一种实体对齐方法、装置、设备及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种实体对齐方法、装置、设备及存储介质。


背景技术：

2.不同的知识图谱对于同一个实体的描述，通常存在一定差异，需要通过知识融合的方式将不同知识图谱中的知识进行互补融合，形成全面、准确、完整的实体描述。在进行知识融合时，主要涉及实体对齐(entity alignment)的过程。实体对齐，也被称作实体匹配，目的在于判断两个或者多个不同信息来源的实体是否为指向真实世界中同一个对象，将指向同一个对象的实体聚集在一起。
3.在现有技术中，通常基于实体之间的图谱结构信息，获得实体之间的相似度，将相似度高的实体进行对齐。然而，在电网业务应用场景中，由于实体之间的关系较为稀疏，基于实体之间的图谱结构信息进行实体对齐的方法，使得实体对齐效率低。


技术实现要素：

4.基于上述问题，本技术提供了一种实体对齐方法、装置、设备及存储介质。
5.本技术实施例公开了如下技术方案：
6.第一方面：本技术实施例提供一种实体对齐方法，包括：
7.对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量；
8.针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量；
9.针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值；
10.将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。
11.在一种可能的实现方式中，所述根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，包括：
12.计算所述目标实体的名称向量和所述候选实体的名称向量之间的余弦相似度，将
所述余弦相似度作为所述目标实体与所述候选实体之间的名称相似度值。
13.在一种可能的实现方式中，所述根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，包括：
14.根据所述目标实体的属性向量，获得所述目标实体的第一邻接实体，根据所述候选实体的属性向量，获得所述候选实体的第一邻接实体；
15.根据所述目标实体的第一邻接实体的属性向量，与所述候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵；
16.根据所述第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据所述第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量；
17.将所述第一特征向量与所述第二特征向量进行拼接，获得所述目标实体与所述候选实体之间的属性相似度向量。
18.在一种可能的实现方式中，所述根据所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量，包括：
19.根据所述目标实体的关系向量，获得所述目标实体的第二邻接实体，根据所述候选实体的关系向量，获得所述候选实体的第二邻接实体；
20.根据所述目标实体的第二邻接实体的关系向量，与所述候选实体的第二邻接实体的关系向量的余弦相似度，获得目标实体与候选实体之间的第二相似矩阵；
21.根据所述第二相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据所述第二相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量；
22.将所述第三特征向量与所述第四特征向量进行拼接，获得所述目标实体与所述候选实体之间的关系相似度向量。
23.在一种可能的实现方式中，所述目标实体的名称信息包括所述目标实体的名称，与所述目标实体呈正相关的实体的名称，以及与所述目标实体呈负相关的实体的名称，目标实体的属性信息包括所述目标实体的名称，所述目标实体与第一邻接实体之间的关系类型，以及第一邻接实体的名称，目标实体的关系信息包括所述目标实体的名称，所述目标实体与第二邻接实体之间的关系类型，以及第二邻接实体的名称。
24.在一种可能的实现方式中，所述针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值，包括：
25.针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得第五特征向量；
26.将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值。
27.在一种可能的实现方式中，所述将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值，包括：
28.将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的初始相似度值；
29.基于所述目标实体与所述目标实体对应的正实体之间的相似度值，目标实体与所述目标实体对应的负实体之间的相似度值，以及预设的边缘超参数，对所述初始相似度值进行调整，获得所述目标实体与所述候选实体之间的相似度值。
30.第二方面：本技术实施例提供一种实体对齐装置，包括：
31.映射单元，用于对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量；
32.第一获得单元，用于针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量；
33.第二获得单元，用于针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值；
34.对齐单元，用于将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。
35.在一种可能的实现方式中，所述第一获得单元，用于：
36.计算所述目标实体的名称向量和所述候选实体的名称向量之间的余弦相似度，将所述余弦相似度作为所述目标实体与所述候选实体之间的名称相似度值。
37.在一种可能的实现方式中，所述第一获得单元，用于：
38.根据所述目标实体的属性向量，获得所述目标实体的第一邻接实体，根据所述候选实体的属性向量，获得所述候选实体的第一邻接实体；
39.根据所述目标实体的第一邻接实体的属性向量，与所述候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵；
40.根据所述第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据所述第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量；
41.将所述第一特征向量与所述第二特征向量进行拼接，获得所述目标实体与所述候选实体之间的属性相似度向量。
42.在一种可能的实现方式中，所述第一获得单元，用于：
43.根据所述目标实体的关系向量，获得所述目标实体的第二邻接实体，根据所述候选实体的关系向量，获得所述候选实体的第二邻接实体；
44.根据所述目标实体的第二邻接实体的关系向量，与所述候选实体的第二邻接实体
的关系向量的余弦相似度，获得目标实体与候选实体之间的第二相似矩阵；
45.根据所述第二相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据所述第二相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量；
46.将所述第三特征向量与所述第四特征向量进行拼接，获得所述目标实体与所述候选实体之间的关系相似度向量。
47.在一种可能的实现方式中，所述目标实体的名称信息包括所述目标实体的名称，与所述目标实体呈正相关的实体的名称，以及与所述目标实体呈负相关的实体的名称，目标实体的属性信息包括所述目标实体的名称，所述目标实体与第一邻接实体之间的关系类型，以及第一邻接实体的名称，目标实体的关系信息包括所述目标实体的名称，所述目标实体与第二邻接实体之间的关系类型，以及第二邻接实体的名称。
48.在一种可能的实现方式中，所述第二获得单元，包括：第一子获得单元，以及第二子获得单元；
49.所述第一子获得单元，用于针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得第五特征向量；
50.第二子获得单元，用于将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值。
51.在一种可能的实现方式中，所述第二子获得单元，包括：第三子获得单元，以及第四子获得单元；
52.所述第三子获得单元，用于将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的初始相似度值；
53.所述第四子获得单元，用于基于所述目标实体与所述目标实体对应的正实体之间的相似度值，目标实体与所述目标实体对应的负实体之间的相似度值，以及预设的边缘超参数，对所述初始相似度值进行调整，获得所述目标实体与所述候选实体之间的相似度值。
54.第三方面：本技术提供一种计算机设备，所述计算机设备包括处理器以及存储器：
55.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
56.所述处理器用于根据所述程序代码中的指令执行如上所述的一种实体对齐方法的步骤。
57.第四方面：本技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的一种实体对齐方法的步骤。
58.相较于现有技术，本技术具有以下有益效果：
59.本技术提供一种实体对齐方法，通过对目标实体和多个候选实体的名称信息、属性信息以及关系信息分别进行映射，获得目标实体和每个候选实体的名称向量、属性向量以及关系向量；针对每个候选实体，根据目标实体的名称向量和候选实体的名称向量，获得目标实体与候选实体之间的名称相似度值，根据目标实体的属性向量和候选实体的属性向量，获得目标实体与候选实体之间的属性相似度向量，以及根据目标实体的关系向量和候选实体的关系向量，获得目标实体与候选实体之间的关系相似度向量；针对每个候选实体，
将目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得目标实体与候选实体之间的相似度值；将多个候选实体中与目标实体之间的相似度值超过阈值的候选实体，与目标实体进行对齐。本技术在进行实体对齐的过程中，不仅仅依赖于实体之间的图谱结构信息，而是综合考虑实体的名称信息、属性信息和关系信息，对比不同数据源中的实体，获得目标实体与候选实体之间的相似度，根据实体之间的相似度，完成实体对齐，可以有效提高实体对齐的效率。
附图说明
60.图1为本技术实施例提供的一种实体对齐方法的流程图；
61.图2为本技术实施例提供的一种bert的主模型示意图；
62.图3为本技术实施例提供的一种实体对齐装置的结构示意图。
具体实施方式
63.本技术说明书和权利要求书及附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。
64.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
65.为了下述各实施例的描述清楚简洁，首先给出相关技术的简要介绍：
66.统一信息模型(sg-cim)，是从企业级视角对电网公司各专业原始业务数据进行统一建模，形成电网公司统一数据模型标准，主要覆盖电网主营业务、企业核心资源、智能分析决策三大板块。
67.实体对齐方法可划分为两大类，一类是传统实体对齐方法，另一类是基于表示学习的实体对齐方法。其中，传统的实体对齐方法又可以划分为基于相似性计算的方法和基于关系推理的方法两类。
68.其中，基于相似度计算来进行实体对齐的方法，主要利用词频逆文档频率(term frequency
–
inverse document frequency，tf-idf)、主动学习、机器学习分类器、编辑距离、数字匹配、同义词集以及语义验证等技术，计算实体之间的相似性。基于关系推理的实体对齐方法，主要利用了知识图谱中实体之间的关系，通过构造相关函数来推理关系之间的语义等价性，进而基于实体之间的图谱结构信息，实现实体之间的对齐。
69.然而，传统的实体对齐方法有如下两个难以解决的问题。第一方面，由于实体对齐过程中，实体的各种属性以及涉及的领域均可能不同，难以给出统一的相关函数；第二，离散的属性信息忽略了多方面隐含的语义信息，使得实体对齐的效果受限。由此，传统的实体对齐效果受限，难以应用于复杂的电网业务场景。
70.表示学习的实体对齐方法，目的是实现知识图谱中实体和实体之间关系的向量表示，通过降低高维实体和关系，得到低维向量的数值表示。基于表示学习的实体对齐方法，具有将实体和关系表示为低维向量空间的能力，可以应对更多变复杂的实体对齐应用场景。
71.现有技术中表示学习的实体对齐方法，通常基于实体之间的图谱结构信息，获得实体之间的相似度，将相似度高的实体进行对齐。然而，在电网业务应用场景中，由于实体之间的关系较为稀疏，难以从实体之间图谱结构信息中获得实体之间的关联，进而基于实体之间的图谱结构信息进行实体对齐的方法，存在实体对齐效率低的问题。
72.基于此，本技术提供一种实体对齐方法，通过对目标实体和多个候选实体的名称信息、属性信息以及关系信息分别进行映射，获得目标实体和每个候选实体的名称向量、属性向量以及关系向量；针对每个候选实体，根据目标实体的名称向量和候选实体的名称向量，获得目标实体与候选实体之间的名称相似度值，根据目标实体的属性向量和候选实体的属性向量，获得目标实体与候选实体之间的属性相似度向量，以及根据目标实体的关系向量和候选实体的关系向量，获得目标实体与候选实体之间的关系相似度向量；针对每个候选实体，将目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得目标实体与候选实体之间的相似度值；将多个候选实体中与目标实体之间的相似度值超过阈值的候选实体，与目标实体进行对齐。本技术在进行实体对齐的过程中，不依赖于实体之间图谱结构信息，而是综合考虑实体的名称信息、属性信息和关系信息，对比不同数据源中的实体，获得目标实体与候选实体之间的相似度，根据实体之间的相似度，完成实体对齐，可以有效提高实体对齐的效率。
73.下面对本技术实施例提供的方法进行详细说明。
74.本技术实施例提供一种实体对齐方法，包括s101～s104。如图1所示，该图为本技术实施例提供的一种实体对齐方法的流程图。
75.s101：对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量。
76.具体地，在电网业务应用场景中，本技术综合考虑实体的名称信息、属性信息以及关系信息三种信息，以在图谱关系稀疏的情况下提高实体对齐的效率。由于各个实体的名称信息、属性信息以及关系信息通常为中文或英文字符，为了实现实体对齐，需要对各个实体的名称信息、属性信息以及关系信息分别进行映射，以获得各个实体的名称信息、属性信息以及关系信息的向量表示，即获得各个实体的名称向量、属性向量以及关系向量。
77.其中，目标实体的名称信息包括所述目标实体的名称，与所述目标实体呈正相关的实体的名称，以及与所述目标实体呈负相关的实体的名称，目标实体的属性信息包括所述目标实体的名称，所述目标实体与第一邻接实体之间的关系类型，以及第一邻接实体的名称，目标实体的关系信息包括所述目标实体的名称，所述目标实体与第二邻接实体之间的关系类型，以及第二邻接实体的名称。
78.示例性的，双向变换器编码器表示模型(bidirectional encoder representations from transformer，bert)，利用大规模无标注语料训练，获得文本的包含丰富语义信息的表示，如图2所示，该图为本技术实施例提供的一种bert的主模型示意图，主模型由嵌入层、编码器、池化层三部分构成。为了使语义相近的字/词在特征向量空间上的距离也比较接近，使得由字/词向量转换而来的文本向量也能够包含更为准确的语义
信息。bert模型的主要输入是文本中各个字/词的原始词向量，该向量既可以随机初始化，也可以利用算法，如利用词向量算法(word2vector)等进行预训练以作为初始值；bert模型的输出是文本中各个字/词融合了全文语义信息后的向量表示。
79.强力优化的双向变换器编码器表示(a robustly optimized bert，roberta)模型，是bert模型的强化版。在模型规模、算力和数据上，与bert模型相比roberta模型具有更大的模型参数量、更大的学习样本的数量(bacth size)，以及更多的训练数据。roberta模型具备很强的特征学习能力，使用roberta模型能够高效地完成将实体的多种不同特征嵌入到向量空间的任务。
80.本技术中可以将目标实体以及多个候选实体的名称信息、属性信息以及关系信息作为roberta模型的输入，以对目标实体以及多个候选实体的名称信息、属性信息以及关系信息分别进行映射，获得目标实体以及多个候选实体的名称向量、属性向量以及关系向量。
81.需要说明的是，本技术中对在对目标实体和多个候选实体的名称信息进行映射过程中所采用的模型不作具体限定，本技术实施例仅以roberta模型为例进行说明。
82.具体地，本技术中可以将实体对齐作为下游目标来微调预训练的roberta模型。首先，构建训练数据d＝{(e，e'
+
，e'-)}，其中每个三元组(e，e'
+
，e'-)∈d。对于一个被查询的目标实体e，e'
+
为目标实体e的正确对齐的实体，e'-为目标实体e的错误对齐的实体。
83.对于数据集中的每个实体均可使用实体的名称信息、属性信息、关系信息分别作为预先训练的roberta模型的输入，计算对应的cls嵌入向量，然后使用多层感知机(multilayer perceptron，mlp)进行映射，得到该实体的向量表示，如式(1)所示：
84.c(e)＝mlp(cls(e))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
85.式(1)中，c(e)为实体的向量表示，示例性的，将实体的名称信息作为输入，可以得到实体的名称向量；将实体的属性信息作为输入，可以得到实体的属性向量；将实体的关系信息作为输入，可以得到实体的关系向量。
86.在此基础上，本技术实施例中可以使用成对边际损失函数l来微调roberta模型参数，如式(2)所示。
[0087][0088]
式(2)中，m表示边缘超参数(margin)，可以根据实际需求设置，通过m的数值大小，可以影响roberta模型判断对齐实体的标准；g(e，e'
+
)与g(e，e'-)被实例化为距离，即g(e，e'
+
)表示是c(e)和c(e'
+
)之间的曼哈顿距离函数，被用来衡量c(e)和c(e'
+
)之间的相似度，g(e，e'-)表示是c(e)和c(e'-)之间的曼哈顿距离函数，被用来衡量c(e)和c(e'-)之间的相似度。
[0089]
采用成对边际损失函数l对roberta模型参数进行微调后，roberta模型参数将会被固定，基于微调后的roberta模型进行实体对齐，有利于提高实体对齐的准确性。
[0090]
基于上述式(1)和式(2)，本技术实施例中可以对目标实体和多个候选实体的名称信息进行映射，获得目标实体的名称向量和每个候选实体的名称向量，对目标实体和多个候选实体的属性信息进行映射，获得目标实体的属性向量和每个候选实体的属性向量，以及对目标实体和多个候选实体的关系信息进行映射，获得目标实体的关系向量和每个候选实体的关系向量。
[0091]
s102：针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称
向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量。
[0092]
在一种可能的实现方式中，在获得目标实体和多个候选实体的名称向量后，可以针对每个候选实体，计算目标实体的名称向量和候选实体的名称向量之间的余弦相似度，将余弦相似度作为目标实体与候选实体之间的名称相似度值。
[0093]
示例性的，给定知识图谱kg中的目标实体e和知识图谱kg'中的候选实体e'，对目标实体e和候选实体e'的名称信息进行映射后，获得目标实体e的名称向量cm(e)和候选实体的名称向量cm(e')，然后计算cm(e)和cm(e')的余弦相似度，该计算结果即为目标实体与候选实体之间的名称相似度值。
[0094]
在一种可能的实现方式中，在获得目标实体和多个候选实体的名称向量后，可以针对每个候选实体，根据目标实体的属性向量，获得目标实体的第一邻接实体，根据候选实体的属性向量，获得候选实体的第一邻接实体；根据目标实体的第一邻接实体的属性向量，与候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵；根据第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量；将第一特征向量与第二特征向量进行拼接，获得目标实体与候选实体之间的属性相似度向量。
[0095]
示例性的，给定知识图谱kg中的目标实体e和知识图谱kg'中的候选实体e'。目标实体e的第一邻接实体为与目标实体具有属性关联的实体，目标实体e的第一邻接实体的集合可以表示为a(e)；同样的，候选实体e'的第一邻接实体表示与候选实体具有属性关联的实体，候选实体e'的第一邻接实体的集合可以表示为a(e')。
[0096]
根据目标实体的第一邻接实体的属性向量，与候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵。具体地，目标实体的第一邻接实体的属性向量可以表示为ca(ei)，候选实体的第一邻接实体的属性向量可以表示为ca(ej')，ca(ei)与ca(ej')可以根据式(1)计算得到。第一相似矩阵中的每个元素a
ij
可以通过式(3)表示如下。
[0097][0098]
根据第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量。
[0099]
具体地，在获得第一相似矩阵后，可以应用一个双重聚合函数来提取第一相似矩阵的行和列上的相似性特征。示例性的，本技术实施例中，可以采用径向基函数神经网络(radial basis function neural network，rbf)核聚合函数来提取关于相似性累积的特征。
[0100]
在使用rbf核聚合之前，需要对第一相似矩阵中的每一行进行最大池化操作，以得
到本行中最大的相似度a
imax
，如式(4)所示。
[0101][0102]
本技术实施例在进行实体对齐的过程中，只需关注最可能对齐的候选实体与目标实体e的某个第一邻接实体之间的相似程度。即，本技术实施例只需从候选实体e'的第i个第一邻接实体中找到最可能对齐的实体。
[0103]
根据第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，如式(5)-式(7)所示。
[0104][0105][0106][0107]
式(5)-式(7)中，μ
al
表示每行的余弦相似度的平均值；σ
al2
为每行的余弦相似度的方差；kr(a1i)为基于行的特征向量；k
l
(a
imax
)为基于行的特征向量kr(a1i)中的元素；φr(a(e)，a(e'))为行聚合向量，即第一特征向量。
[0108]
式(4)中的n是所有实体中的最大邻居数。在一种可能的实现方式中，当μ
al
＝1，σ
al
趋近于0时，只考虑第一邻接实体之间的精确匹配；其他情况下，则考虑第一邻接实体之间的语义匹配。
[0109]
同样的，基于上述方法，可以获得列聚集向量φc(a(e)，a(e'))，即第二特征向量。
[0110]
在获得第一特征向量以及第二特征向量的过程中，分别沿行、沿列，反映了目标实体的各个第一邻接实体，与候选实体的各个第一邻接实体之间的相似度。
[0111]
在获得第一特征向量以及第二特征向量之后，将第一特征向量与第二特征向量进行拼接，获得目标实体与候选实体之间的属性相似度向量，如式(8)所示。
[0112]
φ(a(e),a(e
′
))＝φr(a(e),a(e
′
))
⊕
φc(a(e),a(e
′
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0113]
其中，φ(a(e)，a(e'))表示目标实体与候选实体之间的属性相似度向量；
⊕
表示串联操作，或称为拼接运算。
[0114]
在一种可能的实现方式中，在获得目标实体和多个候选实体的名称向量后，可以根据所述目标实体的关系向量，获得所述目标实体的第二邻接实体，根据所述候选实体的关系向量，获得所述候选实体的第二邻接实体；根据所述目标实体的第二邻接实体的关系向量，与所述候选实体的第二邻接实体的关系向量的余弦相似度，获得目标实体与候选实体之间的第二相似矩阵；根据所述第二相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据所述第二相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量；将所述第三特征向量与所述第四特征向量进行拼接，获得所述目标实体与所述候选实体之间的关系相似度向量。
[0115]
示例性的，与上述获得目标实体与候选实体之间的关系相似度向量的过程类似，给定知识图谱kg中的目标实体e和知识图谱kg'中的候选实体e'。目标实体e的第二邻接实体为与目标实体具有关系的实体，目标实体e的第二邻接实体的集合可以表示为n(e)；同样的，候选实体e'的第二邻接实体表示与候选实体具有关系的实体，候选实体e'的第二邻接
实体的集合可以表示为n(e')。以目标实体e为例，目标实体的关系信息的形式可以表示为[目标实体e的名称，目标实体e与第二邻接实体ei之间的关系类型，第二邻接实体ei]。
[0116]
根据目标实体的第二邻接实体的关系向量，与候选实体的第二邻接实体的关系向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵。具体地，目标实体的第二邻接实体的关系向量可以表示为cn(ei)，候选实体的第二邻接实体的关系向量可以表示为cn(ej')，cn(ei)与cn(ej')可以根据式(1)计算得到。第一相似矩阵中的每个元素s
ij
可以通过式(9)表示如下。
[0117][0118]
根据第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量。
[0119]
具体地，在获得第一相似矩阵后，可以应用一个双重聚合函数来提取第一相似矩阵的行和列上的相似性特征。示例性的，本技术实施例中，可以采用径向基函数神经网络(radial basis function neural network，rbf)核聚合函数来提取关于相似性累积的特征。
[0120]
在使用rbf核聚合之前，需要对第一相似矩阵中的每一行进行最大池化操作，以得到本行中最大的相似度s
imax
，如式(10)所示。
[0121][0122]
本技术实施例在进行实体对齐的过程中，只需关注最可能对齐的候选实体与目标实体e的某个第二邻接实体之间的相似程度。即，本技术实施例只需从候选实体e'的第i个第二邻接实体中找到最可能对齐的实体。
[0123]
根据第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，如式(11)-式(13)所示。
[0124][0125][0126][0127]
式(11)-式(13)中，μ
l
表示每行的余弦相似度的平均值；σ
l2
为每行的余弦相似度的方差；kr(si)为基于行的特征向量；k
l
(s
imax
)为基于行的特征向量kr(si)中的元素；φr(n(e)，n(e'))为行聚合向量，即第三特征向量。
[0128]
式(10)中的n是所有实体中的最大邻居数。在一种可能的实现方式中，当μ＝1，σ趋近于0时，只考虑第二邻接实体之间的精确匹配；其他情况下，则考虑第二邻接实体之间的语义匹配。
[0129]
同样的，基于上述方法，可以获得列聚集向量φc(n(e)，n(e'))，即第四特征向量。
[0130]
在获得第三特征向量以及第四特征向量的过程中，分别沿行、沿列，反映了目标实体的各个第二邻接实体，与候选实体的各个第二邻接实体之间的相似度。
[0131]
在获得第三特征向量以及第四特征向量之后，将第三特征向量与第四特征向量进
行拼接，获得目标实体与候选实体之间的关系相似度向量，如式(14)所示。
[0132]
φ(n(e),n(e
′
))＝φr(n(e),n(e
′
))
⊕
φc(n(e),n(e
′
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0133]
其中，φ(n(e)，n(e'))表示目标实体与候选实体之间的关系相似度向量；
⊕
表示串联操作，或称为拼接运算。
[0134]
s103：针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值。
[0135]
具体地，在获得目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量之后，可以通过拼接的方式获得目标实体与所述候选实体之间的相似度值。
[0136]
在一种可能的实现方式中，针对每个候选实体，将目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，可以获得第五特征向量；将第五特征向量输入多重感知机层，获得目标实体与候选实体之间的相似度值。
[0137]
具体地，将目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，可以获得第五特征向量，如式(15)所示。
[0138]
φ(e,e
′
)＝[φ(n(e),n(e
′
))
⊕
φ(a(e),a(e
′
))
⊕
cos(cm(e),cm(e
′
))]
ꢀꢀꢀꢀ
(15)
[0139]
其中，φ(e，e')表示第五特征向量。
[0140]
通过拼接运算，获得第五特征向量之后，将第五特征向量输入多重感知机层，可以获得目标实体与候选实体之间的相似度值，如式(16)所示。
[0141]
g(e,e
′
)＝mlp(φ(e,e
′
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0142]
在一种可能的实现方式中，将第五特征向量输入多重感知机层，可以获得目标实体与候选实体之间的初始相似度值；基于目标实体与目标实体对应的正实体之间的相似度值，目标实体与目标实体对应的负实体之间的相似度值，以及预设的边缘超参数，对初始相似度值进行调整，获得目标实体与候选实体之间的相似度值。
[0143]
具体地，在获得初始相似度值之后，可以将其带入到边缘损失计算公式，即带入式(2)中。使用式(2)中的边缘超参数m对mlp的参数进行微调，以输出目标实体与各个候选实体之间的相似度值。
[0144]
s104：将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。
[0145]
示例性的，可以按照目标实体与各个候选实体之间的相似度值，从大到小进行排列，排序越高，实体对齐的概率越大。
[0146]
综上所述，本技术实施例提供方法，通过对目标实体和多个候选实体的名称信息、属性信息以及关系信息分别进行映射，获得目标实体和每个候选实体的名称向量、属性向量以及关系向量；针对每个候选实体，根据目标实体的名称向量和候选实体的名称向量，获得目标实体与候选实体之间的名称相似度值，根据目标实体的属性向量和候选实体的属性向量，获得目标实体与候选实体之间的属性相似度向量，以及根据目标实体的关系向量和候选实体的关系向量，获得目标实体与候选实体之间的关系相似度向量；针对每个候选实体，将目标实体与候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得目标实体与候选实体之间的相似度值；将多个候选实体中与目标实体之间的
相似度值超过阈值的候选实体，与目标实体进行对齐。本技术在进行实体对齐的过程中，不依赖于实体之间的图谱结构信息，而是综合考虑实体的名称信息、属性信息和关系信息，对比不同数据源中的实体，获得目标实体与候选实体之间的相似度，根据实体之间的相似度，完成实体对齐，即使在实体之间图谱关系信息稀疏的情况下，也可以有效提高实体对齐的效率。
[0147]
参见图3，该图为本技术实施例提供的一种实体对齐装置的结构示意图，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
[0148]
一种实体对齐装置，包括：
[0149]
映射单元1101，用于对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量；
[0150]
第一获得单元1102，用于针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量；
[0151]
第二获得单元1103，用于针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值；
[0152]
对齐单元1104，用于将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。
[0153]
在一种可能的实现方式中，所述第一获得单元，用于：
[0154]
计算所述目标实体的名称向量和所述候选实体的名称向量之间的余弦相似度，将所述余弦相似度作为所述目标实体与所述候选实体之间的名称相似度值。
[0155]
在一种可能的实现方式中，所述第一获得单元，用于：
[0156]
根据所述目标实体的属性向量，获得所述目标实体的第一邻接实体，根据所述候选实体的属性向量，获得所述候选实体的第一邻接实体；
[0157]
根据所述目标实体的第一邻接实体的属性向量，与所述候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵；
[0158]
根据所述第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据所述第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量；
[0159]
将所述第一特征向量与所述第二特征向量进行拼接，获得所述目标实体与所述候选实体之间的属性相似度向量。
[0160]
在一种可能的实现方式中，所述第一获得单元，用于：
[0161]
根据所述目标实体的关系向量，获得所述目标实体的第二邻接实体，根据所述候选实体的关系向量，获得所述候选实体的第二邻接实体；
[0162]
根据所述目标实体的第二邻接实体的关系向量，与所述候选实体的第二邻接实体的关系向量的余弦相似度，获得目标实体与候选实体之间的第二相似矩阵；
[0163]
根据所述第二相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据所述第二相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量；
[0164]
将所述第三特征向量与所述第四特征向量进行拼接，获得所述目标实体与所述候选实体之间的关系相似度向量。
[0165]
在一种可能的实现方式中，所述目标实体的名称信息包括所述目标实体的名称，与所述目标实体呈正相关的实体的名称，以及与所述目标实体呈负相关的实体的名称，目标实体的属性信息包括所述目标实体的名称，所述目标实体与第一邻接实体之间的关系类型，以及第一邻接实体的名称，目标实体的关系信息包括所述目标实体的名称，所述目标实体与第二邻接实体之间的关系类型，以及第二邻接实体的名称。
[0166]
在一种可能的实现方式中，所述第二获得单元，包括：第一子获得单元，以及第二子获得单元；
[0167]
所述第一子获得单元，用于针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得第五特征向量；
[0168]
第二子获得单元，用于将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值。
[0169]
在一种可能的实现方式中，所述第二子获得单元，包括：第三子获得单元，以及第四子获得单元；
[0170]
所述第三子获得单元，用于将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的初始相似度值；
[0171]
所述第四子获得单元，用于基于所述目标实体与所述目标实体对应的正实体之间的相似度值，目标实体与所述目标实体对应的负实体之间的相似度值，以及预设的边缘超参数，对所述初始相似度值进行调整，获得所述目标实体与所述候选实体之间的相似度值。
[0172]
综上所述，本技术在进行实体对齐的过程中，不依赖于实体之间的图谱结构信息，而是综合考虑实体的名称信息、属性信息和关系信息，对比不同数据源中的实体，获得目标实体与候选实体之间的相似度，根据实体之间的相似度，完成实体对齐，即使在实体之间图谱关系信息稀疏的情况下，也可以有效提高实体对齐的效率。
[0173]
第三方面：本技术提供一种计算机设备，所述计算机设备包括处理器以及存储器：
[0174]
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0175]
所述处理器用于根据所述程序代码中的指令执行如上所述的一种实体对齐方法的步骤。
[0176]
第四方面：本技术提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的一种实体对齐方法的步骤。
[0177]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种实体对齐方法，其特征在于，包括：对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量；针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量；针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值；将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，包括：计算所述目标实体的名称向量和所述候选实体的名称向量之间的余弦相似度，将所述余弦相似度作为所述目标实体与所述候选实体之间的名称相似度值。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，包括：根据所述目标实体的属性向量，获得所述目标实体的第一邻接实体，根据所述候选实体的属性向量，获得所述候选实体的第一邻接实体；根据所述目标实体的第一邻接实体的属性向量，与所述候选实体的第一邻接实体的属性向量的余弦相似度，获得目标实体与候选实体之间的第一相似矩阵；根据所述第一相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第一特征向量，根据所述第一相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第二特征向量；将所述第一特征向量与所述第二特征向量进行拼接，获得所述目标实体与所述候选实体之间的属性相似度向量。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量，包括：根据所述目标实体的关系向量，获得所述目标实体的第二邻接实体，根据所述候选实体的关系向量，获得所述候选实体的第二邻接实体；根据所述目标实体的第二邻接实体的关系向量，与所述候选实体的第二邻接实体的关系向量的余弦相似度，获得目标实体与候选实体之间的第二相似矩阵；根据所述第二相似矩阵中每行的最大余弦相似度，每行的余弦相似度的平均值，以及每行的余弦相似度的方差，获得第三特征向量，根据所述第二相似矩阵中每列的最大余弦相似度，每列的余弦相似度的平均值，以及每列的余弦相似度的方差，获得第四特征向量；将所述第三特征向量与所述第四特征向量进行拼接，获得所述目标实体与所述候选实
体之间的关系相似度向量。5.根据权利要求1所述的方法，其特征在于，所述目标实体的名称信息包括所述目标实体的名称，与所述目标实体呈正相关的实体的名称，以及与所述目标实体呈负相关的实体的名称，目标实体的属性信息包括所述目标实体的名称，所述目标实体与第一邻接实体之间的关系类型，以及第一邻接实体的名称，目标实体的关系信息包括所述目标实体的名称，所述目标实体与第二邻接实体之间的关系类型，以及第二邻接实体的名称。6.根据权利要求1所述的方法，其特征在于，所述针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值，包括：针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得第五特征向量；将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值。7.根据权利要求6所述的方法，其特征在于，所述将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的相似度值，包括：将所述第五特征向量输入多重感知机层，获得所述目标实体与所述候选实体之间的初始相似度值；基于所述目标实体与所述目标实体对应的正实体之间的相似度值，目标实体与所述目标实体对应的负实体之间的相似度值，以及预设的边缘超参数，对所述初始相似度值进行调整，获得所述目标实体与所述候选实体之间的相似度值。8.一种实体对齐装置，其特征在于，包括：映射单元，用于对目标实体和多个候选实体的名称信息进行映射，获得所述目标实体的名称向量和每个候选实体的名称向量，对所述目标实体和所述多个候选实体的属性信息进行映射，获得所述目标实体的属性向量和每个候选实体的属性向量，以及对所述目标实体和所述多个候选实体的关系信息进行映射，获得所述目标实体的关系向量和每个候选实体的关系向量；第一获得单元，用于针对每个候选实体，根据所述目标实体的名称向量和所述候选实体的名称向量，获得所述目标实体与所述候选实体之间的名称相似度值，根据所述目标实体的属性向量和所述候选实体的属性向量，获得所述目标实体与所述候选实体之间的属性相似度向量，以及所述目标实体的关系向量和所述候选实体的关系向量，获得所述目标实体与所述候选实体之间的关系相似度向量；第二获得单元，用于针对每个候选实体，将目标实体与所述候选实体之间的名称相似度值、属性相似度向量，以及关系相似度向量进行拼接，获得所述目标实体与所述候选实体之间的相似度值；对齐单元，用于将多个候选实体中与所述目标实体之间的相似度值超过阈值的候选实体，与所述目标实体进行对齐。9.一种计算机设备，其特征在于，所述计算机设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行如权利要求1-7任一项所述的一种实
体对齐方法的步骤。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程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种实体对齐方法的步骤。

技术总结
本申请提供一种实体对齐方法、装置、设备及存储介质，通过对目标实体和多个候选实体的名称信息、属性信息以及关系信息进行映射，获得目标实体的名称向量、属性向量、关系向量和每个候选实体的名称向量、属性向量、关系向量；针对每个候选实体，根据目标实体和每个候选实体的名称向量、属性向量、关系向量，获得目标实体与候选实体之间的名称相似度值，属性相似度向量，以及关系相似度向量；将目标实体与候选实体之间的名称相似度值、属性相似度向量，关系相似度向量进行拼接，获得目标实体与候选实体之间的相似度值；基于相似度值，实现实体对齐。由于在实体对齐过程中，综合考虑实体的名称信息、属性信息和关系信息，有效提高实体对齐的效率。齐的效率。齐的效率。


技术研发人员：张鹏宇 高士杰 沈亮 朱广新 杨诗语 沈忆 余琦 凌笑 蒋毅舟 胥珂珲
受保护的技术使用者：北京中电普华信息技术有限公司 国网湖南省电力有限公司信息通信分公司
技术研发日：2023.06.07
技术公布日：2023/8/16