因此如图所示如图所示将数

messi31

据图链接到文本图的边可以沿正向从实体通向名词短语并且沿反向从名词短语通向实体。当然前向可以具有对应的反向边缘并且反向可以具有对应的前向边缘尽管这些边缘在图中未示出。该专利描述了如何使用置信度分数和特征权重来信任使用像这样的查询的实体我们知道如何使用该系统进行训练在一些实施方式中训练引擎可以被配置为使用由句法语义解析引擎从链接到数据图的爬行文档生成的文本图来生成用于机器学习模块的训练数据。训练引擎可以从链接图中的随机路径约束的行走生成训练数据。随机游走可能受到路径长度的约束这意味着游走可以遍历最多数量的边。

使用训练数据训练引擎可 俄罗斯移动的电话数字 以训练机器学习模块来生成特定关系的多个加权特征或者换句话说推断特定关系的路径。机器学习模块生成的特征是单独的步入数据图或者数据图和文本图的组合。例如如果实体通过边与实体相关并且通过边与实体相关则通过特征与相关。特征权重可以表示路径代表真实事实的置信度。该专利向我们展示了一个积极的训练示例该示例教导机器学习算法根据与请求。的人员相关的其他人的职业来推断人员实体的职业。该专利告诉我们这样的特征可以表现为其中表示连接数据图和文本图的提到的边是文本图中的。



边表示前面提到的将文本图连接到数据图的边而职业是数据图中的一条边将个人的实体连接到代表职业的实体。如果数据图中的人员实体通过该路径或特征链接到数据图中的职业实体则知识发现引擎可以推断数据图应该包括两个实体之间的职业边缘。该特征可以具有帮助知识发现引擎决定边缘是否应该存在于数据图中的权重。我们还了解了一些示例其中模块经过训练可根据训练数据将配偶妻子丈夫重要的其他人和已婚的查询映射到数据图中的不同路径。这些查询可以聚集起来以便机器学习引擎可以在查询集群上进行训练。