一种基于向量表示的知识嵌入方法

本发明公开了一种基于向量表示的知识嵌入方法，包括以下步骤：1)根据所有背景知识库V的词语构建一棵Trie树；2)根据Trie树和给定输入句子，查找输入句子中存在的背景知识词语；3)将背景知识词语按照长度进行维度划分，再转换为字嵌入向量；4)对背景知识词语引入词性标签表示词语所属的词性，生成多维的背景知识嵌入向量；5)将字嵌入向量与多维的背景知识嵌入向量拼接得到输入向量；6)将输入向量输入实体识别模型，利用所述实体识别模型识别自然文本中存在的实体。本发明将不同类型、表示方式、长度的知识表示为统一的向量嵌入神经网络输入中，为神经网络模型提供背景知识，避免神经网络预测出现常识性错误或者预测与知识冲突的情况。