回顾知识图谱表示应用场景:实体推荐与知识推理过程简析

574次阅读
没有评论

今天是2023年11月26日,星期日,天津,天气晴。

我们回到知识图谱这个话题。

在以前的文章中我们介绍了知识图谱表示学习的一些经典方法,包括TransE、TransD、TransR、TransH、RotateE、pairRE等,通过这些方法,我们可以学习实体和关系的嵌入表示,并用于实体补全等操作。

之前有篇文章写到知识图谱的推理,《技术总结:知识图谱推理中的常用方法、关键问题、评测指标与开放数据总结》,就知识推理常用的方法和关键问题等方面进行了总结。

本文主要围绕知识图谱表示的落地应用这一主题展开论述,介绍其中的两个重要场景,并结合实际的案例出发进行展示,以加深理解。

​​​

一、知识图谱表示的应用场景

知识图谱表示学习,能够将实体和关系嵌入到一个低维空间,使得相似的实体和关系尽可能相近。基于这样一种假设,我们可以得到知识补全以及实体推荐这两个主要应用点。

1、实体补全

实体补全问题,是知识图谱推理的一个形式化表现,包括边的预测和实体或属性的预测两种。形式化出来就是给定<h,r,t>去掉其中的一个部分,然后利用其余2个预测其中缺失的部分,例如比如<姚明,老婆,叶莉>,把叶莉扣掉,变成<姚明,老婆,?>,然后任务就是预测这个叶莉。

在具体实现上,知识图谱补全任务用来预测三元组(h,r,t)中缺失实体h,t或r的任务,对于每个待测试三元组,每个评测三元组,移去头部实体(迭代的方式替换尾部实体)、轮流替换成词表中的其他实体,构建错误的三元组实体。利用关系函数计算头部实体和尾部实体的相似度,对于这个相似度来讲,正确的三元组的值应该比较小,而错误样本的相似度值会比较大。用关系函数对所有的三元组(包括正确的三元组和错误的三元组)进行计算,并按照升序排序。因此,针对这个结果,就延伸出来了hit@k、MRR等评估指标。

2、实体推荐

实体推荐问题,是搜索推荐业务中常用的一个板块,例如下图展示了百度搜索中的右侧推荐产品。系统通过用户输入的query”珠穆朗玛峰”,通过实体推荐策略的可以得到右侧的相关山体实体,包括西伯利亚山脉等。

回顾知识图谱表示应用场景:实体推荐与知识推理过程简析

这个在具体的实现上,可以基于预先训练好的实体向量,再加入相似度计算方式得到,也可以融合字面相似度,利用fasttext、word2vec等策略现。

二、基于TransE表示模型进行知识表示训练

下面以FB15k-237这一数据集,采用TransE表示学习训练的过程进行流程介绍。

该方法的输入包括三元组triples.txt,实体文件entity和关系文件relation三部分组成,后面两者可以从第一个文件中处理得到。如下表示了一个三元组文件:

/m/027rn /location/country/form_of_government /m/06cx9
/m/017dcd /tv/tv_program/regular_cast./tv/regular_tv_appearance/actor /m/06v8s0
/m/07s9rl0 /media_common/netflix_genre/titles /m/0170z3
/m/01sl1q /award/award_winner/awards_won./award/award_honor/award_winner /m/044mz_
/m/0cnk2q /soccer/football_team/current_roster./sports/sports_team_roster/position /m/02nzb8
/m/04nrcg /soccer/football_team/current_roster./soccer/football_roster_position/position /m/02sdk9v
/m/07nznf /film/actor/film./film/performance/film /m/014lc_
/m/02qyp19 /award/award_category/nominees./award/award_nomination/nominated_for /m/02d413
/m/0q9kd /award/award_nominee/award_nominations./award/award_nomination/award_nominee /m/0184jc
/m/03q5t /music/performance_role/regular_performances./music/group_membership/role /m/07y_7
/m/0gqng /award/award_category/winners./award/award_honor/ceremony /m/073hkh
/m/0b76d_m /film/film/release_date_s./film/film_regional_release_date/film_release_distribution_medium /m/029j_
/m/014_x2 /award/award_winning_work/awards_won./award/award_honor/award_winner /m/012ljv
/m/0ds35l9 /film/film/release_date_s./film/film_regional_release_date/film_release_region /m/05r4w
/m/015qsq /film/film/language /m/02bjrlw
/m/04bdxl /award/award_nominee/award_nominations./award/award_nomination/award_nominee /m/02s2ft
/m/09c7w0 /location/location/contains /m/0rs6x
/m/079vf /film/actor/film./film/performance/film /m/0d90m

基于这一内容,可以建立entity_dict,将头尾实体进行ID化,并形成字典形式,如relation_dict:

0 /organization/organization/headquarters./location/mailing_address/state_province_region
1 /education/educational_institution/colors
2 /people/person/profession
3 /film/film/costume_design_by
4 /film/film/genre
5 /celebrities/celebrity/celebrity_friends./celebrities/friendship/friend
6 /tv/tv_producer/programs_produced./tv/tv_producer_term/producer_type
7 /film/film/executive_produced_by
8 /sports/sports_team/roster./basketball/basketball_roster_position/position
9 /award/award_nominee/award_nominations./award/award_nomination/nominated_for
10 /award/award_category/winners./award/award_honor/award_winner
11 /award/award_winner/awards_won./award/award_honor/award_winner
12 /music/artist/origin
13 /food/food/nutrients./food/nutrition_fact/nutrient
14 /film/film/distributors./film/film_film_distributor_relationship/region
15 /time/event/instance_of_recurring_event
16 /sports/professional_sports_team/draft_picks./sports/sports_league_draft_pick/school
17 /film/film/language

又如,entity_dict中存储实体映射字典:

0 /m/0vm5t
1 /m/07fb6
2 /m/06nm1
3 /m/0fvr1
4 /m/0f6lx
5 /m/016cff
6 /m/01pk8b
7 /m/0456xp
8 /m/0f1kwr
9 /m/07c98
10 /m/0ql7q
11 /m/01mb87
12 /m/03l26m
13 /m/017323
14 /m/023fxp
15 /m/0s5cg

通过送入模型,使用得分函数进行计算,可以生成关系实体和嵌入的表示,得到关系向量文件relation_embeddibg.nparry,实体向量文件entitiy_embedding.nparray。

例如:relation_embedding.narray,大小为关系数量*向量维度

/people/person/spouse_s./people/marriage/spouse [-0.24878718 -0.14749844  0.02170403 ... -0.09271624 -0.17970167
  0.06479023]
/people/cause_of_death/people [ 0.08820944  0.17076945  0.1551227  ...  0.20603253  0.09615939
 -0.03900995]
/organization/organization_founder/organizations_founded [-0.1254077   0.02902584 -0.19820833 ... -0.07185289  0.03939589
  0.00487392]
/government/government_office_category/officeholders./government/government_position_held/jurisdiction_of_office [ 0.05308013  0.09621259  0.06344923 ...  0.16410299  0.1449485
 -0.04601951]
/tv/tv_program/languages [ 0.02785942  0.12866454 -0.20449817 ... -0.06031425  0.29029676
 -0.02030068]
/base/popstra/location/vacationers./base/popstra/vacation_choice/vacationer [-0.01933523  0.12925176  0.0730862  ...  0.03981015 -0.09181329
  0.18411466]
/influence/influence_node/influenced_by [-0.13907708 -0.08791728  0.0683579  ...  0.09029175 -0.15296058
 -0.02200152]
/location/country/second_level_divisions [-0.03234593 -0.01131915  0.11482401 ...  0.02604388  0.03834524
  0.16948576]

又如:entity_embedding.array,大小为实体数量*向量维度。


/m/09wwlj [ 0.00865843 -0.00612095  0.01060241 -0.02893136  0.06107994  0.02354774
  0.03058389 -0.00427339  0.01820436 -0.04203533]
/m/05mph [-0.04250936 -0.03532703 -0.0092318  -0.05083899  0.03814617 -0.02377752
  0.00620935 -0.04750924  0.01671227  0.00393458]
/m/02g_6j [ 0.02165578  0.01128484  0.05618706 -0.00257486  0.00690633  0.01952383
 -0.0080839   0.08011721  0.02630108 -0.0112354 ]
/m/066m4g [-0.00283125 -0.00569218  0.02547518  0.04415546  0.05473727  0.00095892
 -0.01951734  0.02279767 -0.02202196  0.049605  ]
/m/011s0 [-0.0248879  -0.00882316 -0.03032782  0.03560867  0.02033721 -0.04790292
 -0.00235457  0.05997594 -0.02088312  0.0002314 ]
/m/0127ps [ 0.03237503 -0.03975173  0.02703967 -0.02258028 -0.00022754 -0.0013597
  0.02303881 -0.00570352 -0.02743368 -0.01313969]

三、基于向量的实体与关系推荐

上面说到,基于训练好的向量,可以支持实体推荐和知识补全两个任务。下面就具体操作加以讲解:

首先,我们可以进一步形成向量文件以供相似检索使用,例如:将实体embedding转换为对应的向量文件

def trans_vec_ent():
    entity_vec = np.load(ent_embed)
    out_vec = open(ent_vec_path, 'w+', encoding="utf-8")
    word_count = len(entity_vec)
    embedding_size = len(entity_vec[0])
    out_vec.write(str(word_count) + ' ' + str(embedding_size) + 'n')
    for id, entity in enumerate(entity_vec):
        name = ent_id_dict[id]
        out_vec.write(name + ' ' + ' '.join([str(i) for i in entity]) + 'n')
        if id % 1000 == 0:
            print(id)
    out_vec.close()
    return

1、相似推荐

通过gensim内置的cosine相似度方法,可以快速的召回向量相似的实体或者关系类型,例如:

1)实体召回

/m/0vm5t ['/m/0nj7b''/m/02dtg''/m/0vm39''/m/0vrmb''/m/01mqh5''/m/0nj07''/m/0njdm''/m/04rrx''/m/0wh3''/m/01s0_f']
/m/07fb6 ['/m/06s9y''/m/06ryl''/m/01n8qg''/m/035yg''/m/05qkp''/m/0164b''/m/03_r3''/m/020p1''/m/04hvw''/m/06v36']
/m/06nm1 ['/m/02h40lc''/m/064_8sq''/m/0h5k''/m/01r2l''/m/02bjrlw''/m/04306rv''/m/06b_j''/m/05zjd''/m/0t_2''/m/04h9h']
/m/0fvr1 ['/m/01n30p''/m/0bwhdbl''/m/0m2kd''/m/02pw_n''/m/01l_pn''/m/0cqr0q''/m/0bz3jx''/m/09ps01''/m/05ch98''/m/0cmdwwg']
/m/0f6lx ['/m/0f0y8''/m/01wz_ml''/m/053yx''/m/041mt''/m/0tcj6''/m/02mslq''/m/0bdlj''/m/01kvqc''/m/01l7cxq''/m/01wp8w7']
/m/016cff ['/m/015z4j''/m/0r0ls''/m/01my95''/m/0162c8''/m/03f3yfj''/m/051q39''/m/01w7nwm''/m/01445t''/m/069d71''/m/02lm0t']
/m/01pk8b ['/m/01z215''/m/094vf''/m/058wp''/m/0cw51''/m/0dlm_''/m/0bqyhk''/m/01f08r''/m/04s9n''/m/013g3''/m/0c7zf']
/m/0456xp ['/m/01r93l''/m/01l2fn''/m/05bnp0''/m/04shbh''/m/0f276''/m/09wj5''/m/013w7j''/m/0184jc''/m/02vntj''/m/01kgv4']
/m/0f1kwr ['/m/03x6rj''/m/04kn29''/m/073hkx''/m/0747k8''/m/08pgl8''/m/02b0zd''/m/03mg3l''/m/04lhft''/m/09kzxt''/m/03n5v']
/m/07c98 ['/m/0b24sf''/m/0c8tk''/m/03rk0''/m/019fbp''/m/0f1_p''/m/019fc4''/m/0yyh''/m/05jrj4''/m/019fm7''/m/01c1nm']
/m/0ql7q ['/m/0j54b''/m/0ql86''/m/01hwkn''/m/0c0wvx''/m/0ql76''/m/0py8j''/m/0845v''/m/03jqfx''/m/01_3rn''/m/0k4y6']

2)关系召回

/organization/organization/headquarters./location/mailing_address/state_province_region ['/soccer/football_player/current_team./sports/sports_team_roster/team''/education/educational_institution_campus/educational_institution''/location/hud_county_place/place''/base/x2010fifaworldcupsouthafrica/world_cup_squad/current_world_cup_squad./base/x2010fifaworldcupsouthafrica/current_world_cup_squad/current_club''/education/educational_institution/campuses''/base/biblioness/bibs_location/state''/sports/pro_athlete/teams./sports/sports_team_roster/team''/food/food/nutrients./food/nutrition_fact/nutrient''/award/award_winning_work/awards_won./award/award_honor/award_winner''/sports/professional_sports_team/draft_picks./sports/sports_league_draft_pick/school']
/education/educational_institution/colors ['/soccer/football_player/current_team./sports/sports_team_roster/team''/education/educational_institution/campuses''/education/educational_institution_campus/educational_institution''/location/hud_county_place/place''/base/x2010fifaworldcupsouthafrica/world_cup_squad/current_world_cup_squad./base/x2010fifaworldcupsouthafrica/current_world_cup_squad/current_club''/sports/pro_athlete/teams./sports/sports_team_roster/team''/food/food/nutrients./food/nutrition_fact/nutrient''/award/award_winning_work/awards_won./award/award_honor/award_winner''/film/film/produced_by''/sports/professional_sports_team/draft_picks./sports/sports_league_draft_pick/school']
/people/person/profession ['/soccer/football_player/current_team./sports/sports_team_roster/team''/film/film/production_companies''/location/hud_county_place/place''/music/artist/track_contributions./music/track_contribution/role''/music/group_member/membership./music/group_membership/role''/education/educational_institution/campuses''/organization/organization/headquarters./location/mailing_address/state_province_region''/people/person/religion''/location/location/time_zones''/education/educational_institution_campus/educational_institution']

2、知识推理

由于利用不同表示学习方法得到的向量表示文件并不相通,其在训练阶段是通严格通过对应的评分函数来进行约束的,因此在测试阶段,将训练得到的向量进行加载,应用评分函数进行计算,得到对应的实体id及其score得分,然后根据id映射关系回查到对应的实体即可。

例如,对于(美国,首都,?)这个三元组,会有北京、华盛顿、洛杉矶、巴黎、费城等多个候选城市,可以通过组合,然后进行得分排序,进行输出。理想情况下,华盛顿的得分会最高。

四、总结

本文主要介绍了关于知识图谱表示训练的过程,以及两个主要应用场景。

不过,我们可以发展,无论是知识推理,还是实体推荐,其都面临一个很大的现实问题,即增量更新。

因为,在落地上,还存在增量更新的问题,后续图谱是会不断增量更新的,如何适应增量更新,快速得到的质量较好的表示是一个重大挑战。

因为,在图网络表示是有解决方法的,比如Graphsage等。

关于我们

老刘,刘焕勇,NLP开源爱好者与践行者,主页:https://liuhuanyong.github.io。

老刘说NLP,将定期发布语言资源、工程实践、技术总结等内容,欢迎关注。

​​​

 

Read More 

正文完
可以使用微信扫码关注公众号(ID:xzluomor)
post-qrcode
 
评论(没有评论)
Generated by Feedzy