[發(fā)明專利]一種基于中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810665703.4
• 申請(qǐng)日: 2018-06-26
• 公開(kāi)（公告）號(hào): CN108984647A
• 公開(kāi)（公告）日: 2018-12-11
• 發(fā)明（設(shè)計(jì)）人: 呂田田;閆健卓
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

1.一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：該方法主要包括如下步驟：

步驟1：在java系統(tǒng)中構(gòu)建水務(wù)概念詞庫(kù)，將構(gòu)建的詞庫(kù)放入word文本中；

步驟2：將構(gòu)建好的水務(wù)概念詞庫(kù)放入mysql數(shù)據(jù)庫(kù)中構(gòu)建概念層次關(guān)系，并對(duì)不合理的信息進(jìn)行修改；

步驟3：構(gòu)建好的概念層次關(guān)系在protégé系統(tǒng)中實(shí)現(xiàn)可視化并掛接水務(wù)數(shù)據(jù)庫(kù)表以及水務(wù)文本，得到最終的水務(wù)領(lǐng)域知識(shí)圖譜。

2.根據(jù)權(quán)利要求1所述的一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：步驟1所述的構(gòu)建水務(wù)概念詞庫(kù)的方法，其步驟具體包括：

步驟1-1：使用python從水務(wù)博客以及水務(wù)文檔中爬取一些水務(wù)文本；

步驟1-2：用python中的jieba工具對(duì)抽取的水務(wù)文本進(jìn)行文本分詞；

步驟1-3：用python中的stopwords工具對(duì)分詞后的文本進(jìn)行停用詞去除，組成水務(wù)相關(guān)概念詞；

步驟1-4：用TF-IDF方法對(duì)水務(wù)相關(guān)概念詞分別進(jìn)行權(quán)重計(jì)算，設(shè)置一個(gè)權(quán)重閾值，保留權(quán)重大于閾值的概念詞。

3.根據(jù)權(quán)利要求1所述的一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：步驟2所述的構(gòu)建概念層次關(guān)系的方法，其步驟具體包括：

步驟2-1：輸出的概念詞與CN-Dbpedie接口連接，提取出概念詞的上級(jí)詞匯，構(gòu)建概念的等級(jí)結(jié)構(gòu)層次關(guān)系，并保存到數(shù)據(jù)庫(kù)中，根據(jù)備選概念詞和專家知識(shí)對(duì)概念等級(jí)結(jié)構(gòu)進(jìn)行修改；

步驟2-2：用jena工具將保存到數(shù)據(jù)庫(kù)中的概念信息表寫(xiě)成owl文件。

4.根據(jù)權(quán)利要求1所述的一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：步驟3所述的在protégé中實(shí)現(xiàn)可視化并掛接水務(wù)信息的方法，其步驟具體包括：

步驟3-1：將owl文件導(dǎo)入到protégé軟件中，實(shí)現(xiàn)水務(wù)領(lǐng)域知識(shí)圖譜的可視化；

步驟3-2：運(yùn)用語(yǔ)義相似度算法掛接水務(wù)結(jié)構(gòu)化數(shù)據(jù)庫(kù)表以及非結(jié)構(gòu)化水務(wù)文本，以完善水務(wù)領(lǐng)域知識(shí)圖譜，形成最終的水務(wù)知識(shí)圖譜。

5.根據(jù)權(quán)利要求2所述的一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：步驟1-4所述的用TF-IDF選取水務(wù)相關(guān)概念詞方法，其步驟具體包括：

步驟1-4-1：計(jì)算詞語(yǔ)t_i的詞頻其中n_i,j是詞語(yǔ)t_i在文檔d_j中出現(xiàn)的次數(shù)，∑_kn_k,j是在文檔d_j中所有字詞的出現(xiàn)次數(shù)之和；

步驟1-4-2：計(jì)算逆向文件頻率其中|D|為語(yǔ)料庫(kù)中的文檔總數(shù)，|{j:t_i∈d_j}|為包含該詞的文檔數(shù)；

步驟1-4-3：計(jì)算tf-idf值:TF-IDF_i,j＝TF_i,j×IDF_i；

步驟1-4-4：令i＝i+1重復(fù)前四步，計(jì)算出所有文檔中每個(gè)詞的tf-idf值；

步驟1-4-5：根據(jù)概念詞權(quán)重值情況設(shè)定一個(gè)閾值，保留權(quán)重大于閾值的概念詞。

6.根據(jù)權(quán)利要求4所述的一種中文文本的水務(wù)領(lǐng)域知識(shí)圖譜構(gòu)建方法，其特征在于：步驟3-2所述的運(yùn)用語(yǔ)義相似度算法掛接水務(wù)結(jié)構(gòu)化數(shù)據(jù)庫(kù)表以及非結(jié)構(gòu)化水務(wù)文本，其步驟具體包括：

步驟3-2-1：分別用編輯距離算法、Jaccard算法以及歐氏距離算法計(jì)算結(jié)構(gòu)化數(shù)據(jù)庫(kù)表與水務(wù)知識(shí)圖譜概念詞之間的相似度；

步驟3-2-2：分別用TF-IDF+余弦相似度算法、LSI算法以及LDA算法計(jì)算水務(wù)文本與水務(wù)知識(shí)圖譜概念詞之間的相似度；

步驟3-2-3：分別計(jì)算結(jié)構(gòu)化數(shù)據(jù)庫(kù)表以及水務(wù)文本掛接算法結(jié)果的查準(zhǔn)率P、召回率R以及精確值和召回率的調(diào)和均值F，以評(píng)估算法，計(jì)算公式分別如下：

查準(zhǔn)率：

召回率：

精確值和召回率的調(diào)和均值：

步驟3-2-4：選取評(píng)估結(jié)果最好的一種結(jié)構(gòu)化數(shù)據(jù)庫(kù)表掛接算法以及一種非結(jié)構(gòu)化水務(wù)文本的掛接算法，分別在水務(wù)知識(shí)圖譜中對(duì)這兩種數(shù)據(jù)進(jìn)行掛接，得到最終完善的水務(wù)知識(shí)圖譜。