(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 202210242159.9 (22)申请日 2022.03.11 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 周风余　范崇锋　刘进　尹磊　 王国祥　 (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 张庆骞 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/33(2019.01) G06F 16/35(2019.01) G06V 10/774(2022.01)G06K 9/62(2022.01) (54)发明名称 基于知识图谱小样本关系学习模型的实体 查询方法及系统 (57)摘要 本发明属于知识图谱 数据处理技术领域， 提 供了一种基于知识 图谱小样本关系学习模型的 实体查询方法及系统。 其中， 该方法包括获取待 查询的信息交互数据及其包含的关系 ‑实体对， 编码得到待查询向量； 基于知识图谱将待查询向 量所包含的头尾实体对进行特征编码， 得到相应 三元组表 示； 将待查询的信息交互数据的三元组 表示与预先聚类的各组信息交互参考小样本的 三元组表 示进行注意力机制匹配， 得到最相似组 的信息交 互参考小样本并作为 查询结果。 权利要求书1页 说明书9页 附图10页 CN 114625886 A 2022.06.14 CN 114625886 A 1.一种基于知识图谱小样本关系学习模型的实体查询方法， 其特 征在于， 包括： 获取待查询的信息交 互数据及其包 含的关系 ‑实体对， 编码得到待查询向量； 基于知识图谱将待查询向量所包含的头尾实体对进行特征编码， 得到相应三元组表 示； 将待查询的信息交互数据的三元组表示与预先聚类的各组信息交互参考小样本的三 元组表示进行注意力机制匹配， 得到最相似组的信息交 互参考小样本并作为 查询结果。 2.如权利要求1所述的基于知识图谱小样本关系学习模型的实体查询方法， 其特征在 于， 各组信息交互参考小样 本采用无监督聚类， 生成预设数量的中心 点， 将参考小样本中各 关系的向量表示进行聚类。 3.如权利要求1所述的基于知识图谱小样本关系学习模型的实体查询方法， 其特征在 于， 所述相似度采用欧式距离表征。 4.如权利要求1所述的基于知识图谱小样本关系学习模型的实体查询方法， 其特征在 于， 在进行注意力机制匹配的过程中， 通过余弦相似度函数进行待查询的信息交互数据的 三元组表示与各组信息交 互参考小样本的三元组表示之间的权 重分配。 5.如权利要求1所述的基于知识图谱小样本关系学习模型的实体查询方法， 其特征在 于， 在得到最相似组的信息交互参考小样本的过程中， 根据各关系分组所占权重不同， 根据 欧式空间距离公式待查询的信息交 互数据与各组信息交 互参考小样本的相关性进行排序。 6.一种基于知识图谱小样本关系学习模型的实体查询系统， 其特 征在于， 包括： 查询向量编码模块， 其用于获取待查询的信 息交互数据及其包含的关系 ‑实体对， 编码 得到待查询向量； 三元组表示模块， 其用于基于知识图谱将待查询向量所包含的头尾实体对进行特征编 码， 得到相应三元组表示； 匹配查找模块， 其用于将待查询的信 息交互数据的三元组表示与预先聚类的各组信 息 交互参考小样本的三元组表示进 行注意力机制匹配， 得到最相似组的信息交互参考小样本 并作为查询结果。 7.如权利要求6所述的基于知识图谱小样本关系学习模型的实体查询系统， 其特征在 于， 在所述匹配查找模块中， 在 进行注意力机制匹配的过程中， 通过余弦相似度函数进行待 查询的信息交互数据的三元组表示与各组信息交互参考小样本的三元组表示之间的权重 分配。 8.如权利要求6所述的基于知识图谱小样本关系学习模型的实体查询系统， 其特征在 于， 在所述匹配查找模块中， 在得到最相似组的信息交互参考小样本的过程中， 根据各关系 分组所占权重不同， 根据欧式空间距离公式待查询的信息交互数据与各组信息交互参考小 样本的相关性进行排序。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑5中任一项 所述的基于知识图谱小样本 关系学习模型的实体查询方 法中的步骤。 10.一种电子设备， 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 1‑5中任一项 所述的基于 知识图谱小样本关系学习模型的实体查询方法中的步骤。权　利　要　求　书 1/1 页 2 CN 114625886 A 2基于知识图谱小样本关系学习模型的实体 查询方法及系统 技术领域 [0001]本发明属于知识图谱数据处理技术领域， 尤其涉及一种基于知识图谱小样本关系 学习模型的实体查询方法及系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成在先技 术。 [0003]目前服务机器人在家庭、 医院等非结构化环境下， 由于服务器人并不能真正像人 类一样具备自主学习、 知识共享和情感交互能力， 无法进行高效导航并安全的执行各类服 务任务。 在服务机器人在人机交互问题方面， 知识图谱(KGs)是研究重点。 为了进一步扩大 KGs的覆盖范围， 传 统KGs完成方法对每个关系都需要大量的训练实例(即头尾实体对)。 长 尾关系实际上在KG s中更为常见， 而这些新添加的关系通常 没有许多已知的训练三元组。 [0004]在实际应用中， 服务器人的人机问题交互样本较少， 而且小样本知识表示学习相 比于传统的知识图谱学习方式， 所需考虑的不仅仅是参考样本数量的差异性， 此外也需要 考虑参考样本间语义信息与结果信息的利用方式。 目前的算法均未考虑学习实体三元组的 动态属性， 即， 实体可能在 任务关系中表现出不同的角色， 而参考样本可能对查询样本做出 不同的贡献。 如现有设计模块来增强实体与其局部图邻居的实体嵌入方法， 并没有充分利 用监督信息。 目前的技术方案中， 有通过学习实体和引用的静态表示来解决这个问题， 通过 实体简单表示关系， 却忽略了关系之间的特征联系， 即参考集中关系间的特征可能对查询 做出不同的贡献。 [0005]发明人在研发的过程中发现， 现有的小样本知识表示学习方法存在参考样本信息 利用不充分、 噪声干扰严重等巨大缺点， 且先前 的研究并未将样本动态属 性结合实际样本 语义细粒度考虑， 因此， 这样降低了实际服务器人的人机交互问答的准确性， 使得服务器人 的体验性差 。 发明内容 [0006]为了解决上述背景技术中存在的技术问题， 本发明提供一种基于知识图谱小样本 关系学习模型的实体查询方法及系统， 其能够提高实际服务器人的人机交互问答的准确 性， 使得服 务器人的体验性更好。 [0007]为了实现上述目的， 本发明采用如下技 术方案： [0008]本发明的第一个方面提供一种基于知识图谱小样本关系学习模型的实体查询方 法， 其包括： [0009]获取待查询的信息交 互数据及其包 含的关系 ‑实体对， 编码得到待查询向量； [0010]基于知识图谱将待查询向量所包含的头尾实体对进行特征编码， 得到相应三元组 表示； [0011]将待查询的信息交互数据的三元组表示与预先聚类的各组信息交互参考小样本说　明　书 1/9 页 3 CN 114625886 A 3