[發(fā)明專利]一種基于海量文本數(shù)據(jù)的人事關(guān)系知識圖譜構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 201910539129.2
• 申請日: 2019-06-20
• 公開（公告）號: CN110245244A
• 公開（公告）日: 2019-09-17
• 發(fā)明（設計）人: 吳漾;王鵬宇;郭仁超;方繼宇;孔慶波;柳林溪
• 申請（專利權(quán)）人: 貴州電網(wǎng)有限責任公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/901;G06Q10/10
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 胡緒東

1.一種基于海量文本數(shù)據(jù)的人事關(guān)系知識圖譜構(gòu)建方法，其特征在于：該方法包括以下步驟：

（1）解析海量word數(shù)據(jù)，提取所需文本內(nèi)容；

遍歷所有文件，找到word文件，將word文件全部轉(zhuǎn)化為html文件，解決加密word文檔的麻煩，通過爬蟲方式，提取所有的文本數(shù)據(jù)；

（2）挖掘事件、人、部門及時間實體；

通過結(jié)巴分詞，添加自定義詞庫，標注人名為：per，部門名為：dep，通過正則表達式得到時間，加入專有名詞庫，分詞后專有名詞前或后2個詞，如果有動詞v，則構(gòu)成一個事件實體；

（3）計算實體距離，判斷實體關(guān)系；

在一句話中，正則表達式匹配出一個時間實體，時間實體第一個字在這句話中的位置，這句話中如果出現(xiàn)多個事件實體，所有的事件實體的時間就這個時間實體，出現(xiàn)人名實體或部門實體，計算人名實體第一個字的位置與事件實體出現(xiàn)的第一個之間的距離，距離最小的就是事件實體的所屬實體；

（4）數(shù)據(jù)插入Neo4j構(gòu)建知識圖譜；

得到一個關(guān)系數(shù)據(jù)，關(guān)系數(shù)據(jù)包括事件實體、時間實體、人名實體或部門名實體，將關(guān)系數(shù)據(jù)插入Neo4j數(shù)據(jù)庫中，構(gòu)建知識圖譜。