[發(fā)明專利]面向在線百科的知識(shí)庫(kù)自動(dòng)更新方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410072608.5
• 申請(qǐng)日: 2014-02-28
• 公開(kāi)（公告）號(hào): CN103823879B
• 公開(kāi)（公告）日: 2017-06-16
• 發(fā)明（設(shè)計(jì)）人: 程學(xué)旗;王元卓;林海倫;賈巖濤;熊錦華;許洪波;馮凱
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京泛華偉業(yè)知識(shí)產(chǎn)權(quán)代理有限公司11280
• 代理人: 王勇

技術(shù)領(lǐng)域

本發(fā)明涉及網(wǎng)絡(luò)知識(shí)庫(kù)，尤其涉及網(wǎng)絡(luò)知識(shí)庫(kù)自動(dòng)更新方法及系統(tǒng)。

背景技術(shù)

知識(shí)庫(kù)通常包含一組概念、實(shí)例和關(guān)系的集合，是結(jié)構(gòu)化、全面有組織的知識(shí)集群，是采用某種知識(shí)表示方式組織、管理和使用的互相聯(lián)系的知識(shí)集合。這些知識(shí)包括與領(lǐng)域相關(guān)的理論知識(shí)、事實(shí)數(shù)據(jù)，由專家經(jīng)驗(yàn)得到的啟發(fā)式知識(shí)，如某領(lǐng)域內(nèi)有關(guān)的定義、定理和運(yùn)算法則以及常識(shí)性知識(shí)等。在知識(shí)工程領(lǐng)域中，知識(shí)描述的要素一般包括概念、實(shí)例、關(guān)系和屬性四個(gè)要素。

近年來(lái)，構(gòu)建知識(shí)庫(kù)是國(guó)內(nèi)外工業(yè)界開(kāi)發(fā)和學(xué)術(shù)界研究的一個(gè)熱點(diǎn)，目前，世界各國(guó)各個(gè)組織建立的知識(shí)庫(kù)多達(dá)50余種，相關(guān)的應(yīng)用系統(tǒng)更是達(dá)到了上百種。其中，有代表性的知識(shí)庫(kù)有DBpedia、YAGO、Probase、WikiTaxonomy、Freebase、Omega等。知識(shí)庫(kù)之所以得到廣泛關(guān)注，原因在于知識(shí)庫(kù)在很多應(yīng)用中起到至關(guān)重要的作用，如在搜索引擎中，Google、Bing、百度、搜狗等使用知識(shí)庫(kù)幫助理解用戶查詢、感知用戶查詢意圖、進(jìn)行查詢擴(kuò)展和查詢問(wèn)答等；在Deep Web資源發(fā)現(xiàn)中，知識(shí)庫(kù)可以輔助進(jìn)行Deep Web查詢選擇；在社交網(wǎng)絡(luò)中，知識(shí)庫(kù)可以輔助挖掘社交數(shù)據(jù)等。

而在知識(shí)庫(kù)構(gòu)造中，在線百科(如Wikipedia、百度百科、互動(dòng)百科等)作為聚集互聯(lián)網(wǎng)用戶的群體智慧建立的大規(guī)模、隨時(shí)間演化、可分享的網(wǎng)絡(luò)百科全書，成為構(gòu)造知識(shí)庫(kù)首選的知識(shí)語(yǔ)料來(lái)源。在線百科知識(shí)語(yǔ)料，比起結(jié)構(gòu)性較弱的普通網(wǎng)頁(yè)，其包含的百科詞條不僅具有較高的質(zhì)量而且可以保證所得到知識(shí)的精度，因此，在線百科數(shù)據(jù)成為構(gòu)造知識(shí)庫(kù)的重要語(yǔ)料來(lái)源，很多知識(shí)庫(kù)都是基于百科數(shù)據(jù)構(gòu)造的，如：DBpedia、YAGO、WikiTaxonomy、Omega等。然而，在線百科數(shù)據(jù)是隨時(shí)間不斷演化的，其在不斷的增加、刪除和修改，因此，為了保持知識(shí)庫(kù)的時(shí)新性，在最大程度上避免知識(shí)庫(kù)的滯后，需要不斷對(duì)知識(shí)庫(kù)進(jìn)行更新，以適應(yīng)用戶對(duì)知識(shí)的實(shí)時(shí)性的需求。知識(shí)庫(kù)的更新可分為兩個(gè)層面的工作：一是已有知識(shí)的更新；二是新的知識(shí)的加入。

目前，專門針對(duì)知識(shí)庫(kù)的更新的工作較少，很多工作都是從數(shù)據(jù)庫(kù)更新的角度展開(kāi)，如對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)的增加、刪除和修改等。從更新方式來(lái)講，知識(shí)庫(kù)的更新方法可分為兩類：一種是定期重建的方式，另一種是實(shí)時(shí)更新的方式。

a)定期重建的方式。該方式本質(zhì)上是一種離線更新的方式：按照知識(shí)庫(kù)構(gòu)造的方法，定期在知識(shí)語(yǔ)料源上重新執(zhí)行知識(shí)庫(kù)構(gòu)造流程，從而得到最新的知識(shí)庫(kù)，這種方式雖然操作簡(jiǎn)單，但是仍然存在很多缺陷，例如，知識(shí)庫(kù)更新過(guò)程耗時(shí)長(zhǎng)、難以重用知識(shí)庫(kù)構(gòu)造過(guò)程中人工修正的工作、無(wú)法滿足適應(yīng)用戶對(duì)知識(shí)的時(shí)新性的需求。

b)實(shí)時(shí)更新的方式。該方式定期采集數(shù)據(jù)源，檢測(cè)數(shù)據(jù)源內(nèi)容的變化，將發(fā)生變化的內(nèi)容提供給領(lǐng)域?qū)＜?，由人工判斷發(fā)生變化的內(nèi)容涉及哪些知識(shí)，或者基于由專家制定的各種規(guī)則來(lái)判斷哪些知識(shí)發(fā)生了變化并將其同步到知識(shí)庫(kù)中，從而得到更新的知識(shí)庫(kù)。這種方式存在以下局限性：(1)難以編寫完備的規(guī)則表示知識(shí)的增加、刪除、修改等；(2)難以滿足用戶實(shí)時(shí)更新的需求。

綜上所述，目前，對(duì)知識(shí)庫(kù)的更新仍然沒(méi)有很有效的方法，尤其是在面對(duì)用戶對(duì)知識(shí)的實(shí)時(shí)性更新需求方面，遠(yuǎn)遠(yuǎn)達(dá)不到用戶的要求。在更新數(shù)據(jù)的自動(dòng)化感知方面，缺乏有效的辦法能夠自動(dòng)識(shí)別知識(shí)的變化，和能夠動(dòng)態(tài)響應(yīng)這些變化的更新機(jī)制。

發(fā)明內(nèi)容

因此，本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種面向在線百科的知識(shí)庫(kù)自動(dòng)更新的方法。

本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

一方面，本發(fā)明提供了一種面向在線百科的知識(shí)庫(kù)自動(dòng)更新的方法，包括：

步驟1，實(shí)時(shí)監(jiān)控知識(shí)庫(kù)的知識(shí)語(yǔ)料來(lái)源，根據(jù)知識(shí)語(yǔ)料更新時(shí)間和知識(shí)語(yǔ)料內(nèi)容變化，獲取新增的知識(shí)語(yǔ)料與內(nèi)容改變的知識(shí)語(yǔ)料；

步驟2，從所獲取的知識(shí)語(yǔ)料識(shí)別其表示的知識(shí)，其中所識(shí)別的知識(shí)包括實(shí)例、實(shí)例的屬性以及實(shí)例所屬的概念；

步驟3，基于所識(shí)別的知識(shí)來(lái)更新知識(shí)庫(kù)。

在上述技術(shù)方案中，在步驟1中，所述知識(shí)語(yǔ)料來(lái)源可包括定期備份的知識(shí)語(yǔ)料庫(kù)，所述步驟1可包括：

從該知識(shí)語(yǔ)料庫(kù)的源網(wǎng)站獲取新的語(yǔ)料庫(kù)備份和語(yǔ)料庫(kù)修改歷史；

對(duì)于所獲取的新的語(yǔ)料庫(kù)備份中的每個(gè)知識(shí)語(yǔ)料，獲取該知識(shí)語(yǔ)料在語(yǔ)料庫(kù)修改歷史中第一次出現(xiàn)的時(shí)間和最后一次出現(xiàn)的時(shí)間，

如果所述第一次出現(xiàn)的時(shí)間大于與知識(shí)庫(kù)當(dāng)前使用的知識(shí)語(yǔ)料庫(kù)備份的時(shí)間，則確定該知識(shí)語(yǔ)料是新增的知識(shí)語(yǔ)料；