一種實(shí)體集擴(kuò)展方法及裝置與流程
本發(fā)明涉及實(shí)體集擴(kuò)展技術(shù)領(lǐng)域，特別是涉及一種實(shí)體集擴(kuò)展方法及裝置。
背景技術(shù)：
實(shí)體集擴(kuò)展是指，已知具有特定語義類型(也稱特定共同特征)的幾個(gè)實(shí)體種子，根據(jù)一定的規(guī)則得到該特定語義類型的更多的實(shí)體。例如，給定特定語義類型為國家首都的實(shí)體種子集合{北京，華盛頓，莫斯科}，要求找出更多國家首都，比如找出{首爾，東京，吉隆坡，···}。目前，實(shí)體集擴(kuò)展已經(jīng)得到了廣泛的應(yīng)用，例如，字典的擴(kuò)展和查詢建議的擴(kuò)展等。
最常見的實(shí)體集擴(kuò)展方法是，選取一個(gè)數(shù)據(jù)源，對數(shù)據(jù)源按一定的規(guī)則進(jìn)行處理，從中確定出與種子實(shí)體具有相同語義類型的其它實(shí)體作為實(shí)體集的擴(kuò)展元素?，F(xiàn)有的實(shí)體集擴(kuò)展方法，大都以文本或網(wǎng)頁作為數(shù)據(jù)源。然而，由于單個(gè)文本和網(wǎng)頁中包含的數(shù)據(jù)量有限，使得實(shí)體集擴(kuò)展的有效性不理想，不能滿足日益攀升的實(shí)體集擴(kuò)展需求。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明實(shí)施例的目的在于提供一種實(shí)體集擴(kuò)展方法及裝置，以提高實(shí)體集擴(kuò)展的有效性。
為了實(shí)現(xiàn)上述目的，第一方面，本發(fā)明實(shí)施例提供了一種實(shí)體集擴(kuò)展方法，所述方法包括：
根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體,并將抽取得到的候選實(shí)體組成候選實(shí)體集；所述目標(biāo)知識圖譜至少包括所述種子實(shí)體集中的種子實(shí)體；
從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑；所述元路徑為：所述異質(zhì)信息網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)類型之間由實(shí)體類型和關(guān)系類型組成的連接路徑；其中，所述兩個(gè)節(jié)點(diǎn)類型為所述種子實(shí)體集中不同的種子實(shí)體對應(yīng)的節(jié)點(diǎn)類型；
根據(jù)每條元路徑連接的種子實(shí)體對的數(shù)量確定每條元路徑的第一重要程度；
根據(jù)每條元路徑的第一重要程度，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，并將所述待擴(kuò)展實(shí)體添加至所述種子實(shí)體集中。
可選地，所述根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體，包括：
確定預(yù)先確定的種子實(shí)體集中每個(gè)種子實(shí)體的實(shí)體類型集；
將所有實(shí)體類型集的交集確定為初始實(shí)體類型集；
根據(jù)所述初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系，確定所述種子實(shí)體集對應(yīng)的最終實(shí)體類型集；將所述目標(biāo)知識圖譜中，符合所述最終實(shí)體類型集中實(shí)體類型的實(shí)體作為候選實(shí)體。
可選地，所述根據(jù)所述初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系，確定最終實(shí)體類型集，包括：
確定所述初始實(shí)體類型集所對應(yīng)的至少一個(gè)層級關(guān)系，其中，任一層級關(guān)系為至少兩個(gè)實(shí)體類型的從屬關(guān)系；
將每一層級關(guān)系中位于最底層的實(shí)體類型，確定為最終實(shí)體類型，并將所確定的最終實(shí)體類型組成為最終實(shí)體類型集。
可選地，所述從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑，包括：
從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定與所述種子實(shí)體集對應(yīng)的節(jié)點(diǎn)集合，其中，所述節(jié)點(diǎn)集合中包括與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)；
將所述節(jié)點(diǎn)集合中的每一節(jié)點(diǎn)作為第一節(jié)點(diǎn)；
將每一第一節(jié)點(diǎn)作為當(dāng)前源節(jié)點(diǎn)，在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與每一當(dāng)前源節(jié)點(diǎn)通過預(yù)設(shè)類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)，建立與邊類型對應(yīng)的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表；其中，任一待選結(jié)構(gòu)數(shù)據(jù)表包括：由每一第一節(jié)點(diǎn)和通過該待選結(jié)構(gòu)數(shù)據(jù)表對應(yīng)的邊類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)組成的第一實(shí)體對、每一第一實(shí)體對的相似性值、已訪問過的路徑和相似性分?jǐn)?shù)；所述相似性分?jǐn)?shù)為所有第一實(shí)體對的相似性值的總和；
針對每一所述待選結(jié)構(gòu)數(shù)據(jù)表，判斷該待選結(jié)構(gòu)數(shù)據(jù)表中與每一當(dāng)前源節(jié)點(diǎn)連接的當(dāng)前目標(biāo)節(jié)點(diǎn)是否為第二節(jié)點(diǎn)；如果是，將該待選結(jié)構(gòu)數(shù)據(jù)表中該當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一實(shí)體對的相似性值記為第一數(shù)值，并將該當(dāng)前源節(jié)點(diǎn)對應(yīng)的已訪問過的路徑確定為一條元路徑實(shí)例，否則記為第二數(shù)值；其中，所述第二節(jié)點(diǎn)為：所述節(jié)點(diǎn)集合中與當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一節(jié)點(diǎn)不同的節(jié)點(diǎn)；
從待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表；所述第二預(yù)設(shè)條件包括：待選結(jié)構(gòu)數(shù)據(jù)表中存儲的種子實(shí)體的種類最多；當(dāng)所存儲的種子實(shí)體種類最多的待選結(jié)構(gòu)數(shù)據(jù)表有多個(gè)時(shí)，所述第二預(yù)設(shè)條件還包括：待選結(jié)構(gòu)數(shù)據(jù)表中存儲的第一實(shí)體對的數(shù)量最少；
將所述當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的每一當(dāng)前目標(biāo)節(jié)點(diǎn)更新為當(dāng)前源節(jié)點(diǎn)，返回執(zhí)行所述在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與每一當(dāng)前源節(jié)點(diǎn)通過預(yù)設(shè)類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)的步驟；
當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中已訪問的路徑長度大于第三預(yù)設(shè)值時(shí)，或者當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的種子實(shí)體數(shù)目小于第四預(yù)設(shè)值時(shí)，統(tǒng)計(jì)確定出的所有元路徑實(shí)例，并根據(jù)所述所有元路徑實(shí)例所包含的實(shí)體類型和關(guān)系類型，得到所述所有元路徑實(shí)例對應(yīng)的元路徑。
可選地，所述從待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表，包括：
從相似性分?jǐn)?shù)不大于第一預(yù)設(shè)值的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表。
可選地，所述根據(jù)每條元路徑連接的種子實(shí)體對的數(shù)量確定每條元路徑的第一重要程度，包括：
根據(jù)每條元路徑連接的所有種子實(shí)體對確定每條元路徑所連接的種子實(shí)體對總數(shù)；
根據(jù)每條元路徑所連接的種子實(shí)體對總數(shù)和第一預(yù)設(shè)模型，確定每條元路徑的第一重要程度；
其中，所述第一預(yù)設(shè)模型為：
可選地，所述根據(jù)每條元路徑的第一重要程度，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度，包括：
根據(jù)每條元路徑的第一重要程度和第二預(yù)設(shè)模型，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
其中，所述第二預(yù)設(shè)模型為：
可選地，所述將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，包括：
將所述候選實(shí)體集中，所述第二重要程度大于第二預(yù)設(shè)值的候選實(shí)體確定為待擴(kuò)展實(shí)體。
可選地，所述將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，包括：
根據(jù)所述第二重要程度，按降序?qū)λ龊蜻x實(shí)體集中的候選實(shí)體進(jìn)行排序，獲得第一候選實(shí)體集；并且，從所述第一候選實(shí)體集中選取排序在前的第一預(yù)設(shè)數(shù)量的候選實(shí)體作為待擴(kuò)展實(shí)體。
為了實(shí)現(xiàn)上述發(fā)明目的，第二方面，本發(fā)明實(shí)施例提供了一種實(shí)體集擴(kuò)展裝置，所述裝置包括：
候選實(shí)體集確定模塊，用于根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體,并將抽取得到的候選實(shí)體組成候選實(shí)體集；所述目標(biāo)知識圖譜至少包括所述種子實(shí)體集中的種子實(shí)體；
元路徑確定模塊，用于從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑；所述元路徑為：所述異質(zhì)信息網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)類型之間由實(shí)體類型和關(guān)系類型組成的連接路徑；其中，所述兩個(gè)節(jié)點(diǎn)類型為所述種子實(shí)體集中不同的種子實(shí)體對應(yīng)的節(jié)點(diǎn)類型；
第一重要程度確定模塊，用于根據(jù)每條元路徑連接的種子實(shí)體對的數(shù)量確定每條元路徑的第一重要程度；
第二重要程度確定模塊，用于根據(jù)每條元路徑的第一重要程度，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
實(shí)體集擴(kuò)展模塊，用于將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，并將所述待擴(kuò)展實(shí)體添加至所述種子實(shí)體集中。
本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法及裝置，一方面，將包含的數(shù)據(jù)量巨大的目標(biāo)知識圖譜作為數(shù)據(jù)源進(jìn)行實(shí)體集擴(kuò)展；另一方面，從與目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中確定種子實(shí)體集之間的元路徑，由于確定出的每一條元路徑為連接種子實(shí)體對的路徑，因此，這些元路徑能準(zhǔn)確的反映種子實(shí)體間的特定共同特征，進(jìn)而利用每一條元路徑的第一重要程度所確定的候選實(shí)體的第二重要程度更為有效，進(jìn)而根據(jù)第二重要程度確定的待擴(kuò)展實(shí)體也更為有效。因此，應(yīng)用本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法及裝置能夠提高實(shí)體集擴(kuò)展的有效性。
附圖說明
為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法的流程圖；
圖2為yago知識圖譜的部分示意圖；
圖3為yago知識圖譜中的實(shí)體類型的層級關(guān)系的部分示意圖；
圖4為圖1所示的實(shí)施例中的步驟s102的一種詳細(xì)流程圖；
圖5為利用圖4所示的一種詳細(xì)流程圖確定元路徑的原理示意圖；
圖6a至圖6d為本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法的有效性驗(yàn)證結(jié)果示意圖，從圖6a至圖6d依次對應(yīng)的實(shí)體類型為：史蒂文·斯皮爾伯格導(dǎo)演的電影的演員、導(dǎo)演獲得過國家電影獎導(dǎo)演的電影、位于加州山景城的公司生產(chǎn)的軟件、位于馬薩諸塞州劍橋的大學(xué)的科學(xué)家；
圖7為本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展裝置的結(jié)構(gòu)框圖；
圖8為圖7所示的實(shí)施例中的模塊702的一種詳細(xì)結(jié)構(gòu)框圖。
具體實(shí)施方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
為了解決現(xiàn)有技術(shù)存在的問題，本發(fā)明實(shí)施例提供了一種實(shí)體集擴(kuò)展方法及裝置，下面結(jié)合具體的實(shí)施例分別進(jìn)行說明。
首先對本發(fā)明實(shí)施例提供了一種實(shí)體集擴(kuò)展方法進(jìn)行說明。
如圖1所示，本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法，包括如下步驟：
s101、根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體,并將抽取得到的候選實(shí)體組成候選實(shí)體集；所述目標(biāo)知識圖譜至少包括所述種子實(shí)體集中的種子實(shí)體；
種子實(shí)體可以預(yù)先根據(jù)給定的特定語義類型進(jìn)行設(shè)定，由所有種子實(shí)體構(gòu)成的集合即為種子實(shí)體集。例如，預(yù)先給定特定的語義類型為電影導(dǎo)演，則可以預(yù)先確定李安、陳凱歌、張藝謀作為種子實(shí)體，進(jìn)而構(gòu)成種子實(shí)體集{李安，陳凱歌，張藝謀}。
知識圖譜是一個(gè)規(guī)模很大的數(shù)據(jù)集，主要由<主體，謂語，客體>這樣的三元組構(gòu)成。例如本發(fā)明實(shí)施例圖2所示的yago知識圖譜，其中的一個(gè)三元組為<斯皮爾伯格，導(dǎo)演，戰(zhàn)馬電影>，該三元組所表示的含義是，斯皮爾伯格導(dǎo)演了電影戰(zhàn)馬。除yago知識圖譜外，現(xiàn)有技術(shù)中還存在其他一些知識圖譜，例如dbpedia和freebase。
在本發(fā)明實(shí)施例中，目標(biāo)知識圖譜，是指與預(yù)先確定的種子實(shí)體相關(guān)的知識圖譜。本領(lǐng)域技術(shù)人員能夠理解的是，在進(jìn)行實(shí)體集擴(kuò)展時(shí)，只有所采用的數(shù)據(jù)源與種子實(shí)體具有相關(guān)性，才能實(shí)現(xiàn)實(shí)體集的準(zhǔn)確擴(kuò)展。
具體的，目標(biāo)知識圖譜至少包括所述種子實(shí)體集中的種子實(shí)體。
在本發(fā)明實(shí)施例中，候選實(shí)體是與種子實(shí)體具有特定共同特征的實(shí)體。其中，特定共同特征包括：實(shí)體類型相同。
s102、從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑；所述元路徑為：所述異質(zhì)信息網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)類型之間由實(shí)體類型和關(guān)系類型組成的連接路徑；其中，所述兩個(gè)節(jié)點(diǎn)類型為所述種子實(shí)體集中不同的種子實(shí)體對應(yīng)的節(jié)點(diǎn)類型；
異質(zhì)信息網(wǎng)絡(luò)(heterogeneousinformationnetwork)是一個(gè)有向圖g＝(v,e)，其中，v是所有實(shí)體節(jié)點(diǎn)的集合，e是所有關(guān)系邊的集合，有向圖中的實(shí)體對象類型|a|＞1或鏈接不同實(shí)體對象之間的關(guān)系類型|r|＞1，在網(wǎng)絡(luò)中，一個(gè)節(jié)點(diǎn)代表一個(gè)實(shí)體對象(簡稱實(shí)體)，一條邊代表被這條邊連接的兩個(gè)實(shí)體對象間的關(guān)系。并且，存在著一個(gè)節(jié)點(diǎn)類型的映射函數(shù)
元路徑是指，所述異質(zhì)信息網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)類型之間由實(shí)體類型和關(guān)系類型組成的連接路徑，元路徑代表著兩個(gè)節(jié)點(diǎn)類型間的語義關(guān)系。一條元路徑∏被定義為
在異質(zhì)信息網(wǎng)絡(luò)中，元路徑被廣泛用來捕捉豐富的語義信息，我們定義對象a1和al+1之間的一條路徑
一般情況下，一條元路徑可能存在多條路徑實(shí)例，例如，一條路徑實(shí)例為：
由于知識圖譜主要由<主體，謂語，客體>這樣的三元組構(gòu)成，其中的主體和客體可以分別對應(yīng)一個(gè)實(shí)體，其中的謂語可以表示主體與客體間的某種關(guān)系或者屬性，并且，知識圖譜中包含的主體和客體的類型、以及主體與客體間的關(guān)系或者屬性均不止一種。因此，根據(jù)知識圖譜可以事先構(gòu)建一個(gè)異質(zhì)信息網(wǎng)絡(luò)。
例如，在圖2中，“導(dǎo)演”和“表演”是兩種不同類型的關(guān)系，“演員”和“電影”是不同的實(shí)體類型，
另外，在圖2中，托比·凱貝爾和馬丁麥凱恩都屬于演員類，托比·凱貝爾和尼吉爾·哈弗斯不僅僅是演員類，而且也屬于史蒂文·斯皮爾伯格導(dǎo)演的電影的演員類，為了更好地區(qū)分這兩種類別，我們稱前者為粗粒度的實(shí)體類型，后者為細(xì)粒度的實(shí)體類型，根據(jù)細(xì)粒度實(shí)體類型確定的候選實(shí)體更有可能被確定為待擴(kuò)展實(shí)體。
具體的，根據(jù)知識圖譜構(gòu)建異質(zhì)信息網(wǎng)絡(luò)屬于現(xiàn)有技術(shù)，因此，本文不對此過程做詳細(xì)描述。
在本發(fā)明實(shí)施例中，所述兩個(gè)節(jié)點(diǎn)為所述種子實(shí)體集中不同的種子實(shí)體對應(yīng)的節(jié)點(diǎn)，由所述兩個(gè)節(jié)點(diǎn)組成的節(jié)點(diǎn)對可以被稱為“種子實(shí)體對”。
表1列出了種子實(shí)體集為{s1,s2,…,sm}時(shí)，種子實(shí)體對應(yīng)的節(jié)點(diǎn)組成的“種子實(shí)體對”。如表1所示，當(dāng)源節(jié)點(diǎn)為s1時(shí)，目標(biāo)節(jié)點(diǎn)為{s2,…,sm}中的任一個(gè)；當(dāng)源節(jié)點(diǎn)為s2時(shí)，目標(biāo)節(jié)點(diǎn)為{s1,s3,…,sm}中的任一個(gè)；當(dāng)源節(jié)點(diǎn)為其他節(jié)點(diǎn)時(shí)，以此類推，此處不再一一敘述。
表1
還需要說明的是，在本發(fā)明實(shí)施例中，每一條元路徑中只有源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)對應(yīng)的實(shí)體為種子實(shí)體，其他節(jié)點(diǎn)對應(yīng)的實(shí)體為非種子實(shí)體。
s103、根據(jù)每條元路徑連接的種子實(shí)體對的數(shù)量確定每條元路徑的第一重要程度；
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，步驟s103包括：
步驟1、根據(jù)每條元路徑連接的所有種子實(shí)體對的數(shù)量確定每條元路徑所連接的種子實(shí)體對總數(shù)；
具體的，由于每一條路徑實(shí)例連接一對種子實(shí)體，因此，每條元路徑所連接的種子實(shí)體對總數(shù)為該元路徑對應(yīng)的所有路徑實(shí)例連接的種子實(shí)體對的數(shù)量的和。
步驟2、根據(jù)每條元路徑所連接的種子實(shí)體對總數(shù)和第一預(yù)設(shè)模型，確定每條元路徑的第一重要程度；
其中，所述第一預(yù)設(shè)模型為：
在步驟s102中確定出了所有的重要元路徑，但是每條元路徑的重要程度是不同的，申請人經(jīng)過大量的實(shí)驗(yàn)驗(yàn)證表明，某一條元路徑的重要程度與該條元路徑連接的種子實(shí)體對總數(shù)有關(guān)，該條元路徑連接的種子實(shí)體對總數(shù)越大，該元路徑就越能反映種子實(shí)體的共同特征，因此，該條元路徑就越重要。
鑒于此，本發(fā)明實(shí)施例提出了根據(jù)第一預(yù)設(shè)模型確定每一條元路徑的第一重要程度的方法，從第一預(yù)設(shè)模型中，不難發(fā)現(xiàn)，元路徑pk所連接的種子實(shí)體對總數(shù)越大，其對應(yīng)的第一重要程度值越大。
需要說明的是，確定每條元路徑的第一重要程度的方法不限于上述一種，現(xiàn)有技術(shù)中存在的其他確定每條元路徑的第一重要程度的方法，均適用于本發(fā)明。
s104、根據(jù)每條元路徑的第一重要程度，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，步驟s104包括：
根據(jù)每條元路徑的第一重要程度和第二預(yù)設(shè)模型，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
其中，所述第二預(yù)設(shè)模型為：
不難發(fā)現(xiàn)，第二重要程度與第一重要程度呈正相關(guān)關(guān)系，由于某一條元路徑的第一重要程度越大，說明該條元路徑越能反映種子實(shí)體間的特定共同特征，因此，根據(jù)第一重要程度確定的候選實(shí)體的第二重要程度更為有效。
同樣需要說明的是，確定每一候選實(shí)體的第二重要程度的方法不限于上述一種，現(xiàn)有技術(shù)中存在的其他每一候選實(shí)體的第二重要程度的方法，均適用于本發(fā)明實(shí)施例。
s105、將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，并將所述待擴(kuò)展實(shí)體添加至所述種子實(shí)體集中。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，步驟s105包括：
將所述候選實(shí)體集中，所述第二重要程度大于第二預(yù)設(shè)值的候選實(shí)體確定為待擴(kuò)展實(shí)體。
在本發(fā)明實(shí)施例提供的另一種具體實(shí)施方式中，步驟s105包括：
根據(jù)所述第二重要程度，按降序?qū)λ龊蜻x實(shí)體集中的候選實(shí)體進(jìn)行排序，獲得第一候選實(shí)體集；并且，從所述第一候選實(shí)體集中選取排序在前的第一預(yù)設(shè)數(shù)量的候選實(shí)體作為待擴(kuò)展實(shí)體。
申請人根據(jù)所述目標(biāo)知識圖譜，對所選取的第一預(yù)設(shè)數(shù)量的待擴(kuò)展實(shí)體采用相應(yīng)的排序指標(biāo)進(jìn)行有效性驗(yàn)證，證實(shí)了本方法的有效性。
本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法，一方面，將包含的數(shù)據(jù)量巨大的目標(biāo)知識圖譜作為數(shù)據(jù)源進(jìn)行實(shí)體集擴(kuò)展；另一方面，從與目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中確定種子實(shí)體之間的元路徑，由于確定出的每一條元路徑為連接種子實(shí)體對的路徑，因此，這些元路徑能準(zhǔn)確的反映種子實(shí)體間的特定共同特征，進(jìn)而利用每一條元路徑的第一重要程度所確定的候選實(shí)體的第二重要程度更為有效，進(jìn)而根據(jù)第二重要程度確定的待擴(kuò)展實(shí)體也更為有效。因此，本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法能夠提高實(shí)體集擴(kuò)展的有效性。
另外，諸如yago等知識圖譜已經(jīng)成為一種快速檢索信息的工具。隨著知識圖譜的流行，很多研究學(xué)者開始使用這一工具來輔助提高文本或者網(wǎng)頁中的實(shí)體集擴(kuò)展的準(zhǔn)確性。然而，目前還很少有工作利用知識圖譜作為單獨(dú)的數(shù)據(jù)源來進(jìn)行實(shí)體集擴(kuò)展。但是把知識圖譜作為單獨(dú)的數(shù)據(jù)源進(jìn)行實(shí)體集擴(kuò)展是很有必要的，原因如下：(1)傳統(tǒng)的基于文本或者網(wǎng)頁信息的實(shí)體集擴(kuò)展方法需要復(fù)雜的自然語言處理，這一定程度上會影響擴(kuò)展的準(zhǔn)確率，而將知識圖譜作為單獨(dú)的數(shù)據(jù)源不需要這些復(fù)雜的預(yù)處理；(2)知識圖譜包含有豐富的實(shí)體和語義關(guān)系，這對實(shí)體集擴(kuò)展將會很有裨益。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，上述步驟s101中，根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體的步驟，可以包括：
步驟1、確定預(yù)先確定的種子實(shí)體集中每個(gè)種子實(shí)體的實(shí)體類型集；
例如，對于上文中確定的種子實(shí)體集{李安，陳凱歌，張藝謀}中的種子實(shí)體李安來說，對應(yīng)的實(shí)體類型集為{人，導(dǎo)演}；對于種子實(shí)體陳凱歌和張藝謀來說，對應(yīng)的種子實(shí)體類型集為{人，導(dǎo)演，演員}。
步驟2、將所有實(shí)體類型集的交集確定為初始實(shí)體類型集；
由于相同的實(shí)體類型更能反映實(shí)體間的共同特征，因此，將所有實(shí)體類型集的交集確定為初始實(shí)體類型集，可以更加有效的進(jìn)行實(shí)體集擴(kuò)展。
具體如，步驟1中確定的實(shí)體類型集{人，導(dǎo)演}和種子實(shí)體類型集{人，導(dǎo)演，演員}的交集為{人，導(dǎo)演}，也即確定初始實(shí)體類型集為{人，導(dǎo)演}。
步驟3、根據(jù)所述初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系，確定所述種子實(shí)體集對應(yīng)的最終實(shí)體類型集；將所述目標(biāo)知識圖譜中，符合所述最終實(shí)體類型集中實(shí)體類型的實(shí)體作為候選實(shí)體。
由于初始實(shí)體類型集{人，導(dǎo)演}中的“人”這一實(shí)體類型雖然能夠反映種子實(shí)體的共同特征，但是其粒度較粗，導(dǎo)致確定出的候選實(shí)體的語義不明確。因此，在本發(fā)明實(shí)施例中，進(jìn)一步地根據(jù)初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系，確定所述種子實(shí)體集對應(yīng)的最終實(shí)體類型集。
在本發(fā)明實(shí)施例中將包含子類型越多的實(shí)體類型稱為“粗粒度”實(shí)體類型，相應(yīng)的將子類型稱為“細(xì)粒度”實(shí)體類型，例如，在“人”和“導(dǎo)演”這兩個(gè)實(shí)體類型中，“人”屬于粗粒度，“導(dǎo)演”屬于細(xì)粒度，本領(lǐng)域技術(shù)人員可以理解的是，實(shí)體類型的粗粒度和細(xì)粒度是相對而言的。
具體的，初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系指的是各實(shí)體類型的從屬關(guān)系，例如，在初始實(shí)體類型集{人，導(dǎo)演}中，“導(dǎo)演”這一實(shí)體類型從屬于“人”這一實(shí)體類型。
更為具體的，上述步驟3可以包括：
子步驟1、確定所述初始實(shí)體類型集所對應(yīng)的至少一個(gè)層級關(guān)系，其中，任一層級關(guān)系為至少兩個(gè)實(shí)體類型的從屬關(guān)系；
子步驟2、將每一層級關(guān)系中位于最底層的實(shí)體類型，確定為最終實(shí)體類型，并將所確定的最終實(shí)體類型組成為最終實(shí)體類型集。
知識圖譜中實(shí)體類型或者關(guān)系類型經(jīng)常會以層級的方式組織，這一層級關(guān)系描述了實(shí)體類型或者關(guān)系類型之間的從屬關(guān)系(也稱父子關(guān)系)，圖3示出了實(shí)體類型的層級關(guān)系的部分示意圖，所有這些類型共享一個(gè)根節(jié)點(diǎn)事物。
如圖3所示，當(dāng)實(shí)體類型集為{事物，人，電影導(dǎo)演，演員，人造物，電影}時(shí)，可以構(gòu)建出：電影導(dǎo)演從屬于人、人從屬于事物、演員從屬于人、電影從屬于人造物和人造物從屬于事物的層級關(guān)系。在圖3中，位于最底層的實(shí)體類型為：電影導(dǎo)演、演員和電影。
對于步驟2中確定出的初始實(shí)體類型集{人，導(dǎo)演}，位于最下層的實(shí)體類型為：導(dǎo)演。因此，最終實(shí)體類型為“導(dǎo)演”，組成的最終實(shí)體類型集為{導(dǎo)演}。
本領(lǐng)域技術(shù)人員可以理解的是，最終實(shí)體類型集中的實(shí)體類型可以是一種也可以是多種，這都是合理的。
不難看出，在本實(shí)施例中，一方面，由于初始實(shí)體類型集為各種子實(shí)體的實(shí)體類型集的交集，而各種子實(shí)體的實(shí)體類型集的交集中的實(shí)體類型更能反映種子實(shí)體的共同特征；另一方面，由于初始實(shí)體類型集中位于最底層的實(shí)體類型更能代表種子實(shí)體的語義，而最終侯選實(shí)體類型集是根據(jù)初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系確定的，因此，根據(jù)最終侯選實(shí)體類型集抽選的候選實(shí)體，更有可能與種子實(shí)體具有特定的共同特征，更有可能被作為待擴(kuò)展實(shí)體添加至種子實(shí)體集中，這初步保證了本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法的有效性。
另外，需要說明的是，確定候選實(shí)體的方法并不限于本實(shí)施例提供的上述一種方法，現(xiàn)有技術(shù)中存在的其他確定候選實(shí)體的方法均適用于本發(fā)明實(shí)施例。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖1所示的實(shí)施例中的步驟s102中，所述從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑，包括：
步驟1、從與所述目標(biāo)知識圖譜對應(yīng)的所述異質(zhì)信息網(wǎng)絡(luò)中，確定一組與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)；
步驟2、將確定的每一節(jié)點(diǎn)作為源節(jié)點(diǎn)，遍歷所述異質(zhì)信息網(wǎng)絡(luò)，當(dāng)目標(biāo)節(jié)點(diǎn)為除該源節(jié)點(diǎn)自身外的種子實(shí)體時(shí)，將連接該源節(jié)點(diǎn)和該目標(biāo)節(jié)點(diǎn)的路徑確定為一條元路徑實(shí)例；
步驟3、統(tǒng)計(jì)確定出的所有元路徑實(shí)例，并根據(jù)所述所有元路徑實(shí)例所包含的實(shí)體類型和關(guān)系類型，得到所述所有元路徑實(shí)例對應(yīng)的元路徑。
不難看出，由于僅將所確定的一組與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)作為源節(jié)點(diǎn)，遍歷所述異質(zhì)信息網(wǎng)絡(luò)確定每一條重要元路徑，因此，可以縮小確定元路徑的遍歷范圍，不僅可以提高確定元路徑的效率，還有助于節(jié)約計(jì)算資源。
下面請一并參考圖4和圖5，圖4示出了圖1所示的實(shí)施例中的步驟s102的一種詳細(xì)流程圖，也即一種元路徑確定方法的流程圖。圖5示出了利用圖4所示的一種詳細(xì)流程圖確定元路徑的原理示意圖。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，如圖4所示，圖1所示的實(shí)施例中的步驟s102中，所述從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑，包括：
s401、從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定與所述種子實(shí)體集對應(yīng)的節(jié)點(diǎn)集合，其中，所述節(jié)點(diǎn)集合中包括與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)；
在一種具體實(shí)施方式中，所述節(jié)點(diǎn)集合包括與所述種子實(shí)體集中的種子實(shí)體數(shù)量相等且一一對應(yīng)的節(jié)點(diǎn)。例如，假設(shè)種子實(shí)體集為演員{1,2，3}，則對應(yīng)的所述節(jié)點(diǎn)集合也為演員{1,2，3}。
在本發(fā)明實(shí)施例中，選擇與所述種子實(shí)體集種子實(shí)體數(shù)量相等且一一對應(yīng)的節(jié)點(diǎn)組成的集合作為節(jié)點(diǎn)集合的目的是，縮小查找范圍，減少確定每條元路徑的計(jì)算量，節(jié)約計(jì)算資源。
當(dāng)然，本領(lǐng)域技術(shù)人員可以理解的是，在計(jì)算資源比較充裕的情況下，也可以選擇與種子實(shí)體對應(yīng)但是數(shù)量多于種子實(shí)體數(shù)量的節(jié)點(diǎn)組成節(jié)點(diǎn)集合，這都是合理的。例如假設(shè)種子實(shí)體集為演員{1,2，3}，所對應(yīng)的所述節(jié)點(diǎn)集合可以為演員{1,2,3,1,2,3}。
s402、將所述節(jié)點(diǎn)集合中的每一節(jié)點(diǎn)作為第一節(jié)點(diǎn)；
為了方便描述，在本實(shí)施例中，均以種子實(shí)體集為演員{1,2，3}，對應(yīng)的所述節(jié)點(diǎn)集合為演員{1,2，3}為例進(jìn)行說明。
具體的，將節(jié)點(diǎn)集合為演員{1,2，3}中的每一節(jié)點(diǎn)作為第一節(jié)點(diǎn)。
s403、將每一第一節(jié)點(diǎn)作為當(dāng)前源節(jié)點(diǎn)；
可選地，為了方便說明，可以首先建立一個(gè)初始結(jié)構(gòu)數(shù)據(jù)表。
在本發(fā)明實(shí)施例中，結(jié)構(gòu)數(shù)據(jù)表基本形式如表2所示。在表2中，(s,t)表示源節(jié)點(diǎn)s和目標(biāo)節(jié)點(diǎn)t組成的實(shí)體對；σ(s,t|∏)表示當(dāng)前路徑∏下的實(shí)體對(s,t)的相似性值，如果當(dāng)前路徑∏連接的實(shí)體對(s,t)為種子實(shí)體對，則相似性值為第一數(shù)值，否則相似性值為第二數(shù)值。在本發(fā)明實(shí)施例中，第一數(shù)值大于第二數(shù)值，通常情況下，第一數(shù)值等于1，第二數(shù)值等于0。(s,…,t)表示為尋找與源節(jié)點(diǎn)s通過路徑∏連接的目標(biāo)節(jié)點(diǎn)t已經(jīng)訪問的所有節(jié)點(diǎn)。當(dāng)然，(s,…,t)并不一定必須包含于結(jié)構(gòu)數(shù)據(jù)表中。
表2
具體的，初始結(jié)構(gòu)數(shù)據(jù)表如圖5中的表a所示。由于在初始情況下，當(dāng)前訪問的節(jié)點(diǎn)為第一節(jié)點(diǎn)本身，因此，源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)均為第一節(jié)點(diǎn)，源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)組成的實(shí)體對對應(yīng)的相似性值為0，已訪問的節(jié)點(diǎn)為第一節(jié)點(diǎn)本身，初始結(jié)構(gòu)數(shù)據(jù)表的相似性分?jǐn)?shù)也為0。
s404、在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與每一當(dāng)前源節(jié)點(diǎn)通過預(yù)設(shè)類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)，建立與邊類型對應(yīng)的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表；
其中，任一待選結(jié)構(gòu)數(shù)據(jù)表包括：由每一第一節(jié)點(diǎn)和通過該待選結(jié)構(gòu)數(shù)據(jù)表對應(yīng)的邊類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)組成的第一實(shí)體對、每一第一實(shí)體對的相似性值、已訪問過的路徑和相似性分?jǐn)?shù)；所述相似性分?jǐn)?shù)為所有第一實(shí)體對的相似性值的總和；
具體如圖5所示，在初始結(jié)構(gòu)數(shù)據(jù)表a的基礎(chǔ)上，在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與當(dāng)前源節(jié)點(diǎn)1、2和3通過“表演”這條邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)，以及與當(dāng)前源節(jié)點(diǎn)1、2和3通過“出生于”這條邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)。此處作為示例，僅選擇“表演”和“出生于”兩種類型的邊進(jìn)行擴(kuò)展，但本領(lǐng)域技術(shù)人員應(yīng)該理解，在實(shí)際應(yīng)用中，連接每一當(dāng)前源節(jié)點(diǎn)和當(dāng)前目標(biāo)節(jié)點(diǎn)的預(yù)設(shè)類型的邊可以是一種或兩種，也可以是兩種以上。
在圖5中，示例性地共建立了與“表演”和“出生于”兩種類型的邊對應(yīng)的兩個(gè)待選結(jié)構(gòu)數(shù)據(jù)表，分別為表b和表c。
s405、針對每一所述待選結(jié)構(gòu)數(shù)據(jù)表，判斷該待選結(jié)構(gòu)數(shù)據(jù)表中與每一當(dāng)前源節(jié)點(diǎn)連接的當(dāng)前目標(biāo)節(jié)點(diǎn)是否為第二節(jié)點(diǎn)；如果是，將該待選結(jié)構(gòu)數(shù)據(jù)表中該當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一實(shí)體對的相似性值記為第一數(shù)值，并將該當(dāng)前源節(jié)點(diǎn)對應(yīng)的已訪問過的路徑確定為一條元路徑實(shí)例，否則記為第二數(shù)值；其中，所述第二節(jié)點(diǎn)為：所述種子實(shí)體集合中與當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一節(jié)點(diǎn)不同的節(jié)點(diǎn)；
具體的，在圖5中的表b和表c中，由于每一第一節(jié)點(diǎn)對應(yīng)的當(dāng)前目標(biāo)節(jié)點(diǎn)均不是第二節(jié)點(diǎn)，因此，每一第一實(shí)體對的相似性值均示例性地標(biāo)記為0。
s406、從待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表；所述第二預(yù)設(shè)條件包括：待選結(jié)構(gòu)數(shù)據(jù)表中存儲的種子實(shí)體的種類最多；
可選地，當(dāng)所存儲的種子實(shí)體種類最多的待選結(jié)構(gòu)數(shù)據(jù)表有多個(gè)時(shí)，所述第二預(yù)設(shè)條件還包括：待選結(jié)構(gòu)數(shù)據(jù)表中存儲的第一實(shí)體對的數(shù)量最少。
具體的，在圖5中，由于待選結(jié)構(gòu)數(shù)據(jù)表b中存儲的種子實(shí)體的種類大于待選結(jié)構(gòu)數(shù)據(jù)表c，因此，可以選擇待選結(jié)構(gòu)數(shù)據(jù)表b作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表。
s407、將所述當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的每一當(dāng)前目標(biāo)節(jié)點(diǎn)更新為當(dāng)前源節(jié)點(diǎn)，返回執(zhí)行所述在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與每一當(dāng)前源節(jié)點(diǎn)通過預(yù)設(shè)類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)的步驟；也即返回執(zhí)行步驟s404；
具體的，如圖5所示，將當(dāng)前結(jié)構(gòu)數(shù)據(jù)表b中的當(dāng)前目標(biāo)節(jié)點(diǎn)電影12、電影17和電影18分別更新為當(dāng)前源節(jié)點(diǎn)，并對表b返回執(zhí)行步驟s404。
在圖5中，在對表b執(zhí)行步驟s404后，示例性地共建立了與“導(dǎo)演-1”和“創(chuàng)作-1”兩種類型的邊對應(yīng)的兩個(gè)待選結(jié)構(gòu)數(shù)據(jù)表，分別為表d和表e。
需要說明的是，在圖5中，邊“導(dǎo)演-1”和“創(chuàng)作-1”中的上標(biāo)“-1”表示反向關(guān)系，也即“導(dǎo)演-1”表示“導(dǎo)演”的反向關(guān)系。例如，當(dāng)電影12通過邊“導(dǎo)演-1”與人7連接時(shí)，說明電影12被人7導(dǎo)演；當(dāng)人7通過邊“導(dǎo)演”與電影12連接時(shí)，說明人7導(dǎo)演了電影12。另外，結(jié)構(gòu)數(shù)據(jù)表b、d-h中最后一行的“···”表示未列出的第一實(shí)體對。
同樣的，在圖5中的表d和表e中，由于每一第一節(jié)點(diǎn)對應(yīng)的當(dāng)前目標(biāo)節(jié)點(diǎn)均不是第二節(jié)點(diǎn)，因此，每一第一實(shí)體對的相似性值均示例性地標(biāo)記為0。
進(jìn)一步地，在圖5中，由于待選結(jié)構(gòu)數(shù)據(jù)表d中存儲的種子實(shí)體的種類大于待選結(jié)構(gòu)數(shù)據(jù)表e，因此，可以選擇待選結(jié)構(gòu)數(shù)據(jù)表d作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表，并返回執(zhí)行步驟s404。
在對表d執(zhí)行步驟s404后，示例性地建立了與“創(chuàng)作”和“編輯”兩種類型的邊對應(yīng)的兩個(gè)待選結(jié)構(gòu)數(shù)據(jù)表f和g。在對表f和g執(zhí)行步驟s405和s406后，確定出當(dāng)前結(jié)構(gòu)數(shù)據(jù)表為h。在表h中，由于第一節(jié)點(diǎn)1、2和3對應(yīng)的當(dāng)前目標(biāo)節(jié)點(diǎn)均為第二節(jié)點(diǎn)，因此，第一實(shí)體對(1,2)、(2,3)和(3,1)的相似性值均可以示例性地標(biāo)記為1。
s408、當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中已訪問的路徑長度大于第三預(yù)設(shè)值時(shí)，或者當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的種子實(shí)體數(shù)目小于第四預(yù)設(shè)值時(shí)，統(tǒng)計(jì)確定出的所有元路徑實(shí)例，得到所述所有元路徑實(shí)例對應(yīng)的元路徑。
其中，第三預(yù)設(shè)值可以為預(yù)先設(shè)定的已訪問路徑的最大長度，第四預(yù)設(shè)值可以為預(yù)先設(shè)定的結(jié)構(gòu)數(shù)據(jù)表中種子實(shí)體數(shù)目應(yīng)該滿足的最小值。
最終，如表h所示，示例性地，可以確定出一條長度為4跳的重要元路徑：
在本實(shí)施例中，由于確定出的元路徑為連接種子實(shí)體對的重要元路徑，因此，這些元路徑能更準(zhǔn)確的反映種子實(shí)體間的特定共同特征。當(dāng)應(yīng)用本發(fā)明實(shí)施例圖4所示的實(shí)施例提供的元路徑確定方法確定出的重要元路徑進(jìn)行實(shí)體集擴(kuò)展時(shí)，有效性更高。
可選地，在本發(fā)明圖4所示的實(shí)施例中，待選結(jié)構(gòu)數(shù)據(jù)表中還包括已經(jīng)訪問的所有節(jié)點(diǎn)，并將待選結(jié)構(gòu)數(shù)據(jù)表中由“第一實(shí)體對、該第一實(shí)體對的相似性值和與該第一實(shí)體對對應(yīng)的已經(jīng)訪問的所有節(jié)點(diǎn)”組成的行稱為一個(gè)元組，也即將表2中由“(s,t)、σ(s,t|∏)和(s,…,t)”組成的行稱為一個(gè)元組。在此基礎(chǔ)上，在步驟s404后和步驟s405之前，所述元路徑確定方法還包括：
判斷每一當(dāng)前目標(biāo)節(jié)點(diǎn)是否為與該當(dāng)前目標(biāo)節(jié)點(diǎn)所在元組中存儲的已經(jīng)訪問的節(jié)點(diǎn)；
如果否，執(zhí)行步驟s405；如果是，將該當(dāng)前目標(biāo)結(jié)點(diǎn)所在的元組從相應(yīng)的待選結(jié)構(gòu)數(shù)據(jù)表中刪除后，執(zhí)行步驟s405。
不難發(fā)現(xiàn)，在本實(shí)施例中，由于待選結(jié)構(gòu)數(shù)據(jù)表的每一元組中還記錄了已經(jīng)訪問的所有節(jié)點(diǎn)，并在確定每一當(dāng)前目標(biāo)節(jié)點(diǎn)時(shí)，對該目標(biāo)節(jié)點(diǎn)是否為已經(jīng)訪問的節(jié)點(diǎn)進(jìn)行判斷后，可以防止確定出的元路徑構(gòu)成環(huán)路，進(jìn)而避免無休止的遍歷異質(zhì)信息網(wǎng)絡(luò)，提高了元路徑的確定效率。
可選地，在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖4所示的實(shí)施例中步驟s406，也即所述從待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表，包括：
從相似性分?jǐn)?shù)不大于第一預(yù)設(shè)值的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表。
不難看出，當(dāng)從相似性分?jǐn)?shù)不大于第一預(yù)設(shè)值的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表時(shí)，可以進(jìn)一步地縮小元路徑查找范圍，減少計(jì)算量，有助于進(jìn)一步節(jié)約計(jì)算資源。
為了進(jìn)一步地說明本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法的有效性，申請人通過實(shí)驗(yàn)對該方法進(jìn)行了驗(yàn)證，具體驗(yàn)證過程如下：
1)確定目標(biāo)知識圖譜
申請人將經(jīng)典的yago知識圖譜作為目標(biāo)知識圖譜，yago知識圖譜中的數(shù)據(jù)主要來源于維基百科,wordnet和geonames。目前yago知識圖譜這個(gè)數(shù)據(jù)集有大約一千萬的實(shí)體和120百萬的事實(shí)，本文主要使用yago知識圖譜中的“yagofacts”、“yagosimpletypes”和“yagotaxonomy”這三部分?jǐn)?shù)據(jù)作為數(shù)據(jù)源，這三部分?jǐn)?shù)據(jù)中包含35種關(guān)系，1.3百萬實(shí)體，三千多種實(shí)體類型。表3列出了這三部分?jǐn)?shù)據(jù)的具體描述。
表3
2)確定驗(yàn)證集
申請人共選擇了有代表性的四類驗(yàn)證集來驗(yàn)證本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法的有效性，四類驗(yàn)證集如下：參演史蒂文·斯皮爾伯格導(dǎo)演的電影的演員，位于加州山景城(mountainviewofcalifornia)的公司生產(chǎn)的軟件，導(dǎo)演獲得過國家電影獎(nationalfilmaward)導(dǎo)演的電影，位于馬薩諸塞州劍橋(cambridgeofmassachusetts)的大學(xué)的科學(xué)家，這四類驗(yàn)證集中的實(shí)體分別記為：演員*、軟件*、電影*和科學(xué)家*,這四類驗(yàn)證集中的實(shí)體個(gè)數(shù)分別是：112、98、653、202。
3)有效性評價(jià)標(biāo)準(zhǔn)
采用p@k和map標(biāo)準(zhǔn)來進(jìn)行有效性能的度量。p@k表示對侯選實(shí)體集中的候選實(shí)體按重要程度排序后，前k個(gè)結(jié)果中屬于正例的百分比。
本文主要用p@30，p@60，p@90三個(gè)標(biāo)準(zhǔn)進(jìn)行評價(jià)。map標(biāo)準(zhǔn)是p@30，p@60和p@90的準(zhǔn)確率的平均值，具體表示為：
3)確定比較對象
將本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展方法(metapathbasedentitysetexpansion，簡稱mp_ese)與下述三種方法進(jìn)行比較：
(1)基于連接(link-based)的實(shí)體集擴(kuò)展方法。受文本或者網(wǎng)頁中的基于模式的方法的啟發(fā)，給出基于實(shí)體一跳鏈路關(guān)系的實(shí)體集擴(kuò)展方法。
(2)基于最近鄰(nearest-neighbor)的實(shí)體集擴(kuò)展方法。給出同時(shí)考慮一跳鏈路和一跳實(shí)體的最近鄰的實(shí)體集擴(kuò)展方法。
(3)路徑受限隨機(jī)游走pcrw(path-constrainedrandomwalk，pcrw)的實(shí)體集擴(kuò)展方法。該方法是異質(zhì)網(wǎng)絡(luò)中基于路徑隨機(jī)游走的方法，給出基于2跳鏈路關(guān)系的實(shí)體集擴(kuò)展方法。
對每種方法，隨機(jī)從驗(yàn)證集中選擇三個(gè)種子進(jìn)行實(shí)驗(yàn)，每種方法運(yùn)行30次取平均結(jié)果進(jìn)行比較。在本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法中，設(shè)置第一預(yù)設(shè)值為：m*(m-1)/2+1，其中m為種子實(shí)體的數(shù)量，元路徑的最大路徑長度設(shè)置為4。
4)驗(yàn)證結(jié)果
驗(yàn)證結(jié)果如圖6a至圖6d所示，圖6a至圖6d依次對應(yīng)的實(shí)體類型為：演員*、電影*、軟件*、科學(xué)家*。從圖6a至圖6d中可以看出，應(yīng)用本發(fā)明實(shí)施例提供的方法進(jìn)行實(shí)體集擴(kuò)展時(shí)，準(zhǔn)確率比設(shè)定的基本方法均要高，尤其是“演員*”和“電影*”兩個(gè)類別。在“演員*”和“電影*”兩個(gè)類別上，設(shè)定的基本方法中的準(zhǔn)確率低的原因是，一跳或兩跳的鏈路不能很好地區(qū)分細(xì)粒度的實(shí)體類別，而本發(fā)明實(shí)施例提供的方法所采用的元路徑的跳數(shù)較多，能夠很好地區(qū)分細(xì)粒度的實(shí)體類別，因此準(zhǔn)確率高。在“軟件*”類別上，本發(fā)明實(shí)施例提供的方法與pcrw方法的準(zhǔn)確率相近，原因是“軟件*”是一個(gè)重疊類，除了給定的實(shí)體類，還具有另外一個(gè)粗粒度的實(shí)體類別，即同一個(gè)公司生產(chǎn)的軟件。
另外，從圖6a至圖6d中，可以看出link-based算法在任何一個(gè)類別中的準(zhǔn)確率都明顯低于本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法，原因是，link-based算法是基于一跳鏈路的，而一跳鏈路所包含的語義信息非常少，不能準(zhǔn)確的反映種子實(shí)體間的特定共同特征。而本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法，采用了能夠準(zhǔn)確反映種子實(shí)體間的特定共同特征的多跳鏈路(元路徑)，因此可以捕捉到種子實(shí)體的精確語義信息，進(jìn)而提高了實(shí)體集擴(kuò)展的準(zhǔn)確率。
為了進(jìn)一步直觀地說明本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法的有效性，表4列出了利用本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法在“演員*”類別上，確定出的前三條重要元路徑，從表4中可以看出，這些元路徑反映了“演員*”類別的種子實(shí)體之間的潛在的特定共同特征，利用這些元路徑可以進(jìn)一步確定屬于這一類別的更多的實(shí)體作為待擴(kuò)展實(shí)體。
表4
總而言之，相對于設(shè)定的上述三種基本方法，本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法更有效。
相應(yīng)于上述方法實(shí)施例，本發(fā)明實(shí)施例還提供了一種實(shí)體集擴(kuò)展裝置，下面進(jìn)行詳細(xì)說明。
如圖7所示，本發(fā)明實(shí)施例提供了一種實(shí)體集擴(kuò)展裝置，所述裝置包括：候選實(shí)體集確定模塊701、元路徑確定模塊702、第一重要程度確定模塊703、第二重要程度確定模塊704和實(shí)體集擴(kuò)展模塊705；
候選實(shí)體集確定模塊701，用于根據(jù)預(yù)先確定的種子實(shí)體集，從目標(biāo)知識圖譜中抽取候選實(shí)體,并將抽取得到的候選實(shí)體組成候選實(shí)體集；所述目標(biāo)知識圖譜至少包括所述種子實(shí)體集中的種子實(shí)體；
元路徑確定模塊702，用于從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定種子實(shí)體之間的元路徑；所述元路徑為：所述異質(zhì)信息網(wǎng)絡(luò)中的兩個(gè)節(jié)點(diǎn)類型之間由實(shí)體類型和關(guān)系類型組成的連接路徑；其中，所述兩個(gè)節(jié)點(diǎn)類型為所述種子實(shí)體集中不同的種子實(shí)體對應(yīng)的節(jié)點(diǎn)類型；
第一重要程度確定模塊703，用于根據(jù)每條元路徑連接的種子實(shí)體對的數(shù)量確定每條元路徑的第一重要程度；
第二重要程度確定模塊704，用于根據(jù)每條元路徑的第一重要程度，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
實(shí)體集擴(kuò)展模塊705，用于將所述候選實(shí)體集中，所述第二重要程度滿足第一預(yù)設(shè)條件的候選實(shí)體確定為待擴(kuò)展實(shí)體，并將所述待擴(kuò)展實(shí)體添加至所述種子實(shí)體集中。
本發(fā)明實(shí)施例提供的一種實(shí)體集擴(kuò)展裝置，一方面，將包含的數(shù)據(jù)量巨大的目標(biāo)知識圖譜作為數(shù)據(jù)源進(jìn)行實(shí)體集擴(kuò)展；另一方面，從與目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中確定種子實(shí)體之間的元路徑，并且由于確定出的每一條類型的元路徑為連接種子實(shí)體對的路徑，因此，這些元路徑能準(zhǔn)確的反映種子實(shí)體間的潛在共同特征，進(jìn)而利用元路徑的第一重要程度所確定的候選實(shí)體的第二重要程度更為有效，進(jìn)而根據(jù)第二重要程度確定的待擴(kuò)展實(shí)體也更為有效。故而，本發(fā)明實(shí)施例提供的實(shí)體集擴(kuò)展方法能夠提高實(shí)體集擴(kuò)展的有效性。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖7所示的實(shí)施例中的候選實(shí)體集確定模塊701具體可以包括：實(shí)體類型集確定子模塊、初始實(shí)體類型集確定子模塊和最終實(shí)體類型集確定子模塊；
實(shí)體類型集確定子模塊，用于確定預(yù)先確定的種子實(shí)體集中每個(gè)種子實(shí)體的實(shí)體類型集；
初始實(shí)體類型集確定子模塊，用于將所有實(shí)體類型集的交集確定為初始實(shí)體類型集；
最終實(shí)體類型集確定子模塊，用于根據(jù)所述初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系，確定所述種子實(shí)體集對應(yīng)的最終實(shí)體類型集；將所述目標(biāo)知識圖譜中，符合所述最終實(shí)體類型集中實(shí)體類型的實(shí)體作為候選實(shí)體。
更為具體的，最終實(shí)體類型集確定子模塊可以包括：第一確定單元和第二確定單元。
第一確定單元，用于確定所述初始實(shí)體類型集所對應(yīng)的至少一個(gè)層級關(guān)系，其中，任一層級關(guān)系為至少兩個(gè)實(shí)體類型的從屬關(guān)系；
第二確定單元，用于將每一層級關(guān)系中位于最底層的實(shí)體類型，確定為最終實(shí)體類型，并將所確定的最終實(shí)體類型組成為最終實(shí)體類型集。
不難看出，在本實(shí)施例中，一方面，由于初始實(shí)體類型集為各種子實(shí)體的實(shí)體類型集的交集，而各種子實(shí)體的實(shí)體類型集的交集中的實(shí)體類型更能反映種子實(shí)體的共同特征；另一方面，由于初始實(shí)體類型集中位于最底層的實(shí)體類型更能代表種子實(shí)體的語義。而最終侯選實(shí)體類型集是根據(jù)初始實(shí)體類型集中各實(shí)體類型的層級關(guān)系確定的，因此，根據(jù)最終侯選實(shí)體類型集抽選的候選實(shí)體，更有可能與種子實(shí)體具有特定的共同特征，更有可能被作為待擴(kuò)展實(shí)體添加至種子實(shí)體集中，進(jìn)而可更好地保證實(shí)體集擴(kuò)展的有效性。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖7所示的實(shí)施例中的元路徑確定模塊702可以包括：節(jié)點(diǎn)確定子模塊、遍歷模塊和確定子模塊。
節(jié)點(diǎn)確定子模塊，用于從與所述目標(biāo)知識圖譜對應(yīng)的所述異質(zhì)信息網(wǎng)絡(luò)中，確定一組與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)；
遍歷模塊，用于將確定的每一節(jié)點(diǎn)作為源節(jié)點(diǎn)，遍歷所述異質(zhì)信息網(wǎng)絡(luò)，當(dāng)目標(biāo)節(jié)點(diǎn)為除該源節(jié)點(diǎn)自身外的種子實(shí)體時(shí)，將連接該源節(jié)點(diǎn)和該目標(biāo)節(jié)點(diǎn)的路徑確定為一條元路徑實(shí)例；
確定子模塊，用于統(tǒng)計(jì)確定出的所有元路徑實(shí)例，并根據(jù)所述所有元路徑實(shí)例所包含的實(shí)體類型和關(guān)系類型，得到所述所有元路徑實(shí)例對應(yīng)的元路徑。
不難看出，由于僅將所確定的一組與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)作為源節(jié)點(diǎn)，遍歷所述異質(zhì)信息網(wǎng)絡(luò)確定每一條重要元路徑，因此，縮小了確定元路徑的遍歷范圍，這樣不僅可以提高確定元路徑的效率，還有助于節(jié)約計(jì)算資源。
如圖8所示，在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，元路徑確定模塊702可以包括：節(jié)點(diǎn)集合確定子模塊801、第一節(jié)點(diǎn)確定子模塊802、當(dāng)前源節(jié)點(diǎn)確定子模塊803、待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804、第一判斷子模塊805、選擇子模塊806、更新子模塊807和元路徑確定子模塊808；
節(jié)點(diǎn)集合確定子模塊801，用于從與所述目標(biāo)知識圖譜對應(yīng)的異質(zhì)信息網(wǎng)絡(luò)中，確定與所述種子實(shí)體集對應(yīng)的節(jié)點(diǎn)集合，其中，所述節(jié)點(diǎn)集合中包括與所述種子實(shí)體集中的種子實(shí)體對應(yīng)的節(jié)點(diǎn)；
第一節(jié)點(diǎn)確定子模塊802，用于將所述節(jié)點(diǎn)集合中的每一節(jié)點(diǎn)作為第一節(jié)點(diǎn)；
當(dāng)前源節(jié)點(diǎn)確定子模塊803，用于將每一第一節(jié)點(diǎn)作為當(dāng)前源節(jié)點(diǎn)；
待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804，用于在所述異質(zhì)信息網(wǎng)絡(luò)中訪問與每一當(dāng)前源節(jié)點(diǎn)通過預(yù)設(shè)類型的邊連接的當(dāng)前目標(biāo)節(jié)點(diǎn)，建立與邊類型對應(yīng)的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表；
第一判斷子模塊805，用于針對每一所述待選結(jié)構(gòu)數(shù)據(jù)表，判斷該待選結(jié)構(gòu)數(shù)據(jù)表中與每一當(dāng)前源節(jié)點(diǎn)連接的當(dāng)前目標(biāo)節(jié)點(diǎn)是否為第二節(jié)點(diǎn)；如果是，將該待選結(jié)構(gòu)數(shù)據(jù)表中該當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一實(shí)體對的相似性值記為第一數(shù)值，并將該當(dāng)前源節(jié)點(diǎn)對應(yīng)的已訪問過的路徑確定為一條元路徑實(shí)例，否則記為第二數(shù)值；其中，所述第二節(jié)點(diǎn)為：所述種子實(shí)體集合中與當(dāng)前源節(jié)點(diǎn)對應(yīng)的第一節(jié)點(diǎn)不同的節(jié)點(diǎn)；
選擇子模塊806，用于從待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表；所述第二預(yù)設(shè)條件包括：待選結(jié)構(gòu)數(shù)據(jù)表中存儲的種子實(shí)體的種類最多；
更新子模塊807，用于將所述當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的每一當(dāng)前目標(biāo)節(jié)點(diǎn)更新為當(dāng)前源節(jié)點(diǎn)，并觸發(fā)待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804；
元路徑確定子模塊808，用于當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中已訪問的路徑長度大于第三預(yù)設(shè)值時(shí)，或者當(dāng)每一當(dāng)前結(jié)構(gòu)數(shù)據(jù)表中的種子實(shí)體數(shù)目小于第四預(yù)設(shè)值時(shí)，統(tǒng)計(jì)確定出的所有元路徑實(shí)例，并根據(jù)所述所有元路徑實(shí)例所包含的實(shí)體類型和關(guān)系類型，得到所述所有元路徑實(shí)例對應(yīng)的元路徑。
其中，第三預(yù)設(shè)值可以為預(yù)先設(shè)定的已訪問路徑的最大長度，第四預(yù)設(shè)值可以為預(yù)先設(shè)定的結(jié)構(gòu)數(shù)據(jù)表中種子實(shí)體數(shù)目應(yīng)該滿足的最小值。
在本實(shí)施例中，由于確定出的元路徑為連接種子實(shí)體對的重要元路徑，因此，這些元路徑能更準(zhǔn)確的反映種子實(shí)體間的特定共同特征。當(dāng)應(yīng)用本發(fā)明實(shí)施例圖8所示的實(shí)施例提供的裝置確定出的重要元路徑進(jìn)行實(shí)體集擴(kuò)展時(shí)，準(zhǔn)確率更高。
可選地，在本發(fā)明圖8所示的實(shí)施例中，待選結(jié)構(gòu)數(shù)據(jù)表中還包括已經(jīng)訪問的所有節(jié)點(diǎn)，并將待選結(jié)構(gòu)數(shù)據(jù)表中由“第一實(shí)體對、該第一實(shí)體對的相似性值和與該第一實(shí)體對對應(yīng)的已經(jīng)訪問的所有節(jié)點(diǎn)”組成的行稱為一個(gè)元組。在此基礎(chǔ)上，在觸發(fā)待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804之后，在觸發(fā)第一判斷子模塊805之前，元路徑確定模塊702還可以包括：
第二判斷子模塊，用于判斷每一當(dāng)前目標(biāo)節(jié)點(diǎn)是否為與該當(dāng)前目標(biāo)節(jié)點(diǎn)所在元組中存儲的已經(jīng)訪問的節(jié)點(diǎn)；
觸發(fā)子模塊，用于在第二判斷子模塊獲得的判斷結(jié)果為否的情況下，觸發(fā)待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804；在第二判斷子模塊獲得的判斷結(jié)果為是的情況下，將該當(dāng)前目標(biāo)結(jié)點(diǎn)所在的元組從相應(yīng)的待選結(jié)構(gòu)數(shù)據(jù)表中刪除后，觸發(fā)待選結(jié)構(gòu)數(shù)據(jù)表建立子模塊804。
不難發(fā)現(xiàn)，在本實(shí)施例中，由于待選結(jié)構(gòu)數(shù)據(jù)表的每一元組中還記錄了已經(jīng)訪問的所有節(jié)點(diǎn)，并在確定每一當(dāng)前目標(biāo)節(jié)點(diǎn)時(shí)，對該目標(biāo)節(jié)點(diǎn)是否為已經(jīng)訪問的節(jié)點(diǎn)進(jìn)行判斷后，可以防止確定出的元路徑構(gòu)成環(huán)路，進(jìn)而避免無休止的遍歷異質(zhì)信息網(wǎng)絡(luò)，提高元路徑的確定效率。
可選地，在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖8所示的實(shí)施例中選擇子模塊806，具體用于從相似性分?jǐn)?shù)不大于第一預(yù)設(shè)值的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表。
不難看出，當(dāng)從相似性分?jǐn)?shù)不大于第一預(yù)設(shè)值的多個(gè)待選結(jié)構(gòu)數(shù)據(jù)表中，選擇滿足第二預(yù)設(shè)條件的待選結(jié)構(gòu)數(shù)據(jù)表作為當(dāng)前結(jié)構(gòu)數(shù)據(jù)表時(shí)，可以進(jìn)一步地縮小元路徑查找范圍，減少計(jì)算量，有助于進(jìn)一步提高元路徑確定效率、節(jié)約計(jì)算資源。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖7所示的實(shí)施例中的第一重要程度確定模塊703，具體用于根據(jù)每條元路徑連接的所有種子實(shí)體對確定每條元路徑所連接的種子實(shí)體對總數(shù)；根據(jù)每條元路徑所連接的種子實(shí)體對總數(shù)和第一預(yù)設(shè)模型，確定每條元路徑的第一重要程度；
其中，所述第一預(yù)設(shè)模型為：
不難看出，第一重要程度與元路徑所連接的種子實(shí)體對總數(shù)呈正相關(guān)，元路徑所連接的種子實(shí)體對越多，說明該條元路徑越能反映種子實(shí)體間的特定共同特征，因此，根據(jù)元路徑所連接的種子實(shí)體對總數(shù)確定的第一重要程度值更為準(zhǔn)確。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖7所示的實(shí)施例中的第二重要程度確定模塊704，用于根據(jù)每條元路徑的第一重要程度和第二預(yù)設(shè)模型，確定所述候選實(shí)體集中的每一候選實(shí)體的第二重要程度；
其中，所述第二預(yù)設(shè)模型為：
其中各參數(shù)的物理意義與上述方法實(shí)施例中對應(yīng)相同，此處不再贅述。
不難發(fā)現(xiàn)，第二重要程度與第一重要程度呈正相關(guān)關(guān)系，由于某一條元路徑的第一重要程度越大，說明該元路徑越能反映種子實(shí)體間的特定共同特征，因此，根據(jù)第一重要程度確定的候選實(shí)體的第二重要程度更為準(zhǔn)確。
在本發(fā)明實(shí)施例提供的一種具體實(shí)施方式中，圖7所示的實(shí)施例中的實(shí)體集擴(kuò)展模塊705，具體用于將所述候選實(shí)體集中，所述第二重要程度大于第二預(yù)設(shè)值的候選實(shí)體確定為待擴(kuò)展實(shí)體。
在本發(fā)明實(shí)施例提供的另一種具體實(shí)施方式中，圖7所示的實(shí)施例中的實(shí)體集擴(kuò)展模塊705，具體用于根據(jù)所述第二重要程度，按降序?qū)λ龊蜻x實(shí)體集中的候選實(shí)體進(jìn)行排序，獲得第一候選實(shí)體集；并且，從所述第一候選實(shí)體集中選取排序在前的第一預(yù)設(shè)數(shù)量的候選實(shí)體作為待擴(kuò)展實(shí)體。
申請人根據(jù)所述目標(biāo)知識圖譜，對所選取的第一預(yù)設(shè)數(shù)量的待擴(kuò)展實(shí)體采用相應(yīng)的排序指標(biāo)進(jìn)行有效性驗(yàn)證，證實(shí)了本方法的有效性。
在上述兩個(gè)實(shí)施例中，均是根據(jù)第二重要程度確定待擴(kuò)展實(shí)體，由于第二重要程度能夠正確反映候選實(shí)體與種子實(shí)體間的特定共同特征，因此，根據(jù)第二重要程度確定出的待擴(kuò)展實(shí)體更為有效，保證了實(shí)體擴(kuò)展的有效性。
需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
本說明書中的各個(gè)實(shí)施例均采用相關(guān)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對于裝置實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。
以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。
- 還沒有人留言評論。精彩留言會獲得點(diǎn)贊！