【技術實現步驟摘要】
本專利技術屬于無線通信，特別是涉及一種基于聯合知識圖譜學習的文本語義通信方法。
技術介紹
1、受益于微電子學和人工智能技術的進步，深度學習(deep?learning，dl)、自然語言處理(natural?language?processing，nlp)技術最近出現，在傳統通信技術向未來的轉型中發揮了重要作用。語義通信作為一種智能通信方案被提出，與傳統通信不同，它強調消息語義的成功傳遞，而不是傳統通信中精確的比特流傳輸。語義通信可以通過提取數據的意義，過濾掉無用、不相關和不重要的信息，在語義域內處理數據，從而在保留意義的同時進一步壓縮數據。此外，語義通信被期望對惡劣的信道環境，即低信噪比(signal?to?noiseratio，snr)區域具有魯棒性，這非常適合要求高可靠性的應用。這些因素促使我們通過考慮數字比特背后的語義來開發智能語義通信系統，以提高通信的準確性和效率。
2、基于知識圖譜的語義通信是最近興起的通信范式，知識圖譜是用實體和關系組成的圖結構來存儲人類的知識的數據結構。將知識圖譜作為提高通信效率和精度的工具，提升了語義通信在深度學習架構下的可解釋性。知識圖譜在通信系統中的關鍵作用是提供信息的語義表示，使語義編碼不僅高效高精且對通信錯誤具備魯棒性。然而從用戶收集和整理的數據集作為背景知識庫，現有的語義通信模型無法充分利用來自不同用戶以及不同知識域的數據，同時保護交換數據的隱私。每個用戶維護一個私有的知識圖譜庫，隨著公眾對隱私保護要求的提高，大多數用戶不愿意分享他們的知識圖譜庫，在保護用戶隱私的前提下，應該
技術實現思路
1、為了解決
技術介紹
中存在的問題，保證用戶的隱私，本專利技術提供一種基于聯合知識圖譜學習的文本語義通信方法，包括：
2、s1：各個用戶端分別采用知識圖譜嵌入技術將自身的知識圖譜庫轉化低維向量表示，并通過安全散列算法計算知識圖譜庫中實體、關系和實體屬性的安全散列值；
3、s2：用戶端之間通過實體、關系和實體屬性的安全散列值完成知識圖譜庫中實體、關系和實體屬性的對齊；
4、s3：構建對抗生成網絡統，將生成器和判別器分別設置在兩個不同的用戶端，通過訓練對抗生成網絡統一不同用戶端知識圖譜庫的嵌入表示；
5、s4：發送用戶端將待傳輸文本輸入語義提取模型進行語義信息識別；并根據識別出的語義信息構建語義三元組；根據本地知識圖譜庫的嵌入表示對語義三元組進行相似度匹配提取出相似語義三元組集合；對提取出的相似語義三元組進行信源編碼和信道編碼，并將編碼后的信息發送至接收端；
6、s5：接收用戶端接收發送端發送的消息，對接收到的消息進行信道解碼和信源解碼，得到相似語義三元組集合；利用字符串相似度算法計算相似語義三元組與本地知識圖譜庫之間的相似性，選擇最相似的三元組作為恢復后的語義三元組；采用微調后的語義恢復模塊將恢復后的語義三元組轉化為恢復文本。
7、本專利技術至少具有以下有益效果
8、本專利技術針對傳統語義通信系統無法充分利用來自不同用戶以及不同領域的數據，提供了一種基于聯合知識圖譜學習的文本語義通信方法。通過采用知識提取器作為語義編碼器，將源信號輸入至語義提取模型進行語義信息識別，從輸入文本中提取知識三元組信息，將其壓縮為三元組語義表示。
9、所述語義編碼方法在聯合知識圖譜學習階段，為了提高多用戶系統中多個跨域知識圖的單個知識圖的質量，保證各用戶端知識圖譜的隱私，充分利用用戶端本地數據，引入對抗生成網絡，生成器和判別器位于一對知識圖譜的不同側，訓練生成器將生成器端知識數據轉換成判別器端知識數據的類似形式，使得更新的知識數據具有與本地相似的嵌入向量表示，并且不會暴露原始數據。
10、通過引入對抗生成網絡的對抗機制，生成的知識更符合邏輯和語義要求，可以在不侵犯用戶數據隱私的前提下，充分利用用戶本地數據，提升知識圖譜的質量。通過隱私保護技術，各方可以安全地共享和整合知識圖譜中的數據，產生更完整和豐富的知識圖譜，同時無須擔心敏感數據的泄露。
本文檔來自技高網...【技術保護點】
1.一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，包括：
2.根據權利要求1所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述通過訓練對抗生成網絡統一不同用戶端知識圖譜庫的嵌入表示包括：
3.根據權利要求2所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述根據本地知識圖譜庫的嵌入表示對語義三元組進行相似度匹配包括：
4.根據權利要求3所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述知識圖譜嵌入技術包括：TransE算法，其損失函數如下：
5.根據權利要求2所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述將待傳輸文本輸入語義提取模型進行語義信息識別包括：利用自然語言處理技術對輸入文本進行分析，通過命名實體識別NER模型識別出輸入文本中的實體，使用關系分類模型對識別出的實體之間的關系進行預測，進而構建語義三元組。
6.根據權利1所述要求的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述發送端編碼后的信息x包括：
7.根據權利
8.根據權利要求1所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述對接收到的信息進行信道和信源解碼包括：
...【技術特征摘要】
1.一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，包括：
2.根據權利要求1所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述通過訓練對抗生成網絡統一不同用戶端知識圖譜庫的嵌入表示包括：
3.根據權利要求2所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述根據本地知識圖譜庫的嵌入表示對語義三元組進行相似度匹配包括：
4.根據權利要求3所述的一種基于聯合知識圖譜學習的文本語義通信方法，其特征在于，所述知識圖譜嵌入技術包括：transe算法，其損失函數如下：
5.根據權利要求2所述的一種基于聯合知識圖譜學習的文本語義通信方法，其...
【專利技術屬性】
技術研發人員：李云，余琦，夏士超，姚枝秀，吳廣富，
申請(專利權)人：重慶郵電大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。