[發明專利]一種基于模式匹配的實體并列關系相似度計算方法

在審

• 申請號: 201910583113.1
• 申請日: 2019-07-01
• 公開（公告）號: CN110781309A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 劉家祥
• 申請（專利權）人: 廈門美域中央信息科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06K9/62;G06Q50/26
• 代理公司: 11589 北京勁創知識產權代理事務所(普通合伙)
• 代理人: 王志敏

一種基于模式匹配的實體并列關系相似度計算方法，包括以下具體步驟：構建知識圖譜A和數據庫B；輸入模式匹配成功的初始數據C；將初始數據C輸入知識圖譜A中，對得到實體片段信息組D進行聚類，并根據得到第一聚類實體信息E建立第一共詞網絡F；在數據庫中檢索包括實體片段信息組D的語料，并將得到語料組G輸入知識圖譜A中，得到語料組G所包括的實體信息H；將得到的實體信息H進行聚類，并根據得到第二聚類實體信息I建立語料組G對應的第二共詞網絡J；計算第一共詞網絡F和第二共詞網絡J之間的相似度。本發明能縮短使用者從數據庫中獲取使用者所需信息的檢索時間，進而提高了工作效率。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種基于模式匹配的實體并列關系相似度計算方法。

背景技術

實體相似度的計算有諸多應用，相似度模型的典型應用場景就是找到和某個實體相似的其他實體。隨著信息網絡技術的發展，網絡上的信息呈指數增長，當需要對相關主題的信息進行統計時，由于網絡上統計出的數據信息無法估計，只是依靠人力管理勢必會浪費諸多的人力資源，且需要耗費大量的時間才能得到所需的相關信息，往往還會出現偏差；為此，本申請提出一種基于模式匹配的實體并列關系相似度計算方法。

發明內容

(一)發明目的

為解決背景技術中存在的技術問題，本發明提出一種基于模式匹配的實體并列關系相似度計算方法，本發明能縮短使用者從數據庫中獲取使用者所需信息的檢索時間，進而提高了工作效率。

(二)技術方案

為解決上述問題，本發明提供了一種基于模式匹配的實體并列關系相似度計算方法，包括以下具體步驟：

S1、構建知識圖譜A和數據庫B；

S2、輸入模式匹配成功的初始數據C；

S3、將初始數據C輸入知識圖譜A中，得到實體片段信息組D；

S4、將得到的實體片段信息組D進行聚類，得到第一聚類實體信息E；

S5、根據第一聚類實體信息E建立初始數據A對應的第一共詞網絡F；

S6、在數據庫中檢索包括實體片段信息組D的語料，得到語料組G；

S7、將語料組G輸入知識圖譜A中，得到語料組G所包括的實體信息H；

S8、將得到的實體信息H進行聚類，得到第二聚類實體信息I；

S9、根據第二聚類實體信息I建立語料組G對應的第二共詞網絡J；

S10、計算第一共詞網絡F和第二共詞網絡J之間的相似度。

優選的，初始數據C包括結構化數據、非結構化的數據和半結構化的數據。

優選的，S3中對初始數據C輸入知識圖譜A進行處理的具體步驟為：

S31、將初始數據C轉化為結構化數據K；

S32、對結構化數據K進行分詞，得到實體片段信息組D。

優選的，對結構化數據K進行分詞后，需要對其進行分詞后的信息進行過濾。

優選的，S3中初始數據C輸入到知識圖譜A中，得到初始數據C相關的知識圖譜A1。

優選的，S7中語料組G輸入到知識圖譜A中，得到語料組G相關的知識圖譜A2。

優選的，S6中在得到的語料組G之前需要對得到的語料信息進行篩選，具體方法為：檢測得到的語料信息是否包含實體，若包括，則對語料信息進行匯總，得到語料組G；若不包括，則對不包括實體的語料信息進行舍棄。

本發明的上述技術方案具有如下有益的技術效果：