(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 202210845839.X (22)申请日 2022.07.19 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 董理君　姜家伟　李新川　姚宏　 刘超　梁庆中　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 王佩 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种面向逻辑多态性的事理图谱表示学习 方法及系统 (57)摘要 本发明提供了一种面向逻辑多态性的事理 图谱表示学习方法及系统， 所述事理图谱表示学 习方法包括： 对事理图谱中的节点进行向量化， 以得到初步的向量表示； 采用树状结构构建由事 件组成的复合事件； 考虑事件之间的逻辑关系， 使用周期函数作为事件对置信度映射函数， 对所 述复合事件的事理逻辑进行建模； 选择负采样策 略对所述复合事件进行负 采样； 使用marginlo ss 作为损失函数训练事件嵌入。 本发 明通过提出使 用树状结构 对事件组合进行建模， 并采用周期函 数作为事件 得分的方式， 既保证了模 型对于复杂 事件的表达能力， 又保证了每个事件的嵌入质 量， 以适用于不同场景 下的下游任务。 权利要求书2页 说明书7页 附图3页 CN 115269868 A 2022.11.01 CN 115269868 A 1.一种面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 所述事理图谱表示学 习方法包括： S100： 对事理图谱中的节点进行向量 化， 以得到初步的向量表示； S200： 采用树状结构 构建由事 件组成的复合事 件； S300： 考虑事件之间的逻辑关系， 使用周期函数作为事件对置信度映射函数， 对所述复 合事件的事理逻辑进行建模； S400： 选择负采样策略对所述复合事 件进行负采样； S500： 使用margi n loss作为损失函数训练事 件嵌入。 2.根据权利要求1所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S100中， 所述对 事理图谱中的节点进行向量 化具体包括： S110： 获取三元组的嵌入表示； 所述获取三元组的嵌入表示具体包括： 选择TransE模型对事理图谱进行表示学习， 以 得到训练后的三元组嵌入 模型； 所述三元组嵌入模型包括头实体嵌入、 关系嵌入和尾实体嵌入， 所述三元组嵌入模型 的距离公式表示 为： 其中： (head， rel， tail)表示一个三元组， head代表实体嵌入， rel代表实体嵌入， tail 代表实体嵌入； S120： 获取基础事 件的嵌入； 所述基础事 件的嵌入公式如下： Δ＝f(h， r， t) 其中：△表示事件嵌入， h、 r、 t分别表示三元 组中头实体、 关系、 尾实体的嵌入表 示， f() 表示融合操作。 3.根据权利要求2所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S110中， 所述获取三元组的嵌入表示的嵌入方法包括融合事实信息的方法和融合附加信 息的方法。 4.根据权利要求2所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S110中， 所述三元组的嵌入表示的损失函数为： 其中： E表示事理图谱中的实体集合， R表示关系集合， (h ′， r， t′)表示进行随机负采样 后的三元组。 5.根据权利要求1所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S200中， 所述复合事 件的嵌入表示 为： Δ1＝f(h1， r1， t1) Δ2＝f(h2， r2， t2) Δ12＝g(Δ1， Δ2) 其中： Δ1和Δ2分别表示两个事件的嵌入， f()表示融合操作， Δ12表示由Δ1和Δ2组成 的复合事 件， g()表示取均值操作。权　利　要　求　书 1/2 页 2 CN 115269868 A 26.根据权利要求1所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S400中， 所述选择负采样策略对所述复合事 件进行负采样具体包括： S410： 在负采样时， 考虑事 件是否是复合事 件； S420： 定义由单一 三元组组成的事 件为一阶事件， 以此类 推， 并表示如下： Δ1＝f(h1， r1， t1)， Δ12＝g(Δ1， Δ2)， Δ123＝g(g(Δ1， Δ2)， Δ3)， Δ1234＝g(g(Δ1， Δ2)， g(Δ3， Δ4)) 其中： Δ1是一阶事 件， Δ12是二阶事 件， Δ123和Δ1234都是三阶事 件； S430： 对事件对进行动态采样。 7.根据权利要求1所述的面向逻辑多态性的事理图谱表示学习方法， 其特征在于， 在步 骤S500中， 所述损失函数margi n loss的计算表达式如下： 其中： (Δ1， Δ′2)表示负采样之后的三元组， γ是分隔系数。 8.一种面向逻辑多态性的事理图谱表示学习 系统， 其特 征在于， 包括： 事件节点向量 化模块， 用于对 事理图谱中的节点进行向量 化； 复合事件表示模块， 用于采用树状结构对复合事 件进行表示； 事理逻辑建模器， 用于分析事件之间的逻辑关系， 并使用周期函数作为事件对置信度 映射函数， 将事 件对拟合到合 适的波峰； 负采样模块， 用于对 对事件对中的事 件进行随机替换， 对 事件对进行在线动态采样； 事件嵌入模块， 用于训练事 件嵌入。 9.一种电子设备， 其特 征在于， 所述电子设备包括存 储器和处 理器； 所述存储器用于存储支持所述处理器执行权利要求1至7任一项所述学习方法的程序， 所述处理器被配置为用于执 行所述存储器中存 储的程序。 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中存储有计算机 执行指令， 所述计算机执行指 令被处理器执行时用于实现如权利要求 1至7任一项 所述的面 向逻辑多态性的事理图谱表示学习方法。权　利　要　求　书 2/2 页 3 CN 115269868 A 3