Varlık Nitelik İlişkilerini Tanımlama

Yayınlanan: 2022-03-02

1 Mart 2022'de verilen bu patent, metin gövdelerindeki varlık-nitelik ilişkilerini tanımlamakla ilgilidir.

Arama motorları ve bilgi tabanları gibi arama uygulamaları, arama yapan kişinin bilgi ihtiyaçlarını karşılamaya çalışır ve arama yapan kişiye en avantajlı kaynakları gösterir .

Yapılandırılmış Veriler, Nitelik İlişkilerini Daha İyi Tanımlamaya Yardımcı Olabilir

Varlık ilişkilerinin özniteliklerinin belirlenmesi, yapılandırılmış arama sonuçlarında yapılır.

Yapılandırılmış arama sonuçları , sorgu gibi bir kullanıcı isteğinde belirtilen bir varlık için yanıtları olan bir öznitelik listesi sunar .

Bu nedenle, "Kevin Durant" için yapılandırılmış arama sonuçları maaş, takım, doğum yılı, aile vb. özellikleri ve bu nitelikler hakkında bilgi sağlayan yanıtları içerebilir .

Bu tür yapılandırılmış arama sonuçlarının oluşturulması, varlık-özellik ilişkilerinin tanımlanmasını gerektirebilir.

Varlık-nitelik ilişkisi, bir çift terim arasındaki metin ilişkisinin özel bir durumudur.

Terim çiftindeki ilk terim bir varlık, kişi, yer, organizasyon veya kavramdır.

İkinci terim, varlığın bir yönünü tanımlayan bir nitelik veya dizedir.

Örnekler şunları içerir:

Bir kişinin “doğum tarihi”
Bir ülkenin “Nüfusu”
Sporcunun “maaş”
Bir organizasyonun “CEO’su”

Varlıklar hakkında içerik ve şemada (ve yapılandırılmış verilerde) daha fazla bilgi sağlamak, bir arama motoruna belirli varlıklar hakkında daha iyi bilgi keşfetmek, verileri test etmek ve toplamak, bildiklerini belirsizleştirmek ve varlıklar hakkında daha fazla ve daha fazla güvene sahip olmak için daha fazla bilgi verir. bunun farkındadır.

Varlık-Özellik Aday Çiftleri

Bu patent, bir varlığı ve bir niteliği tanımlamak için bir varlık-nitelik aday çifti elde eder, burada nitelik, varlığın bir aday niteliğidir . Google, yapılandırılmış verilerdeki varlıklar hakkındaki gerçeklerden öğrenmeye ek olarak, bilgileri bu bilgilerin bağlamına bakarak kullanabilir ve vektörlerden ve bu varlıklarla ilgili diğer kelimelerin ve gerçeklerin birlikte ortaya çıkışından da öğrenebilir.

Bir arama motorunun şimdi kelimelerin anlamlarını ve bağlamını ve varlıklar hakkındaki bilgileri nasıl daha iyi anlayabileceğini anlamak için kelime vektörleri patentine bir göz atın. (Bu, Google'ın şu anda yaptığı bazı şeyleri nasıl yaptığına ilişkin patent araştırmasından öğrenmek için bir şanstır.) Google, dizine eklediği şeyler hakkında gerçekleri ve verileri toplar ve dizininde sahip olduğu varlıklar hakkında bilgi edinebilir ve onlar hakkında bildiği nitelikler.

Bunu şurada yapar:

Öznitelik ve özniteliği içeren cümlelerle özniteliğin varlık-nitelik aday çiftindeki varlığın gerçek bir özniteliği olup olmadığını belirleme

Varlık ve özniteliği içeren cümleler kümesindeki kelimeler için yerleştirmeler oluşturma

Bilinen varlık-nitelik çiftleriyle, varlık için gömülü olan bir dağıtımsal öznitelik oluşturma, burada varlık için gömülü olan dağıtımsal öznitelik, bilinen varlık-nitelik çiftlerinden varlıkla ilişkili diğer özniteliklere dayalı olarak varlık için bir yerleştirmeyi belirtir.

Cümlelerdeki kelimeler için yerleştirmelere, varlık için yerleştirme dağılım özelliği ve varlık-nitelik aday çiftinin varlık-nitelik aday çiftindeki varlığın temel bir niteliği olup olmadığına dair nitelik için dayalı olarak.

Varlık ve Nitelikli Cümlelerden Oluşan Kelimeler İçin Gömmeler

Cümleler kümesindeki varlık ve nokta arasındaki kelimelerin ilk gömülmesini belirten bir birinci vektör temsili oluşturma

Cümle kümesine dayalı olarak varlık için çift gömmeyi tanımlayan ikinci bir vektör temsili yapma

Cümle kümesine dayalı olarak öznitelik için üçüncü bir yerleştirme için üçüncü bir vektör temsili oluşturma

Toplama, bilinen bir varlık özniteliği ile varlık için bir dağıtım özniteliği yerleştirmeyi birleştirir, mevcut varlık-nitelik çiftlerini kullanarak dördüncü bir vektör temsili yapmak, varlık için dağıtımsal öznitelik yerleştirmeyi belirtmek anlamına gelir.

Bilinen bu varlık-nitelik çiftleriyle gömülü bir dağıtım niteliği oluşturmak, mevcut varlık-nitelik ekipleriyle beşinci bir vektör temsili ve nitelik için gömme dağıtımsal nitelik geliştirmek anlamına gelir .

Cümle kümesindeki kelimeler için yerleştirmelere, varlık için yerleştirme dağılımsal öznitelik ve öznitelik için dağılımsal öznitelik yerleştirmeye dayalı olarak, varlık-nitelik aday çiftindeki özniteliğin, varlık-nitelik aday çiftindeki varlığın temel bir özniteliği olup olmadığına karar vermek. varlık-nitelik aday çifti

Birinci vektör temsiline, ikinci vektör temsiline, üçüncü vektör temsiline, dördüncü vektör temsiline ve beşinci vektör temsiline dayalı olarak, varlık-nitelik aday çiftindeki özniteliğin, varlıktaki varlığın temel bir özniteliği olup olmadığını belirleme -özellik aday çifti

Birinci vektör gösterimi, ikinci vektör gösterimi, üçüncü vektör gösterimi, dördüncü vektör gösterimi ve beşinci vektör gösterimi arasından varlık-nitelik aday çiftindeki özniteliğin varlık içindeki varlığın temel bir özniteliği olup olmadığının seçilmesi. aday çiftini öznitelik, ileri beslemeli bir ağ kullanılarak gerçekleştirilsin.

Birinci vektör temsiline, ikinci vektör temsiline, üçüncü vektör temsiline, dördüncü vektör temsiline ve beşinci vektör temsiline dayalı olarak toplama, varlık-nitelik aday çiftindeki özelliğin varlıktaki varlığın temel bir niteliği olup olmadığı - nitelik aday çifti, şunları içerir:

Birinci vektör temsilini, ikinci vektör temsilini, üçüncü vektör temsilini, dördüncü vektör temsilini ve beşinci vektör temsilini birleştirerek tek bir vektör temsili oluşturma; tek vektör temsilinin ileri beslemeli ağa girilmesi

Varlık-nitelik aday çiftindeki özniteliğin, varlık-nitelik aday çiftindeki varlığın temel bir özniteliği olup olmadığını, ileri beslemeli ağ aracılığıyla ve tek vektör temsilini kullanarak belirleme

Bilinen varlık-öznitelik çiftleriyle dördüncü bir vektör temsili yapmak, varlık için dağıtımsal öznitelik yerleştirmeyi belirtmek şunları içerir:

Bilinen varlık-nitelik takımlarında varlıkla ilişkili bir nitelikler kümesinin belirlenmesi, burada nitelik kümesi özelliği atlar.
Öznitelikler kümesindeki özelliklerin ağırlıklı bir toplamını hesaplayarak varlık için gömülü bir dağıtım özniteliği oluşturma

Bilinen varlık-öznitelik çiftleri ile beşinci bir vektör temsilinin seçilmesi, öznitelik için dağıtımsal öznitelik yerleştirmenin belirtilmesi şunları içerir:

Özniteliği kullanarak, bilinen varlık-nitelik çiftleri arasından bir varlık kümesini belirlemek; varlıkların koleksiyonundaki her varlık için
Özniteliklerin konumunun özniteliği içermediği durumda, varlıkla ilişkili bir dizi özelliğin belirlenmesi
Öznitelik koleksiyonundaki özelliklerin ağırlıklı bir toplamını hesaplayarak varlık için gömülü bir dağıtım özniteliği oluşturma

Önceki Sanat Modeline Dayalı Varlık-Özellik Tanımlamasına Göre Daha Doğru Varlık-Nitelik İlişkilerinin Avantajı

Daha önceki sanat varlık-öznitelik tanımlama teknikleri, doğal dil işleme (NLP) özellikleri, uzaktan denetim ve veri cümlelerine dayalı varlıkları ve nitelikleri temsil ederek varlık-nitelik ilişkilerini tanımlayan geleneksel makine öğrenimi modelleri gibi model tabanlı yaklaşımlar kullanıyordu. Bu terimler görünür .

Buna karşılık, bu belirtimde açıklanan yenilikler, varlıkların ve niteliklerin bu terimlerin içinde göründüğü verilerde nasıl ifade edildiğine ilişkin bilgileri kullanarak ve ilişkili olduğu bilinen diğer özellikleri kullanarak varlıkları ve nitelikleri temsil ederek veri kümelerindeki varlık-nitelik ilişkilerini tanımlar. bu terimler . Bu, varlıkların ve niteliklerin benzer varlıklar tarafından paylaşılan ayrıntılarla temsil edilmesini sağlar, bu terimlerin içinde göründüğü cümleler dikkate alınarak başka türlü ayırt edilemeyen varlık-nitelik ilişkilerinin belirlenmesinin doğruluğunu artırır .

Örneğin, veri setinin “Ronaldo” ve “Messi” olmak üzere iki varlığı olan cümleleri içerdiği ve “record” özniteliği kullanılarak tanımlandığı ve “Messi” varlığının bir “hedef” kullanılarak tanımlandığı bir cezayı ele alalım. nitelik . Böyle bir senaryoda, önceki teknik teknikleri aşağıdaki varlık öznitelik çiftlerini tanımlayabilir: (Ronaldo, kayıt), (Messi, log) ve (Messi, hedefler) . Bu spesifikasyonda açıklanan yenilikler, bu terimlerin veri setinde nasıl kullanıldığına göre fark edilemeyen varlık-nitelik ilişkilerini tanımlayarak bu önceki teknik yaklaşımlarının ötesine geçer .

Yukarıdaki örneği kullanarak, bu spesifikasyonda açıklanan yenilik, "Ronaldo" ve "Messi"nin, "rekor" özelliğini paylaştığı ve ardından "hedefler" özelliğini kullanarak "rekor" niteliğini temsil ettiği için benzer varlıklar olduğunu belirler . Bu şekilde, örneğin bu spesifikasyonda açıklanan yenilikler, varlık-nitelik ilişkilerinin, örneğin (Cristiano, Goals), böyle bir ilişki veri kümesinden ayırt edilemese bile, tanımlanmasını sağlayabilir .

Tanımlayıcı Nitelik İlişkileri Patenti

varlık öznitelik ilişkileri akış şemasını tanımlama

Varlık öznitelik ilişkilerini belirleme

Mucitler: Dan Iter, Xiao Yu ve Fangtao Li

Atanan: Google LLC

ABD Patenti: 11.263.400

Verildi: 1 Mart 2022

Dosya: 5 Temmuz 2019

Soyut

Bir bilgisayar depolama ortamında kodlanmış bilgisayar programları da dahil olmak üzere, metin külliyatında varlık-öznitelik ilişkilerini tanımlamayı kolaylaştıran yöntemler, sistemler ve aygıtlar .
Yöntemler, bir aday varlık-nitelik çiftindeki bir niteliğin, varlık-nitelik aday çiftindeki varlığın gerçek bir niteliği olup olmadığını belirlemeyi içerir .
Bu, varlığı ve özniteliği içeren cümleler kümesindeki kelimeler için gömmeler oluşturmayı ve bilinen varlık-nitelik çiftlerini kullanarak oluşturmayı içerir .
Bu aynı zamanda, bilinen varlık-nitelik çiftlerinden varlık ile ilişkili diğer niteliklere dayalı olarak varlık için bir nitelik dağılımsal gömme oluşturulmasını ve özniteliğin bilinen varlıklarla bağlantılı bilinen niteliklerine dayalı olarak nitelik için bir nitelik dağılımsal gömme oluşturulmasını içerir. varlık-özellik çiftleri .
Bu yerleştirmelere dayanarak, bir ileri beslemeli ağ, varlık-nitelik aday çiftindeki özelliğin, varlık-nitelik aday çiftindeki varlığın gerçek bir niteliği olup olmadığını belirler .

Metinde Varlık Nitelik İlişkilerini Tanımlama

Bir aday varlık-nitelik çifti (burada nitelik, varlığın aday bir niteliğidir), bir sınıflandırma modeline girdidir . Sınıflandırma modeli, bir yol gömme motoru, bir dağıtım temsili motoru, nitelik motoru ve bir ileri beslemeli ağ kullanır. Aday varlık-nitelik çiftindeki özniteliğin, aday varlık-nitelik çiftinde önemli bir varlık olup olmadığını belirler .

Yol gömme motoru , varlığın günlük oluşumlarını ve bir veri kümesinin bir dizi cümlesindeki (örneğin, 30 veya daha fazla cümle) özniteliği birbirine bağlayan yolların veya kelimelerin gömülmesini temsil eden bir vektör üretir . Dağıtım temsili motoru, varlık için bir yerleştirmeyi temsil eden vektörler üretir ve bu terimlerin cümle kümesinde göründüğü bağlama dayalı olarak terimleri tanımlar . Dağıtım özniteliği motoru, varlık için bir yerleştirmeyi temsil eden bir vektör ve öznitelik için bir yerleştirmeyi temsil eden başka bir vektör üretir .

Öznitelik dağıtım motorunun varlık için gömmesi, veri kümesindeki varlıkla ilişkilendirildiği bilinen diğer özelliklere (yani aday öznitelik dışındaki özniteliklere) dayanır . Ayrıntılı dağıtım motorunun kalite için yerleştirilmesi, aday özniteliğin bilinen varlıkları ile ilişkili farklı özelliklere dayanır .

Sınıflandırma modeli , yol gömme motorundan, d dağıtım temsil motorundan ve d dağıtım öznitelik motorundan gelen vektör temsillerini tek bir vektör temsilinde birleştirir. Sınıflandırma modeli daha sonra tek vektör temsilini, tek vektör temsilini kullanarak aday varlık-nitelik çiftindeki özniteliğin aday varlık-nitelik çiftindeki varlığın temel bir özniteliği olup olmadığını belirleyen bir ileri beslemeli ağa girer .

İleri beslemeli ağın, aday varlık-nitelik çiftindeki noktanın aday varlık-nitelik çiftindeki varlık için gerekli olduğunu belirlediğini varsayalım. Bu durumda, aday varlık-nitelik çifti, diğer bilinen/gerçek varlık-nitelik çiftleriyle birlikte bilgi tabanında depolanır .

Varlık Nitelik İlişkilerini Çıkarma

Ortam, bir bilgi tabanındaki aday varlık-nitelik çiftleri için aday varlık-nitelik çiftindeki bir niteliğin aday çiftteki varlığın temel bir niteliği olup olmadığını belirleyen bir sınıflandırma modeli içerir . Sınıflandırma modeli bir sinir ağı modelidir ve bileşenler aşağıda açıklanmıştır . Sınıflandırma modeli, diğer denetimli ve denetimsiz makine öğrenimi modelleri kullanılarak da kullanılabilir .

Geçici olmayan veri depolama ortamında (örneğin, sabit disk(ler), flash bellek, vb.) depolanan veritabanlarını (veya diğer uygun veri depolama yapılarını) içerebilen bilgi tabanı, bir dizi aday varlık-öznitelik çiftini tutar . Aday varlık-nitelik çiftleri, bir veri kaynağından elde edilen web sayfaları ve haber makaleleri gibi metin belgelerindeki bir dizi içerik kullanılarak elde edilir. Veri Kaynağı, haber web sitesi, veri toplayıcı platform, sosyal medya platformu vb. gibi herhangi bir içerik kaynağını içerebilir .

Veri kaynağı, bir veri toplayıcı platformundan haber makaleleri alır. Veri kaynağı bir model kullanabilir. Denetimli veya denetimsiz makine öğrenimi modeli (bir doğal dil işleme modeli), makalelerden cümleler çıkararak ve çıkarılan cümleleri simgeleştirerek ve etiketleyerek, örneğin konuşmanın bir bölümünü kullanarak varlıklar ve nitelikler olarak bir dizi aday varlık-nitelik çifti oluşturur. ve bağımlılık ayrıştırma ağacı etiketleri .

Veri kaynağı, çıkarılan cümleleri bir makine öğrenimi modeline girebilir. Örneğin, bir dizi eğitim cümlesi ve bunlarla ilişkili varlık-öznitelik çiftleri kullanılarak eğitilebilir . Böyle bir makine öğrenimi modeli, daha sonra, girdiden çıkarılan cümleler için aday varlık-öznitelik takımlarının çıktısını alabilir .

Bilgi tabanında, veri kaynağı aday varlık-nitelik çiftlerini ve aday varlık-nitelik çiftlerinin sözcüklerini içeren veri kaynağı tarafından çıkarılan cümleleri saklar . Aday varlık-nitelik çiftleri, yalnızca varlığın ve niteliğin mevcut olduğu cümle sayısı bir eşik sayıdaki cümleyi (örneğin 30 cümle) karşılıyorsa (örneğin, karşılıyorsa veya aşıyorsa) bilgi tabanında depolanır .

Bir sınıflandırma modeli, bir aday varlık-nitelik çiftindeki (bilgi tabanında depolanan) özniteliğin, aday varlık-nitelik çiftindeki varlığın gerçek bir özniteliği olup olmadığını belirler . Sınıflandırma modeli, bir yol gömme motoru 106, bir dağıtım temsili kaynağı, bir nitelik motoru ve bir ileri beslemeli ağ içerir . Burada kullanıldığı şekliyle motor terimi, bir dizi görevi gerçekleştiren bir veri işleme aparatını ifade eder. Bir aday varlık-nitelik çiftindeki özniteliğin varlığın temel özniteliği olup olmadığını belirlemede sınıflandırma modelinin bu motorlarının işlemleri .

Varlık Nitelik İlişkilerini Tanımlamak İçin Örnek Bir Süreç

Prosesin işlemleri aşağıda sistem bileşenleri tarafından gerçekleştirildiği açıklanmaktadır ve prosesin işlevleri aşağıda sadece örnekleme amacıyla açıklanmaktadır. Prosesin işlemleri, herhangi bir uygun cihaz veya sistem, örneğin herhangi bir uygun veri işleme aparatı tarafından gerçekleştirilebilir . Sürecin işlevleri, geçici olmayan, bilgisayar tarafından okunabilen bir ortamda depolanan talimatlar olarak da uygulanabilir . Talimatların yürütülmesi, veri işleme aparatının işlemin işlemlerini gerçekleştirmesine neden olur .

Bilgi tabanı, veri kaynağından bir varlık-öznitelik aday çifti elde eder.

Bilgi tabanı, aday varlık-nitelik çiftindeki varlığın ve niteliğin sözcüklerini içeren veri kaynağından bir dizi cümle elde eder .

Cümle kümesine ve aday varlık-nitelik çiftine dayalı olarak, sınıflandırma modeli, aday niteliğin aday varlığın gerçek bir niteliği olup olmadığını belirler . Ceza seti çok sayıda cümle, örneğin 30 veya daha fazla cümle olabilir.

Aşağıdaki İşlemleri Gerçekleştiren Sınıflandırma Modeli

Varlık ve özniteliği içeren cümleler kümesindeki sözcükler için yerleştirmeler, aşağıdaki süreçle ilgili olarak aşağıda daha ayrıntılı olarak açıklanmaktadır.

Bilinen varlık-öznitelik çiftleri kullanılarak oluşturuldu, varlık için gömülü bir dağıtım niteliği, aşağıda işlemle ilgili daha ayrıntılı olarak açıklanıyor

Bilinen varlık-öznitelik çiftlerini ve öznitelik için gömme dağıtımsal özniteliği kullanarak oluşturma, aşağıda işlemle ilgili daha ayrıntılı olarak açıklanmaktadır.

Cümle kümesindeki kelimeler için yerleştirmelere, varlık için yerleştirme dağıtım özelliği ve nitelik için dağıtım özelliği yerleştirmeye dayalı olarak, varlık-nitelik aday çiftindeki özelliğin varlık-nitelik aday çiftindeki varlığın temel bir niteliği olup olmadığını seçme işlemle ilgili olarak aşağıda daha ayrıntılı olarak açıklanan varlık-öznitelik aday çifti .

Yol yerleştirme motoru, cümlelerdeki varlık ve öznitelik arasına gömülen ilk kelimeleri belirten bir birinci vektör temsilini oluşturur . Yol gömme motoru, aday varlık-nitelik terimleri arasındaki ilişkileri, bu terimlerin günlük oluşumlarını birbirine bağlayan yolları veya kelimeleri cümle kümesine gömerek tespit eder .

"Yılan bir sürüngendir" ifadesi için, yol gömme motoru, örneğin cins-tür ilişkilerini saptamak için alışabilen ve daha sonra diğer varlık-niteliği tanımlamaya alışabilen "is a" izi için bir yerleştirme oluşturur. çiftler .

Varlık ve Nitelik Arasındaki Sözcükleri Oluşturma

Yol gömme motoru, cümlelerdeki varlık ve öznitelik arasında sözcükler oluşturmak için aşağıdakileri yapar . Cümle kümesindeki her bir cümle için, yol gömme motoru önce varlık ve öznitelik arasındaki bağımlılık yolunu (bir kelime grubunu belirtir) ayıklar . Yol gömme motoru, cümleyi bir dizgeden bir listeye dönüştürür; burada ilk terim varlık ve son terim niteliktir (veya ilk terim niteliktir ve önceki terim varlıktır) .

Bağımlılık yolundaki her terim (kenar olarak da adlandırılır) aşağıdaki özellikler kullanılarak temsil edilir: terimin lemması, konuşma bölümü etiketi, bağımlılık etiketi ve bağımlılık yolunun yönü (solda) , sağ veya kök) . Bu özelliklerin her biri, bir dizi vektör (V.sub.l, V.sub.pos, V.sub.dep) içeren terim veya kenar (V.sub.e) için bir vektör temsili üretmek üzere gömülür ve birleştirilir. , V.sub.dir), aşağıdaki denklemde gösterildiği gibi: {sağ ok (v) üzerinde}.sub.e=[{(v) üzerinde sağ ok}.sub.l,{(v) üzerinde sağ ok} .sub.pos,{(v) üzerinde sağ ok}.sub.dep,{(v) üzerinde sağ ok}.sub.dir]

Yol gömme motoru daha sonra her yoldaki terimler veya kenarlar için vektör dizisini uzun kısa süreli bellek (LSTM) ağına girer, bu da cümle (V.sub.s) için tek bir vektör temsili üretir. aşağıdaki denklem: {sağ ok üzerinde (v)}.sub.s=LSTM({sağ ok üzerinde (v)}.sub.e.sup.(1) . . . {sağ ok üzerinde (v)}.sub .e.sup.(k))

Son olarak, yol gömme motoru, cümle kümesindeki tüm cümleler için tek vektör temsilini, aşağıdaki şekilde gösterildiği gibi, cümle temsillerinin (V.sub.sents(e,a)) ağırlıklı ortalamasını belirleyen bir dikkat mekanizmasına girer. aşağıdaki denklem: {sağ ok (v)}.sub.sents(e,a)=ATTN({sağ ok (v)}.sub.s.sup.(1) . . . {sağ ok (v ) )}.sub.s.sup.(n))

Dağılımsal temsil modeli, cümlelere dayalı olarak varlık için ikinci bir vektör temsili ve öznitelik için üçüncü bir vektör temsili üretir . Dağılım gösterimi motoru, aday varlık-nitelik çiftinin varlığı ve aday varlık-nitelik çiftinin varlığının cümle setinde meydana geldiği bağlama dayalı olarak aday varlık-nitelik terimleri arasındaki ilişkileri tespit eder . Örneğin, dağıtım temsili motoru, "New York" varlığının cümlelerin toplanmasında kullanıldığını, bu varlığın Amerika Birleşik Devletleri'ndeki bir şehir veya eyalete atıfta bulunduğunu düşündürecek şekilde belirleyebilir .

Başka bir örnek olarak, dağıtım temsili motoru, "sermaye" özniteliğinin, bu özniteliğin bir eyalet veya ülke içindeki önemli bir şehre atıfta bulunduğunu düşündürecek şekilde cümle dizisinde kullanıldığını belirleyebilir . Böylece, dağıtım temsili motoru, varlığın içinde göründüğü bağlamı (yani, cümleler kümesini) kullanarak varlık (V.sub.e) için bir yerleştirmeyi belirten bir vektör temsili üretir . Dağılımsal temsil motoru, özelliğin göründüğü cümleler kümesini kullanarak öznitelik için bir yerleştirme belirten bir vektör temsili (V.sub.a) oluşturur .

Dağıtım özniteliği motoru, bilinen varlık-öznitelik çiftlerini kullanarak varlık için bir dağıtım özniteliği yerleştirmeyi belirten dördüncü bir vektör temsili üretir . Bilgi tabanında depolanan bilinen varlık-nitelik çiftleri, varlıktaki her bir özelliğin doğrulandığı (örn. öznitelik çifti, varlık-öznitelik çiftindeki varlığın temel bir özelliğidir .

Dağılımsal nitelik motoru, varlığın ilişkilendirildiği bilinen varlık-nitelik çiftleri arasından bazılarını (örneğin, en yaygın olanı) veya diğer tüm bilinen nitelikleri kullanarak varlık için bir gömmeyi belirten bir dağıtımsal nitelik gömmesini belirlemek için aşağıdaki işlemleri gerçekleştirir .

Varlıklar İçin Diğer Niteliklerin Belirlenmesi

Varlık-nitelik aday çiftindeki varlıklar için, dağıtımsal nitelik motoru, bilinen varlık-nitelik takımlarındaki varlıkla ilişkili varlık-nitelik aday çiftinde bulunanlar dışındaki nitelikleri tanımlar .

Aday varlık-nitelik çiftindeki (Michael Jordan, ünlü) bir "Michael Jordan" varlığı için, nitelik dağıtım motoru, Michael Jordan için (Michael Jordan, zengin) ve (Michael Jordan, kayıt), varlıklı ve açıklama gibi nitelikleri belirlemek için .

Öznitelik dağıtım motoru daha sonra tanımlanan bilinen özniteliklerin ağırlıklı bir toplamını hesaplayarak varlık için bir yerleştirme oluşturur (önceki paragrafta açıklandığı gibi), burada ağırlıklar aşağıdaki denklemde gösterildiği gibi bir dikkat mekanizması kullanılarak öğrenilir: {sağ (v)}.sub.e=ATTN(.epsilon.(.alpha..sub.1) üzerinde ok) . . .epsilon.(.alpha..sub.m))

Dağıtım öznitelik motoru, bilinen varlık-öznitelik çiftlerini kullanarak öznitelik için gömülü bir dağıtım özniteliği belirten beşinci bir vektör temsili üretir . Dağılımsal öznitelik motoru , aday özniteliğin bilinen varlıklarıyla ilişkili bilinen özniteliklerin bazılarına (en yaygın) veya bilinenlerin tümüne dayalı olarak bir model belirlemek için aşağıdaki işlemleri gerçekleştirir .

Varlık-nitelik aday çiftindeki nokta için, dağıtımsal nitelik motoru, bilinen varlık-nitelik çiftleri arasında kaliteye sahip bilinen varlıkları tanımlar .

Tanımlanan her bir bilinen varlık için, dağıtımsal nitelik motoru, bilinen varlık-nitelik takımlarındaki varlıkla ilişkili diğer nitelikleri (yani varlık-nitelik aday çiftine dahil edilenden başka nitelikler) tanımlar . Dağıtım özniteliği motoru, tanımlanan öznitelikler arasından bir öznitelik alt kümesini şu şekilde tanımlayabilir:

(1) Nitelikleri, daha az sayıda varlıkla ilişkili olanlardan daha fazla sayıda varlıkla ilişkili niteliklere daha yüksek bir derece atamak gibi, her bir varlıkla ilişkili bilinen varlıkların sayısına dayalı olarak sıralama)