[發(fā)明專利]知識(shí)庫(kù)實(shí)體歸一方法、系統(tǒng)、終端和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810073982.5
• 申請(qǐng)日: 2018-01-25
• 公開（公告）號(hào): CN108154198B
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計(jì)）人: 馮知凡;陸超;徐也;方舟;朱勇;李瑩
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N5/02
• 代理公司: 北京市鑄成律師事務(wù)所 11313
• 代理人: 張臻賢;李夠生

1.一種知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，包括：

獲取知識(shí)庫(kù)中的實(shí)體集合；

采用多種分區(qū)方式相結(jié)合對(duì)所述實(shí)體集合進(jìn)行預(yù)分區(qū)，其中，在后的分區(qū)方式基于在先的分區(qū)方式的分區(qū)結(jié)果進(jìn)行再分區(qū)；

根據(jù)所述預(yù)分區(qū)的結(jié)果進(jìn)行樣本構(gòu)建，提取關(guān)鍵樣本；

采用多種特征構(gòu)建策略，根據(jù)所述預(yù)分區(qū)的結(jié)果進(jìn)行特征構(gòu)建，提取相似特征，其中，在后的特征構(gòu)建策略基于在先的特征構(gòu)建策略的相似特征結(jié)果進(jìn)行再計(jì)算；

通過至少一個(gè)歸一模型結(jié)合所述關(guān)鍵樣本和所述相似特征，對(duì)所述預(yù)分區(qū)的結(jié)果中的各個(gè)實(shí)體對(duì)進(jìn)行歸一判定，判定各所述實(shí)體對(duì)是否為相同實(shí)體；以及

對(duì)所述歸一判定的結(jié)果進(jìn)行集合劃分。

2.如權(quán)利要求1所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，所述分區(qū)方式至少為兩種，對(duì)所述實(shí)體集合進(jìn)行所述預(yù)分區(qū)的步驟為：

通過第一種所述分區(qū)方式對(duì)所述實(shí)體集合進(jìn)行分區(qū)；以及

通過第二種所述分區(qū)方式對(duì)所述第一種所述分區(qū)方式的分區(qū)結(jié)果進(jìn)行再分區(qū)。

3.如權(quán)利要求1所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，所述樣本構(gòu)建包括：基于屬性的第一關(guān)鍵樣本構(gòu)建和基于主動(dòng)學(xué)習(xí)算法的第二關(guān)鍵樣本構(gòu)建。

4.如權(quán)利要求3所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，所述第一關(guān)鍵樣本構(gòu)建的步驟包括：

對(duì)所述預(yù)分區(qū)的結(jié)果中的各所述實(shí)體對(duì)的關(guān)鍵屬性進(jìn)行提取，根據(jù)提取出的所述關(guān)鍵屬性對(duì)各所述實(shí)體重新進(jìn)行分區(qū)、聚合，生成多個(gè)新實(shí)體對(duì)；以及

隨機(jī)抽取部分所述新實(shí)體對(duì)進(jìn)行標(biāo)注，并作為所述第一關(guān)鍵樣本輸出。

5.如權(quán)利要求3所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，所述第二關(guān)鍵樣本構(gòu)建的步驟包括：

1)對(duì)所述預(yù)分區(qū)的結(jié)果中的部分所述實(shí)體對(duì)進(jìn)行標(biāo)注作為標(biāo)注樣本集，將其余所述實(shí)體對(duì)作為未標(biāo)注樣本集；

2)根據(jù)所述標(biāo)注樣本集構(gòu)建分類模型；

3)將所述未標(biāo)注樣本集輸入到所述分類模型中進(jìn)行打分，根據(jù)打分結(jié)果提取處于邊界打分的各所述實(shí)體對(duì)；

4)根據(jù)主動(dòng)學(xué)習(xí)算法選擇處于邊界打分的部分所述實(shí)體對(duì)作為關(guān)鍵樣本進(jìn)行標(biāo)注，并加入到所述標(biāo)注樣本集中，根據(jù)新的所述標(biāo)注樣本集重新訓(xùn)練所述分類模型；

重復(fù)步驟3)和步驟4)，直至所述分類模型收斂，并將最終的所述標(biāo)注樣本集作為所述第二關(guān)鍵樣本輸出。

6.如權(quán)利要求1所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，所述采用多種特征構(gòu)建策略，根據(jù)所述預(yù)分區(qū)的結(jié)果進(jìn)行特征構(gòu)建，提取相似特征，包括：

采用多種特征構(gòu)建策略相結(jié)合對(duì)所述預(yù)分區(qū)的結(jié)果中的各所述實(shí)體對(duì)進(jìn)行計(jì)算，并將最終計(jì)算出的結(jié)果作為相似特征輸出。

7.如權(quán)利要求1所述的知識(shí)庫(kù)實(shí)體歸一方法，其特征在于，當(dāng)所述歸一模型為多個(gè)時(shí)，各所述歸一模型分別對(duì)所述預(yù)分區(qū)的結(jié)果中的各所述實(shí)體對(duì)進(jìn)行歸一判定，并分別輸出所述歸一判定的結(jié)果，將各所述歸一判定的結(jié)果進(jìn)行融合決策，生成最終的所述歸一判定的結(jié)果。

8.一種知識(shí)庫(kù)實(shí)體歸一系統(tǒng)，其特征在于，包括：

獲取模塊，用于獲取知識(shí)庫(kù)中的實(shí)體集合；

多維分區(qū)模塊，用于采用多種分區(qū)方式相結(jié)合對(duì)所述實(shí)體集合進(jìn)行預(yù)分區(qū)，其中，在后的分區(qū)方式基于在先的分區(qū)方式的分區(qū)結(jié)果進(jìn)行再分區(qū)；

樣本構(gòu)建模塊，用于根據(jù)所述預(yù)分區(qū)的結(jié)果進(jìn)行樣本構(gòu)建，提取關(guān)鍵樣本；

特征構(gòu)建模塊，用于采用多種特征構(gòu)建策略，根據(jù)所述預(yù)分區(qū)的結(jié)果進(jìn)行特征構(gòu)建，提取相似特征，其中，在后的特征構(gòu)建策略基于在先的特征構(gòu)建策略的相似特征結(jié)果進(jìn)行再計(jì)算；

歸一判定模塊，用于通過至少一個(gè)歸一模型結(jié)合所述關(guān)鍵樣本和所述相似特征，對(duì)所述預(yù)分區(qū)的結(jié)果中的各實(shí)體對(duì)進(jìn)行歸一判定，判定各所述實(shí)體對(duì)是否為相同實(shí)體；

集合劃分模塊，用于對(duì)所述歸一判定的結(jié)果進(jìn)行集合劃分。

9.如權(quán)利要求8所述的知識(shí)庫(kù)實(shí)體歸一系統(tǒng)，其特征在于，所述樣本構(gòu)建模塊包括：第一關(guān)鍵樣本構(gòu)建模塊和第二關(guān)鍵樣本構(gòu)建模塊。