[發明專利]知識圖譜的構建方法、裝置、電子設備

有效

• 申請號: 201810620223.6
• 申請日: 2018-06-15
• 公開（公告）號: CN110674306B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 鄭萌;耿璐;李嵐
• 申請（專利權）人: 株式會社日立制作所
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 黃燦;張博

1.一種知識圖譜的構建方法，其特征在于，包括：

對待處理文本中的每個句子進行分詞和句法依存關系分析，得到分詞結果和詞序列庫；

從所述詞序列庫中篩選出長度大于預設第一閾值的頻繁序列，并計算每一頻繁序列的頻度以及提升度，其中，頻度表示所述頻繁序列在所述詞序列庫中出現的概率，提升度表示所述頻繁序列中單詞之間的相關性；

將提升度大于預設第二閾值和頻度大于預設第六閾值的頻繁序列中包括的單詞合并為新增詞，并根據所述新增詞更新所述分詞結果；

根據更新后的分詞結果建立近義詞組合，根據所述近義詞組合將所述詞序列庫中的單詞替換為同一近義詞組合中頻度最高的單詞；

獲取更新后的詞序列庫中頻度高于預設第三閾值且長度為預設第四閾值的詞序列，計算所述詞序列中單詞之間的變體置信度，并根據計算結果判斷單詞之間的上下位概念，所述變體置信度表示所述詞序列中單詞或詞序列之間的相關性，

其中，所述根據計算結果判斷單詞之間的上下位概念包括：

計算詞序列中最右側單詞與左側其他詞序列或單詞的變體置信度，如果所述變體置信度低于預設第五閾值，則判斷左側的詞序列或單詞為最右側單詞的上位概念。

2.根據權利要求1所述的知識圖譜的構建方法，其特征在于，所述對待處理文本中的每個句子進行分詞和句法依存關系分析，得到分詞結果和詞序列庫包括：

對所述待處理文本中的每個句子進行分詞，得到分詞結果；

基于所述分詞結果，對所述待處理文本中的每個句子進行句法依存關系分析，并根據句法依存關系分析結果對所述分詞結果進行糾正，得到每個句子對應的至少一組詞序列，得到包括所有句子的詞序列的詞序列庫。

3.根據權利要求2所述的知識圖譜的構建方法，其特征在于，所述根據句法依存關系分析結果對所述分詞結果進行糾正，得到每個句子對應的至少一組詞序列包括：

當句子中心詞是名詞時，確定中心詞，并遞歸的找到該中心詞的所有定中關系修飾詞，生成包括該中心詞和該中心詞的所有定中關系修飾詞的詞序列；

當句子中心詞是動詞或形容詞時，判斷句子是否存在主謂結構，在句子存在主謂結構時，確定所述主謂結構中的主語名詞，并遞歸的找到該主語名詞的所有定中關系修飾詞，生成包括該主語名詞和該主語名詞的所有定中關系修飾詞的詞序列；在句子不存在主謂結構，存在動賓結構時，確定所述動賓結構中的賓語名詞，并遞歸的找到該賓語名詞的所有定中關系修飾詞，生成包括該賓語名詞和該賓語名詞的所有定中關系修飾詞的詞序列；

在句子中心詞不是名詞、動詞或形容詞時，確定句子中所有的定中關系，選取其中修飾詞最多的名詞，遞歸的找到該名詞的所有定中關系修飾詞，生成包括該名詞和該名詞的所有定中關系修飾詞的詞序列。

4.根據權利要求1所述的知識圖譜的構建方法，其特征在于，在所述頻繁序列包括單詞A和單詞B時，提升度lift(A,B)＝P(B|A)/P(B)，其中，P(B)為所有包含B的二元組在所有二元組中的比例，P(B|A)為所有包含A的二元組中，B出現的比例，其中，二元組為詞序列庫中長度為2的詞序列。

5.根據權利要求1所述的知識圖譜的構建方法，其特征在于，所述根據更新后的分詞結果建立近義詞組合包括：

根據更新后的分詞結果生成詞向量；

基于生成的詞向量計算單詞兩兩之間的余弦相似度，并基于預設的相似度閾值s，建立所有的近義詞組合。

6.根據權利要求5所述的知識圖譜的構建方法，其特征在于，所述建立所有的近義詞組合包括：

對更新后的分詞結果中的所有單詞基于詞頻進行排序；

按照詞頻的從高到低依次建立每個單詞的近義詞組合；

建立每個單詞的近義詞組合包括：

計算該單詞與其它單詞的相似度；

基于與該單詞相似度大于閾值s的至少一個單詞建立集合，并基于與該單詞的相似度對所述集合中的單詞進行排序；

按照相似度的從高到低，依次判斷所述集合中的每個單詞是否與所述集合中的其他單詞的相似度均大于閾值s，如果是，則將判斷的單詞加入該單詞的近義詞組合中。