序知識(shí)圖譜中實(shí)體與關(guān)系和時(shí)間的鄰接矩陣中，迭代學(xué)習(xí)含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽，得到兩個(gè)時(shí)序知識(shí)圖譜的標(biāo)簽實(shí)體嵌入向量；

5、基于對抗學(xué)習(xí)分別消除各標(biāo)簽實(shí)體嵌入向量中實(shí)體的度感知，得到兩個(gè)時(shí)序知識(shí)圖譜的最終實(shí)體嵌入向量；

6、基于對預(yù)對齊的時(shí)序知識(shí)圖譜樣本中等價(jià)實(shí)體的半監(jiān)督學(xué)習(xí)，在兩個(gè)所述最終實(shí)體嵌入向量間進(jìn)行實(shí)體對齊。

7、進(jìn)一步的，時(shí)序知識(shí)圖譜中實(shí)體與關(guān)系和時(shí)間的鄰接矩陣的構(gòu)建方法包括：

8、根據(jù)時(shí)序知識(shí)圖譜包含的{頭實(shí)體,關(guān)系,尾實(shí)體,時(shí)間戳}四元祖，構(gòu)建實(shí)體-關(guān)系鄰接矩陣和實(shí)體-時(shí)間鄰接矩陣，表示頭實(shí)體或尾實(shí)體的數(shù)量，表示關(guān)系的數(shù)量，表示時(shí)間戳的數(shù)量；

9、將實(shí)體-關(guān)系鄰接矩陣和實(shí)體-時(shí)間鄰接矩陣劃分為頭實(shí)體-關(guān)系鄰接矩陣、關(guān)系-尾實(shí)體鄰接矩陣、頭實(shí)體-尾實(shí)體鄰接矩陣、頭實(shí)體-時(shí)間戳鄰接矩陣和時(shí)間戳-尾實(shí)體鄰接矩陣。

10、進(jìn)一步的，所述迭代學(xué)習(xí)含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽，包括：

11、在對所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本的含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽學(xué)習(xí)的基礎(chǔ)上，從待對齊的時(shí)序知識(shí)圖譜中實(shí)體與關(guān)系和時(shí)間的鄰接矩陣中，

12、分別迭代學(xué)習(xí)實(shí)體標(biāo)簽在關(guān)系層面和時(shí)間層面的標(biāo)簽向量；

13、對關(guān)系層面的標(biāo)簽向量和時(shí)間層面的標(biāo)簽向量進(jìn)行加權(quán)融合。

14、進(jìn)一步的，所述分別迭代學(xué)習(xí)實(shí)體標(biāo)簽在關(guān)系層面和時(shí)間層面的標(biāo)簽向量，包括：

15、關(guān)系層面的標(biāo)簽向量的傳播方法為：

16、，

17、；

18、式中，表示傳播層級(jí)，表示實(shí)體在關(guān)系層面的標(biāo)簽矩陣，，表示在維超球面上進(jìn)行隨機(jī)采樣，表示關(guān)系的標(biāo)簽矩陣，表示點(diǎn)積，為零矩陣；

19、將在關(guān)系層面?zhèn)鞑サ乃袑拥臉?biāo)簽矩陣串聯(lián)得到實(shí)體標(biāo)簽在關(guān)系層面的標(biāo)簽向量；

20、時(shí)間層面的標(biāo)簽向量的傳播方法為：

21、，

22、；

23、式中，表示實(shí)體在時(shí)間層面的標(biāo)簽矩陣，，表示時(shí)間戳的標(biāo)簽矩陣，為零矩陣；

24、將在時(shí)間層面?zhèn)鞑サ乃袑拥臉?biāo)簽矩陣串聯(lián)得到實(shí)體標(biāo)簽在時(shí)間層面的標(biāo)簽向量。

25、進(jìn)一步的，所述基于對抗學(xué)習(xí)分別消除各標(biāo)簽實(shí)體嵌入向量中實(shí)體的度感知，為利用生成對抗網(wǎng)絡(luò)進(jìn)行消除；

26、所述生成對抗網(wǎng)絡(luò)利用所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本訓(xùn)練得到，所述生成對抗網(wǎng)絡(luò)在訓(xùn)練時(shí)，對所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本中具有不同度感知類別的實(shí)體進(jìn)行消除度感知的對抗學(xué)習(xí)；

27、所述生成對抗網(wǎng)絡(luò)包含生成器、第一判別器和第二判別器，所述生成器根據(jù)實(shí)體的標(biāo)簽實(shí)體嵌入向量生成對應(yīng)的最終標(biāo)簽實(shí)體向量，所述第一判別器對度感知為高度和中度的實(shí)體對應(yīng)的最終標(biāo)簽實(shí)體向量進(jìn)行分類，所述第二判別器對度感知為中度和低度的實(shí)體對應(yīng)的最終標(biāo)簽實(shí)體向量進(jìn)行分類；

28、所述生成對抗網(wǎng)絡(luò)在訓(xùn)練后，利用生成器根據(jù)待對齊的時(shí)序知識(shí)圖譜中實(shí)體的標(biāo)簽實(shí)體嵌入向量生成對應(yīng)的最終標(biāo)簽實(shí)體向量。

29、進(jìn)一步的，對所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本中實(shí)體的度感知類別的分類方法包括：

30、將時(shí)序知識(shí)圖譜中，度感知高于第一閾值的實(shí)體劃分為高度類別，將度感知位于第二閾值與第一閾值之間的實(shí)體劃分為中度類別，將度感知低于第二閾值的實(shí)體劃分為低度類別；其中，

31、所述第一閾值為：avg+std，第二閾值為：avg-std；式中，avg為所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本中所有實(shí)體的度感知的平均值，std為所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本中所有實(shí)體的度感知的標(biāo)準(zhǔn)差。

32、進(jìn)一步的，所述第一判別器在訓(xùn)練時(shí)的損失函數(shù)為：

33、，

34、式中，為第一判別器的損失，表示高度類別實(shí)體集合，表示高度類別實(shí)體集合中的實(shí)體數(shù)量，表示中度類別實(shí)體集合，表示中度類別實(shí)體集合中的實(shí)體數(shù)量，表示第一判別器對由所述生成對抗網(wǎng)絡(luò)的生成器對第個(gè)實(shí)體生成的實(shí)體嵌入分類為高度類別的概率；

35、所述第二判別器在訓(xùn)練時(shí)的損失函數(shù)為：

36、，

37、式中，為第二判別器的損失，表示低度類別實(shí)體集合，表示低度類別實(shí)體集合中的實(shí)體數(shù)量，表示第二判別器對由所述生成對抗網(wǎng)絡(luò)的生成器對第個(gè)實(shí)體生成的實(shí)體嵌入分類為低度類別的概率。

38、進(jìn)一步的，對含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽的迭代學(xué)習(xí)過程，和分別消除各標(biāo)簽實(shí)體嵌入向量中實(shí)體的度感知的對抗學(xué)習(xí)過程，采用對抗聯(lián)合訓(xùn)練的方法進(jìn)行訓(xùn)練，包括：

39、以最小化對抗學(xué)習(xí)目標(biāo)函數(shù)為目標(biāo)，基于所述預(yù)對齊的時(shí)序知識(shí)圖譜樣本，迭代進(jìn)行對含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽的迭代學(xué)習(xí)過程，和分別消除各標(biāo)簽實(shí)體嵌入向量中實(shí)體的度感知的對抗學(xué)習(xí)過程；在對抗學(xué)習(xí)過程中，以最小化所述第一判別器和所述第二判別器的損失為目標(biāo)輪流訓(xùn)練所述第一判別器和所述第二判別器；

40、所述對抗學(xué)習(xí)目標(biāo)函數(shù)為：

41、，

42、式中，表示對含有關(guān)系和時(shí)間語義信息的實(shí)體標(biāo)簽的迭代學(xué)習(xí)損失，為設(shè)定的聯(lián)合學(xué)習(xí)權(quán)重。

43、進(jìn)一步的，所述基于對預(yù)對齊的時(shí)序指數(shù)圖譜樣本中等價(jià)實(shí)體的半監(jiān)督學(xué)習(xí)，包括：

44、以最小化半監(jiān)督損失函數(shù)為目標(biāo)，從預(yù)對齊的時(shí)序指數(shù)圖譜樣本中的每一對等價(jià)實(shí)體的最終實(shí)體嵌入向量學(xué)習(xí)兩個(gè)平移矩陣，兩個(gè)平移矩陣分別將一個(gè)最終實(shí)體嵌入向量轉(zhuǎn)移到另一最終實(shí)體嵌入向量的空間。

45、進(jìn)一步的，所述半監(jiān)督損失函數(shù)為：

46、，

47、式中，表示半監(jiān)督損失，和分別表示兩個(gè)平移矩陣，表示對齊種子集合，和分別表示兩個(gè)最終實(shí)體嵌入向量，表示利用平移矩陣將最終實(shí)體嵌入向量轉(zhuǎn)移到最終實(shí)體嵌入向量的空間，表示利用平移矩陣將最終實(shí)體嵌入向量轉(zhuǎn)移到最終實(shí)體嵌入向量的空間，表示求l2范數(shù)。

48、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

49、本發(fā)明通過對實(shí)體在關(guān)系和時(shí)序維度特征的迭代學(xué)習(xí)，充分考慮了實(shí)體在時(shí)序知識(shí)圖譜中的動(dòng)態(tài)演化特征，彌補(bǔ)了實(shí)體會(huì)隨著時(shí)間和關(guān)系的推移發(fā)生變化而影響實(shí)體對齊準(zhǔn)確率的缺陷。此外，本發(fā)明對迭代傳播的實(shí)體嵌入向量進(jìn)行了度感知（即實(shí)體度）消除，解決了度感知對實(shí)體對齊任務(wù)的負(fù)面影響，提升了時(shí)序知識(shí)圖譜中實(shí)體對齊的準(zhǔn)確率和魯棒性。