(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 202211221701.9 (22)申请日 2022.10.08 (71)申请人 中科 （厦门） 数据智能研究院 地址 361000 福建省厦门市软件园三期凤 歧路208- 3号 (72)发明人 庄福振　张富威　安竹林　张钊　 徐勇军　 (74)专利代理 机构 安徽善安知识产权代理事务 所(特殊普通 合伙) 3420 0 专利代理师 刘勇 (51)Int.Cl. G06F 16/36(2019.01) G06K 9/62(2022.01) G06N 5/02(2006.01) (54)发明名称 基于k均值聚类算法缓解知识图谱稀 疏问题 的知识表示学习方法 (57)摘要 本发明公开了一种基于k均值聚类算法缓解 知识图谱稀 疏的知识表示学习方法， 主要包括四 个步骤： 步骤一， 选择一个现有的知识图谱表示 学习模型； 步骤二， 预训练现有模型； 步骤三， k均 值聚类实体和关系； 步骤四， 融合聚类信息继续 训练模型； 本发明利用k均值聚类算法将稀疏的 实体和语义上相似的高频 实体聚成一簇， 增强稀 疏实体的表 示能力， 缓解知识图谱表 示学习中的 数据稀疏问题， 从而提升知识图谱中实体和关系 学习的效果。 权利要求书2页 说明书4页 附图1页 CN 115357730 A 2022.11.18 CN 115357730 A 1.基于k均值聚类算法缓解知识图谱 稀疏的知识 表示学习方法， 主 要包括四个步骤： 步骤一， 选择一个现有的知识图谱表示学习模型； 步骤二， 预训练现有模型； 步骤三， k均值聚类实体和关系； 步骤四， 融合聚类信息继续训练模型。 2.根据取权利要求1所述的基于k均值聚类算法缓解知识图谱稀疏的知识表示学习方 法， 其特征在于： 所述步骤二中， 预先通过现有的数据集训练向量的一个基础表示， 使得语 义相似实体或关系在空间上的表示相近。 在此过程中使用全量的知识图谱数据集， 以t 提高 链接预测任务的准确性作为最 终的目标进 行训练。 这一步训练1至10轮皆可， 无需等到模型 完全收敛， 然后将训练好的实体和关系向量保存下来。 3.根据权利要求1所述的基于k均值 聚类算法缓解知识图谱稀疏的知识表示学习方法， 其特征在于： 所述步骤三中， 预将数据分为k组， 则随机选取k个对象作为初始的聚类中心， 然后计算每个对象与各个种子聚类中心之 间的距离， 把每个对象分配给距离它最近的聚类 中心。 在这里我们 首先根据数据集的实体和关系 数量设定聚类类别数， 具体的类别数目计 算如下： 其中， n是实体或者关系的总数， N是最终聚类的类别数。 在确定好聚类数目之后， 直接 通过k均值聚类算法得到最终的聚类结果。 4.根据权利要求1所述的基于k均值 聚类算法缓解知识图谱稀疏的知识表示学习方法， 其特征在于： 所述步骤三中， 聚类的到结果以后， 需要额外的设定一个向量用来表示一个聚 类簇， 一个簇里面的实体或者关系共享该向量， 这时候需要重新定义一个实体或者关系的 向量表示， 如下： h′＝h+αehc， 0＜αe＜1 t′＝t+αetc， 0＜αe＜1 r′＝r+αrrc， 0＜αr＜1 其中， h、 r、 t分别是头实体、 关系、 尾实体的原始向量表示， hc， rc， tc分别是头实体、 关 系、 尾实体所在聚类簇的向量表示， αe， αr分别是吸收实体或者关系聚类的权重， h ′， r′， t′分 别是融合聚类信息后的头实体、 关系 、 尾实体的向量表示。 5.根据权利要求1所述的基于k均值 聚类算法缓解知识图谱稀疏的知识表示学习方法， 其特征在于： 所述步骤四中， 在构建完新的表示以后， 将这个向量表示作为 实体和关系的向 量进行训练， 在训练的过程中保持同一个簇中的实体和关系有共享的表达， 从而将一些出 现频次低的稀疏实体的表示拉进到出现频次高的高频实体。 6.根据权利要求1所述的基于k均值 聚类算法缓解知识图谱稀疏的知识表示学习方法， 其特征在于： 所述步骤一中， 聚类运用到知识图谱表示学习中， 需要 借助现有的知识表示学权　利　要　求　书 1/2 页 2 CN 115357730 A 2习模型作为基础载体。权　利　要　求　书 2/2 页 3 CN 115357730 A 3