[發明專利]一種基于自然語言處理的知識庫建立方法

有效

• 申請號: 201711178205.9
• 申請日: 2017-11-23
• 公開（公告）號: CN107808014B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 黃浩;徐晨
• 申請（專利權）人: 北京中科智營科技發展有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/953
• 代理公司: 北京天方智力知識產權代理事務所(普通合伙) 11719
• 代理人: 谷成

1.一種基于自然語言處理的知識庫建立方法，其特征在于：該方法包括如下步驟，

步驟1，讀取具有文本數據的文件，將文件中的文本數據放入預設的數據集中；

步驟2，通過掃描整個數據集的方式發現父主題，將涉及所述父主題的所有語句從數據集中摘出，并將涉及所述父主題的所有語句作為父主題內容清單；

步驟3，通過掃描所述父主題內容清單的方式發現子主題，并將定義所述子主題的所有語句從父主題內容清單中摘出；其中，所述子主題用于解釋所述父主題；

步驟4，判斷父主題內容清單中的所有子主題是否全部被發現，如果是，則執行步驟5；如果否，則返回步驟3；

步驟5，將父主題內容清單中剩下的內容作為父主題流程，將父主題和父主題流程作為知識點納入知識庫中。

2.根據權利要求1所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟5中，將父主題與子主題之間的關系作為基本主題網絡，將所述基本主題網絡、父主題、父主題流程作為知識點納入知識庫中。

3.根據權利要求2所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟3中，還包括產生子主題流程的步驟：將用于定義子主題的所有語句作為子主題內容清單、用于定義下級子主題的所有語句從所述子主題內容清單中摘出，將子主題內容清單中剩下的內容作為子主題流程；其中，所述下級子主題用于解釋所述子主題；

步驟5中，將所述父主題、父主題流程、基本主題網絡、子主題流程作為知識點納入知識庫中。

4.根據權利要求3所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟3中，通過遞歸的方式建立樹狀主題網絡，所述樹狀主題網絡中包含級別由高到低的主題，且低級別的主題用于解釋與其在級別上相鄰的高級別主題；然后通過所述樹狀主題網絡替代所述基本主題網絡；

步驟5中，將父主題、父主題流程、樹狀主題網絡、子主題流程作為知識點納入知識庫中。

5.根據權利要求1所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟2中，涉及所述父主題的所有語句包括父主題定義語句和父主題引用語句。

6.根據權利要求5所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟2中，將具有解釋或分類功能且出現于所述父主題后端的詞作為判斷當前語句是父主題定義語句的標準。

7.根據權利要求1所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟5中，還包括將父主題流程中的內容進行步驟性描述的步驟。

8.根據權利要求3所述的基于自然語言處理的知識庫建立方法，其特征在于：

步驟5中，還包括將子主題流程中的內容進行步驟性描述的步驟。

9.根據權利要求1所述的基于自然語言處理的知識庫建立方法，其特征在于：具有文本內容的文件包括word文件、pdf文件。