(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 202210457668.3 (22)申请日 2022.04.28 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 巢林林　王太峰　褚崴　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 谢层层　徐焕 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/33(2019.01) G06N 3/08(2006.01) G06N 5/02(2006.01) G06N 5/04(2006.01) (54)发明名称 知识图谱推理方法、 模型训练方法、 装置和 计算机设备 (57)摘要 本说明书实施例公开了一种知识图谱推理 方法、 模型训练方法、 装置和计算机设备。 所述方 法包括： 获取查询实体和查询关系； 从知识图谱 中选择查询实体的近邻实体； 确定近邻实体的第 一概率， 所述第一概率用于表 示近邻实体与查询 关系连通的可能性； 根据第一概率， 选择近邻实 体作为候选实体； 选择与查询实体和查询关系相 匹配的候选实体作为结果实体。 本说明书实施例 可以提高知识图谱推理的效率。 权利要求书2页 说明书11页 附图4页 CN 114860950 A 2022.08.05 CN 114860950 A 1.一种知识图谱推理方法， 包括： 获取查询实体和查询关系； 从知识图谱中选择查询实体的近邻实体； 确定近邻实体的第一概率， 所述第一概率用于表示近邻实体与查询关系连通的可能 性； 根据第一 概率， 选择近邻实体作为 候选实体； 选择与查询实体和查询关系相匹配的候选实体作为结果实体。 2.根据权利要求1所述的方法， 所述从知识图谱中选择查询实体的近邻实体， 包括： 从知识图谱中选择与查询实体之间的临近程度小于或等于K1阶的实体， 作为近邻实 体。 3.根据权利要求1所述的方法， 所述确定 近邻实体的第一 概率， 包括： 确定近邻实体的类型分布信 息， 所述类型分布信 息用于表示近邻实体与多种已知实体 关系连通的可能性； 根据类型分布信息和查询关系， 确定 近邻实体的第一 概率。 4.根据权利要求3所述的方法， 所述确定 近邻实体的类型分布信息， 包括： 从知识图谱中提取近邻实体的子知识图谱； 根据子知识图谱和类型分布预测模型， 确定 近邻实体的类型分布信息 。 5.根据权利要求 4所述的方法， 所述从知识图谱中提取近邻实体的子知识图谱， 包括： 从知识图谱中选择与近邻实体之间的临近程度小于或等于K2阶的实体； 从知识图谱中抽取子知识图谱， 所述子知识图谱中包 含所述小于或等于K2阶的实体。 6.根据权利要求 4所述的方法， 所述类型分布预测模型包括图神经网络模型； 所述确定 近邻实体的类型分布信息， 包括： 将子知识图谱的图结构数据输入图神经网络模型， 得到近邻实体的类型分布信息， 所 述图结构数据包括实体的嵌入表示和实体关系的嵌入表示。 7.根据权利要求 4所述的方法， 所述类型分布预测模型根据以下 方法训练得到： 对知识图谱样本中目标实体的一个或多个实体关系进行掩盖处 理； 根据掩盖处理后的知识图谱样本和类型分布预测模型， 确定目标实体的类型分布信 息， 所述类型分布信息用于表示目标实体与多种已知实体关系连通的可能性； 根据类型分布信息和被掩盖实体关系， 确定目标实体的第三概率， 所述第三概率用于 表示目标实体与被掩盖实体关系连通的可能性； 根据第三 概率， 优化类型分布预测模型的模型参数。 8.根据权利要求7 所述的方法， 所述方法还 包括： 根据类型分布信息和特定实体关系， 确定目标实体的第 四概率， 所述第 四概率用于表 示目标实体与特定实体关系连通的可能性， 所述特定实体关系包括目标实体不连通的实体 关系； 所述优化类型分布预测模型的模型参数， 包括： 根据第三 概率和第四概 率， 优化类型分布预测模型的模型参数。 9.根据权利要求1所述的方法， 所述选择近邻实体作为 候选实体， 包括： 根据第一 概率和近邻实体的度， 计算近邻实体的第二 概率； 根据第二 概率， 选择近邻实体作为 候选实体。权　利　要　求　书 1/2 页 2 CN 114860950 A 210.根据权利要求1所述的方法， 所述选择与查询实体和查询关系相匹配的候选实体作 为结果实体， 包括： 根据候选实体、 查询实体和查询关系构建候选三元组； 根据候选三元组的置信度， 选择候选三元组作为目标三元组； 将目标三元组中的候选实体确定为结果实体。 11.根据权利要求1所述的方法， 所述查询实体为头部实体， 所述结果实体为尾部实体； 或者， 所述 查询实体为尾部实体， 所述结果实体为头 部实体。 12.一种模型训练方法， 包括： 对知识图谱样本中目标实体的一个或多个实体关系进行掩盖处 理； 根据掩盖处理后的知识图谱样本和类型分布预测模型， 确定目标实体的类型分布信 息， 所述类型分布信息用于表示目标实体与多种已知实体关系连通的可能性； 根据类型分布信息和被掩盖实体关系， 确定目标实体的第三概率， 所述第三概率用于 表示目标实体与被掩盖实体关系连通的可能性； 根据第三 概率， 优化类型分布预测模型的模型参数。 13.根据权利要求12所述的方法， 所述方法还 包括： 根据类型分布信息和特定实体关系， 确定目标实体的第 四概率， 所述第 四概率用于表 示目标实体与特定实体关系连通的可能性， 所述特定实体关系包括目标实体不连通的实体 关系； 所述优化类型分布预测模型的模型参数， 包括： 根据第三 概率和第四概 率， 优化类型分布预测模型的模型参数。 14.一种知识图谱推理装置， 包括： 获取单元， 用于获取查询实体和查询关系； 第一选择 单元， 用于从知识图谱中选择查询实体的近邻实体； 确定单元， 用于确定近邻实体的第一概率， 所述第一概率用于表示近邻实体与查询关 系连通的可能性； 第二选择 单元， 用于根据第一 概率， 选择近邻实体作为 候选实体； 第三选择 单元， 用于选择与查询实体和查询关系相匹配的候选实体作为结果实体。 15.一种模型训练装置， 包括： 掩盖单元， 用于对知识图谱样本中目标实体的一个或多个实体关系进行掩盖处 理； 获取单元， 用于根据掩盖处理后的知识图谱样本和类型分布预测模型， 确定目标实体 的类型分布信息， 所述类型分布信息用于表示目标实体与多种已知实体关系连通的可能 性； 确定单元， 用于根据类型分布信息和被掩盖实体关系， 确定目标实体的第 三概率， 所述 第三概率用于表示目标实体与被掩盖实体关系连通的可能性； 优化单元， 用于根据第三 概率， 优化类型分布预测模型的模型参数。 16.一种计算机设备， 包括： 至少一个处 理器； 存储有程序指令的存储器， 其中， 所述程序指令被配置为适于由所述至少一个处理器 执行， 所述程序指令包括用于执 行根据权利要求1 ‑13中任一项所述方法的指令 。权　利　要　求　书 2/2 页 3 CN 114860950 A 3