[發明專利]用于存儲數據的方法和裝置

在審

• 申請號: 201711320259.4
• 申請日: 2017-12-12
• 公開（公告）號: CN108038200A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 李千;于昺洋;史亞冰;梁海金;李京峰;李瑩
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于存儲數據的方法和裝置。該方法的一具體實施方式包括：提取目標數據所包括的實體與關系，其中，目標數據包括至少兩個詞匯，實體是目標數據中的詞匯，關系是目標數據中的、不同于實體的詞匯；確定實體的上位詞；基于實體與上位詞，確定第一實體集合；將第一實體集合中符合預設條件的實體的集合，確定為第二實體集合；關聯存儲關系與第二實體集合中的每個實體。該實施方式豐富了知識圖譜的構建方式。

技術領域

本申請實施例涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及用于存儲數據的方法和裝置。

背景技術

知識圖譜(Knowledge Graph)又稱為科學知識圖譜，是一種基于圖的數據結構，由節點(Point)和邊(Edge)組成。在知識圖譜里，每個節點表示現實世界中存在的“實體”，每條邊為實體與實體之間的“關系”。

目前，知識圖譜廣泛應用于搜索、人工智能、深度學習等領域。為搜索中的內容推薦、語義理解、問題回答等提供支持。知識圖譜有助于提供更有深度的信息，可以幫助用戶找出更加準確、系統的信息。

發明內容

本申請實施例提出了用于存儲數據的方法和裝置。

第一方面，本申請實施例提供了一種用于存儲數據的方法，該方法包括：提取目標數據所包括的實體與關系，其中，目標數據包括至少兩個詞匯，實體是目標數據中的詞匯，關系是目標數據中的、不同于實體的詞匯；確定實體的上位詞；基于實體與上位詞，確定第一實體集合；將第一實體集合中符合預設條件的實體的集合，確定為第二實體集合；關聯存儲關系與第二實體集合中的每個實體。

在一些實施例中，將第一實體集合中符合預設條件的實體的集合，確定為第二實體集合，包括：獲取預定的知識條目集合，其中，知識條目包括實體與關系；將第一實體集合中的每個實體與目標數據中的關系組成為待驗證知識條目，得到待驗證知識條目集合；確定待驗證知識條目集合中的每個待驗證知識條目在預定的知識條目集合中出現的次數，將大于預定數值的次數所對應的待驗證知識條目所包括的實體的集合確定為第二實體集合。

在一些實施例中，關聯存儲關系與第二實體集合中的每個實體，包括：確定目標數據中的關系在目標數據或預定的知識條目集合中的重要程度值；響應于確定出重要程度值屬于預定范圍，關聯存儲目標數據中的關系與第二實體集合中的每個實體。

在一些實施例中，上述重要程度值是詞頻-反轉文件頻率。

在一些實施例中，目標數據是包括詞匯序列的非結構化數據；以及提取目標數據所包括的實體與關系，包括：對目標數據進行分詞處理，生成詞匯序列；確定詞匯序列中的各個詞匯之間的依存關系；確定各個詞匯的詞性；提取詞匯序列中的實體與關系。

在一些實施例中，預設條件包括預定模板集合中存在與詞匯序列所包含的詞匯的數量、各個詞匯之間的依存關系、各個詞匯的詞性相匹配的模板，其中，模板用于規定數據所包含的詞匯的數量、數據所包含的各個詞匯之間的依存關系、數據所包含的各個詞匯的詞性。

在一些實施例中，預設條件還包括所提取的實體不屬于針對目標數據中的關系預先確定的第三實體集合。

第二方面，本申請實施例提供了一種用于存儲數據的裝置，該裝置包括：提取單元，配置用于提取目標數據所包括的實體與關系，其中，目標數據包括至少兩個詞匯，實體是目標數據中的詞匯，關系是目標數據中的、不同于實體的詞匯；第一確定單元，配置用于確定實體的上位詞；第二確定單元，配置用于基于實體與上位詞，確定第一實體集合；第三確定單元，配置用于將第一實體集合中符合預設條件的實體的集合，確定為第二實體集合；存儲單元，配置用于關聯存儲關系與第二實體集合中的每個實體。