(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 202210403609.8 (22)申请日 2022.04.18 (71)申请人 润联软件系统 （深圳） 有限公司 地址 518000 广东省深圳市福田区梅林街 道梅都社区中康路136号深圳新一代 产业园2栋801 (72)发明人 王伟　黄勇其　张黔　陈焕坤　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 姜妍 (51)Int.Cl. G06F 16/36(2019.01) G06N 3/00(2006.01) (54)发明名称 基于蚁群算法的知识图谱补全方法及其相 关设备 (57)摘要 本申请实施例属于人工智能技术领域， 涉及 一种基于蚁群算法的知识 图谱补全方法及其相 关设备， 包括对语料文档进行实体识别操作， 获 得实体， 基于实体构建知识图谱， 知识图谱包括 实体节点和边节点； 将实体节 点和边节点输入向 量转换模型， 获得实体嵌入向量和边嵌入向量； 基于实体嵌入向量和边嵌入向量， 计算推理模型 从当前实体节 点到下一个实体节 点的运动概率， 将推理模型按照运动概率进行迭代推理， 直至达 到停止条件； 迭代推理后， 从推理模型经过的路 径中确定最短路径， 判断是否达到最大迭代次 数， 若是， 根据最短路径补全知识图谱， 获得目标 知识图谱。 本申请提高了补全知识图谱的效率。 权利要求书2页 说明书12页 附图4页 CN 114840682 A 2022.08.02 CN 114840682 A 1.一种基于蚁群算法的知识图谱补全方法， 其特 征在于， 包括下述 步骤： 接收语料文档， 对所述语料文档进行实体识别操作， 获得多个实体， 基于所述实体构建 知识图谱， 其中， 所述知识图谱 包括实体节点和边节点； 将所述实体节点和所述边节点分别 输入至预训练 的向量转换模型中， 分别获得输出的 实体嵌入向量和边嵌入向量； 基于所述实体嵌入向量和所述边嵌入向量， 计算推理模型从当前的实体节点到下一个 实体节点的运动概率， 将所述推理模型从任意实体节点出发， 按照对应的运动概率在所述 知识图谱中进行迭代推理， 直至 达到预设的停止条件， 完成当前次迭代推理； 在每次迭代推理后， 从所有所述推理模型经过的路径中确定出最短路径， 并判断是否 达到最大的迭代次数， 若否， 则继续进 行所述迭代推理， 直至达到最大的迭代次数， 若 是， 则 根据所述 最短路径补全所述知识图谱， 获得目标知识图谱。 2.根据权利要求1所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 所述从所有 所述推理模型 经过的路径中确定出最短路径的步骤 包括： 计算每个所述推理模型经过的总路径的语义距离， 将语义距离最小的所述总路径作为 最短路径。 3.根据权利要求1所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 所述基于所 述实体嵌入向量和所述边嵌入向量， 计算推理模型从当前的实体节点到下一个实体节点的 运动概率的步骤 包括： 基于所述实体嵌入向量和所述边嵌入向量计算所述实体节点之间的语义距离， 并计算 所述实体节点之间的边的信息素的残留强度； 根据所述语义距离和所述信息素的残留强度计算所述 运动概率。 4.根据权利要求3所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 所述并计算 所述实体节点之间的边的信息素的残留强度的步骤 包括： 分别计算每个推理模型在一次迭代推理后， 对实体节点之间的边贡献的信息素的增 量； 根据所述信息素的增量计算每个所述推理模型对实体节点之间的边的信息素的残留 强度， 作为单一模型信息素残留强度； 分别对每个边对应的所述单一模型信 息素残留强度进行加和， 获得所述信 息素的残留 强度。 5.根据权利要求4所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 根据如下公 式计算所述单一模型信息素残留强度： 其中， 为第t+1次迭代推 理后， 所述实体节点i和实体节点j之间边eij的单一模型信息素残留强度， ρ为预设参数， 为一轮迭代推理后， 一个推理模型对实体节点i和实体节点j之间边eij贡 献的信息素的增量， 为第t次迭代推理后， 所述实体节点i和实体节点j之间边eij的单 一模型信息素残留强度。 6.根据权利要求3所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 所述根据 所权　利　要　求　书 1/2 页 2 CN 114840682 A 2述语义距离和所述信息素的残留强度计算所述 运动概率的步骤 包括： 根据如下公式计算所述 运动概率： 其中， 为所述运动概率， AllowedNodes为不在预设的禁忌表中的实体节点的集合， 所 述禁忌表中存储有每个所述推理模型 分别已经经过的实体节点， τij(t)为实体节点i和实体 节点j之间的边eij上的信息素的残留强度， ηij为实体节点i和实体节点j之间的语义距离的 倒数， α 和β 分别为预设参数。 7.根据权利要求1所述的基于蚁群算法的知识图谱补全方法， 其特征在于， 所述在将所 述实体节点和所述边节点分别输入至预训练的向量转换模型中， 分别获得输出的实体嵌入 向量和边嵌入向量的步骤之后， 还 包括： 基于所述实体嵌入向量和所述 边嵌入向量计算实体节点之间的语义距离； 根据预设的兴趣区域和所述语义距离确定每 个所述实体节点的邻居节点； 所述直至达到预设的停止条件， 完成当前次迭代推理的步骤 包括： 直至形成的路径长度等于所述出发节点的邻接节点的数量或运动概率均为0， 完成当 前次迭代推理。 8.一种基于蚁群算法的知识图谱补全方法装置， 其特 征在于， 包括： 接收模块， 用于接收语料文档， 对所述语料文档进行实体识别操作， 获得多个实体， 基 于所述实体构建知识图谱， 其中， 所述知识图谱 包括实体节点和边节点； 输入模块， 用于将所述实体节点和所述边节点分别输入至预训练的向量转换模型中， 分别获得输出的实体嵌入向量和边嵌入向量； 计算模块， 用于基于所述实体嵌入向量和所述边嵌入向量， 计算推理模型从当前的实 体节点到下一个实体节点的运动概率， 将所述推理模型从任意实体节点出发， 按照对应的 运动概率在所述知识图谱中进行迭代推理， 直至达到预设的停止条件， 完成当前次迭代推 理； 判断模块， 用于在每次迭代推理后， 从所有所述推理模型经过的路径中确定出最短路 径， 并判断是否达到最大的迭代 次数， 若否， 则继续进行所述迭代推理， 直至达到最大 的迭 代次数， 若是， 则根据所述 最短路径补全所述知识图谱， 获得目标知识图谱。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机可 读指令， 所述处理器执行所述计算机可读指 令时实现如权利要求 1至7中任一项 所述的基于 蚁群算法的知识图谱补全方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的基于 蚁群算法的知识图谱补全方法的步骤。权　利　要　求　书 2/2 页 3 CN 114840682 A 3