[發明專利]一種基于海量文本數據的人事關系知識圖譜構建方法在審
| 申請號： | 201910539129.2 | 申請日： | 2019-06-20 |
| 公開（公告）號： | CN110245244A | 公開（公告）日： | 2019-09-17 |
| 發明（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）人： | 貴州電網有限責任公司 |
| 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 |
| 地址： | 550002 貴*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 圖譜 海量文本數據 計算實體 時間實體 事件實體 圖譜構建 構建 數據庫構建 關系數據 海量數據 距離判斷 實體關系 文本內容 挖掘 解析 數據庫 發現 | ||
【權利要求書】：
1.一種基于海量文本數據的人事關系知識圖譜構建方法，其特征在于：該方法包括以下步驟：
（1）解析海量word數據，提取所需文本內容；
遍歷所有文件，找到word文件，將word文件全部轉化為html文件，解決加密word文檔的麻煩，通過爬蟲方式，提取所有的文本數據；
（2）挖掘事件、人、部門及時間實體；
通過結巴分詞，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，則構成一個事件實體；
（3）計算實體距離，判斷實體關系；
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）數據插入Neo4j構建知識圖譜；
得到一個關系數據，關系數據包括事件實體、時間實體、人名實體或部門名實體，將關系數據插入Neo4j數據庫中，構建知識圖譜。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州電網有限責任公司，未經貴州電網有限責任公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910539129.2/1.html，轉載請聲明來源鉆瓜專利網。
