一种融合多源信息的知识表示学习方法

摘要

本发明公开了一种融合多源信息的知识表示学习方法，属于自然语言处理技术领域。包括：通过编码器模型将实体的层次类型信息、实体的文本描述信息、图拓扑结构信息和三元组结合，得到多源信息的初步融合结果；将多源信息的初步融合向量输入到解码器模型中进一步训练，得到最终的实体向量和关系向量。本发明提出的编码器‑解码器模型，一方面通过自定义的编码器将实体层次类型信息、实体文本描述信息、图结构信息和原始三元组结合，能更充分地表现出知识图谱中实体和关系的特征；另一方面使用ConvKB模型作为解码器，将编码器生成的结果向量输入卷积神经网络中进行语义匹配，捕获了三元组不同维度间的全局信息。