[發明專利]知識驗證方法、知識驗證設備以及存儲介質

有效

• 申請號: 201710606293.1
• 申請日: 2017-07-24
• 公開（公告）號: CN107391682B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 張振中;陳雪
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/30
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 彭久云

一種知識驗證方法、知識驗證設備以及存儲介質。該知識驗證方法包括：獲取目標候選知識和與目標候選知識相矛盾的沖突候選知識；獲取目標候選知識的目標證據組和沖突候選知識的沖突證據組；基于目標證據組中各證據的邏輯規則，計算目標候選知識的驗證概率，基于沖突證據組中各證據的邏輯規則，計算沖突候選知識的驗證概率；比較目標候選知識的驗證概率與沖突候選知識的驗證概率，并根據比較結果確定目標候選知識是否為正確知識。該知識驗證方法通過使用馬爾科夫邏輯網建模候選知識的各證據的邏輯規則，并根據各證據的邏輯規則計算候選知識的驗證概率，從而自動驗證候選知識的正確性，解決知識沖突問題，節省人力和時間成本。

技術領域

本公開的實施例涉及一種知識驗證方法、知識驗證設備以及存儲介質。

背景技術

在科學研究、互聯網應用、電子商務等領域，數據規模、數據種類等飛速增長，大數據逐漸成為研究熱點。大數據是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合。大數據具有數據規模大、數據種類多、數據要求處理速度快、數據價值密度低等特性。

大數據包括結構化、半結構化和非結構化數據。隨著社交網絡、物聯網、云計算等的高速發展，非結構化數據因其具有數據龐大、種類眾多、時效性強等特征而呈指數級快速增長，非結構化數據逐漸成為大數據時代的主流數據。如何從海量非結構化數據中分析、處理、獲取有用的知識成為大數據時代亟待解決的問題。

發明內容

本公開至少一實施例提供一種知識驗證方法，其包括：獲取目標候選知識和與所述目標候選知識相矛盾的沖突候選知識；獲取所述目標候選知識的目標證據組和所述沖突候選知識的沖突證據組；基于所述目標證據組中各證據的邏輯規則，計算所述目標候選知識的驗證概率，基于所述沖突證據組中各證據的邏輯規則，計算所述沖突候選知識的驗證概率；以及比較所述目標候選知識的驗證概率與所述沖突候選知識的驗證概率，并根據比較結果確定所述目標候選知識是否為正確知識。

本公開至少一實施例還提供一種知識驗證設備，包括處理器和存儲器，所述存儲器用于存儲計算機指令，其中，所述計算機指令被所述處理器執行時實現以下操作：獲取目標候選知識和與所述目標候選知識相矛盾的沖突候選知識；獲取所述目標候選知識的目標證據組和所述沖突候選知識的沖突證據組；基于所述目標證據組中各證據的邏輯規則，計算所述目標候選知識的驗證概率，基于所述沖突證據組中各證據的邏輯規則，計算所述沖突候選知識的驗證概率；以及比較所述目標候選知識的驗證概率與所述沖突候選知識的驗證概率，并根據比較結果確定所述目標候選知識是否為正確知識。

本公開至少一實施例還提供一種存儲介質，存儲有適于由處理器運行的計算機指令，所述計算機指令被處理器執行時實現以下操作：獲取目標候選知識和與所述目標候選知識相矛盾的沖突候選知識；獲取所述目標候選知識的目標證據組和所述沖突候選知識的沖突證據組；基于所述目標證據組中各證據的邏輯規則，計算所述目標候選知識的驗證概率，基于所述沖突證據組中各證據的邏輯規則，計算所述沖突候選知識的驗證概率；以及比較所述目標候選知識的驗證概率與所述沖突候選知識的驗證概率，并根據比較結果確定所述目標候選知識是否為正確知識。

本公開至少一實施例提供一種知識驗證方法、知識驗證設備以及存儲介質。該知識驗證方法可以建模候選知識的各證據的邏輯規則，并根據各證據的邏輯規則計算候選知識的驗證概率，從而自動驗證候選知識的正確性，解決知識沖突問題，節省人力和時間成本。

需要理解的是本公開的上述概括說明和下面的詳細說明都是示例性和解釋性的，用于進一步說明所要求的發明。

附圖說明

為了更清楚地說明本公開實施例的技術方案，下面將對實施例的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅涉及本公開的一些實施例，而非對本公開的限制。

圖1示為本公開至少一實施例提供的一種知識驗證方法的示意性流程圖；