1.一种知识图谱中三元组真实性检测方法，所述方法包括：从文本中提取描述知识图谱中三元组结构信息的第一向量和描述知识图谱中三元组描述信息的第二向量；将所述第一向量和所述第二向量进行融合，得到融合向量；根据预先设置的胶囊网络的网络结构，构建用于定义三元组得分的评分函数；根据所述评分函数，构建用于训练所述胶囊网络的损失函数；根据所述融合向量构建样本集，根据所述样本集和所述损失函数对所述胶囊网络模型进行训练，得到训练好的胶囊网络；将待预测三元组对应的融合向量输入训练好的胶囊网络，根据所述评分函数的输出值，确定三元组的关系是否准确；所述从文本中提取描述知识图谱中三元组结构信息的第一向量，包括：从文本中提取知识图谱中的三元组；将所述三元组输入预先训练的TransE模型，得到描述知识图谱中三元组结构信息的第一向量；从文本中提取描述知识图谱中三元组描述信息的第二向量，包括：从文本提取知识图谱的三元组；根据预先设置的词库模型，将所述三元组中的实体和关系分别转化为词向量表示，得到所述实体中多个单词对应的单词词向量和所述关系对应的关系词向量；根据所述关系词向量对所述单词词向量进行相关性计算，得到每个所述单词词向量的权重；根据所述权重对所述单词词向量进行加权计算，得到所述实体对应实体词向量；根据所述关系词向量和所述实体词向量，构建描述知识图谱中三元组描述信息的第二向量。
2.根据权利要求1所述的方法，其特征在于，将所述第一向量和所述第二向量进行融合，得到融合向量，包括：采用拼接或者求均值的方式，将所述第一向量和所述第二向量进行融合，得到融合向量。
3.根据权利要求2所述的方法，其特征在于，在采用拼接或者求均值的方式，将所述第一向量和所述第二向量进行融合，得到融合向量之前，还包括：将所述第一向量和所述第二向量映射至同一向量空间中。
4.根据权利要求1所述的方法，其特征在于，所述根据预先设置的胶囊网络的网络结构，构建用于定义三元组得分的评分函数，包括：根据预先设置的胶囊网络的网络结构，构建用于定义三元组得分的评分函数为：其中， 表示评分函数， 表示胶囊网络， 表示融合向量， 表示胶囊网络中过滤器的集合， 表示非线性激活函数。
5.根据权利要求4所述的方法，其特征在于，根据所述评分函数，构建用于训练所述胶囊网络的损失函数，包括：根据所述评分函数，构建用于训练所述胶囊网络的损失函数为：其中，G表示样本集， 表示根据样本集构建的反集；其中， 表示训练集或者反集中的样本。
6.一种知识图谱中三元组真实性检测装置，其特征在于，所述装置包括：向量提取模块，用于从文本中提取描述知识图谱中三元组结构信息的第一向量和描述知识图谱中三元组描述信息的第二向量；融合模块，用于将所述第一向量和所述第二向量进行融合，得到融合向量；训练模块，用于根据预先设置的胶囊网络的网络结构，构建用于定义三元组得分的评分函数；根据所述评分函数，构建用于训练所述胶囊网络的损失函数；根据所述融合向量构建样本集，根据所述样本集和所述损失函数对所述胶囊网络模型进行训练，得到训练好的胶囊网络；真实性检测模块，用于将待预测三元组对应的融合向量输入训练好的胶囊网络，根据所述评分函数的输出值，确定三元组的关系是否准确；向量提取模块还用于从文本中提取知识图谱中的三元组；将所述三元组输入预先训练的TransE模型，得到描述知识图谱中三元组结构信息的第一向量；向量提取模块还用于从文本提取知识图谱的三元组；根据预先设置的词库模型，将所述三元组中的实体和关系分别转化为词向量表示，得到所述实体中多个单词对应的单词词向量和所述关系对应的关系词向量；根据所述关系词向量对所述单词词向量进行相关性计算，得到每个所述单词词向量的权重；根据所述权重对所述单词词向量进行加权计算，得到所述实体对应实体词向量；根据所述关系词向量和所述实体词向量，构建描述知识图谱中三元组描述信息的第二向量。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
