[發(fā)明專(zhuān)利]用于文本處理的知識(shí)圖譜擴(kuò)充方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910715577.3
• 申請(qǐng)日: 2019-08-05
• 公開(kāi)（公告）號(hào): CN110427496B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 趙岷;秦華鵬;程健一;呂雅娟
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類(lèi)號(hào): G06F16/36
• 分類(lèi)號(hào): G06F16/36;G06F40/295
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 鈄颯颯;劉芳

本發(fā)明實(shí)施例提供一種用于文本處理的知識(shí)圖譜擴(kuò)充方法及裝置，電子設(shè)備接收到用戶輸入的關(guān)聯(lián)請(qǐng)求后，判斷文本片段是否能夠關(guān)聯(lián)至知識(shí)圖譜已收錄的實(shí)體，若無(wú)法將文本片段關(guān)聯(lián)至知識(shí)圖譜已收錄的實(shí)體，則根據(jù)知識(shí)圖譜中每個(gè)實(shí)體類(lèi)別的類(lèi)別向量，對(duì)所述知識(shí)圖譜進(jìn)行擴(kuò)充，從而擴(kuò)充知識(shí)圖譜中實(shí)體的數(shù)量，實(shí)現(xiàn)增強(qiáng)知識(shí)圖譜表示能力、提升文本處理任務(wù)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及知識(shí)圖譜技術(shù)領(lǐng)域，尤其涉及一種用于文本處理的知識(shí)圖譜擴(kuò)充方法及裝置。

背景技術(shù)

信息爆炸時(shí)代，每天都會(huì)有海量的實(shí)體與信息產(chǎn)生。互聯(lián)網(wǎng)作為當(dāng)今最為便捷的信息獲取平臺(tái)，用戶通過(guò)互聯(lián)網(wǎng)獲取有效信息的需求日益迫切，如何從海量數(shù)據(jù)中獲取有價(jià)值的信息成為一個(gè)難題，知識(shí)圖譜于此應(yīng)運(yùn)而生。

知識(shí)圖譜(knowledge graph，KG)本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點(diǎn)(Point)和邊(Edge)組成。在知識(shí)圖譜里，每個(gè)節(jié)點(diǎn)表示一個(gè)實(shí)體，每條邊表示實(shí)體與實(shí)體之間的關(guān)系。其中，實(shí)體指具有可區(qū)別性且獨(dú)立存在的某種事物，例如某一個(gè)人、某一個(gè)城市、某一種植物、某一種商品等。知識(shí)圖譜是關(guān)系的最有效的表示方式，旨在描述真實(shí)世界中存在的各種實(shí)體或概念及其關(guān)系。知識(shí)圖譜通過(guò)將數(shù)據(jù)結(jié)構(gòu)化，輸出主體(subject)、謂詞(property)、客體(object)三元組(SPO)。例如，西安是陜西省的省會(huì)這一知識(shí)，在知識(shí)圖譜中即可用三元組關(guān)系陜西，省會(huì)，西安進(jìn)行表示。知識(shí)圖譜被廣泛運(yùn)用于推薦系統(tǒng)、信息檢索、智能問(wèn)答系統(tǒng)等文本處理任務(wù)中。文本處理任務(wù)中，首先，基于知識(shí)圖譜得到每個(gè)實(shí)體的實(shí)體向量，然后，對(duì)文本片段進(jìn)行實(shí)體鏈接，將可關(guān)聯(lián)到實(shí)體的文本片段標(biāo)注為知識(shí)圖譜中的一個(gè)實(shí)體或多個(gè)同名實(shí)體，最后，使用該些實(shí)體對(duì)應(yīng)的實(shí)體向量作為文本片段或整個(gè)文本的特征，執(zhí)行文本處理任務(wù)。

然而，知識(shí)圖譜對(duì)現(xiàn)實(shí)存在的實(shí)體的覆蓋往往是不全面的，知識(shí)圖譜中收錄的實(shí)體數(shù)量經(jīng)常小于現(xiàn)實(shí)中實(shí)際存在的實(shí)體數(shù)。因此，在利用知識(shí)圖譜對(duì)文本進(jìn)行標(biāo)注時(shí)，經(jīng)常出現(xiàn)文本片段表示的實(shí)體，不在知識(shí)圖譜收錄范圍內(nèi)的現(xiàn)象；或者，文本片段表示的實(shí)體雖然與知識(shí)圖譜收錄的實(shí)體的名稱(chēng)相同，但是實(shí)際是不同實(shí)體的現(xiàn)象，導(dǎo)致出現(xiàn)無(wú)法鏈接或者鏈接錯(cuò)誤的現(xiàn)象，進(jìn)而導(dǎo)致無(wú)法準(zhǔn)確的執(zhí)行文本處理任務(wù)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種用于文本處理的知識(shí)圖譜擴(kuò)充方法及裝置，通過(guò)擴(kuò)展知識(shí)圖譜中實(shí)體的數(shù)量，增強(qiáng)知識(shí)圖譜表示能力，進(jìn)而提升文本處理任務(wù)的準(zhǔn)確性。

本發(fā)明提供的一種用于文本處理的知識(shí)圖譜擴(kuò)充方法，包括：

接收用戶輸入的關(guān)聯(lián)請(qǐng)求，所述關(guān)聯(lián)請(qǐng)求用于請(qǐng)求將文本片段關(guān)聯(lián)至知識(shí)圖譜已收錄的實(shí)體；

判斷是否能將所述文本片段關(guān)聯(lián)至所述知識(shí)圖譜已收錄的實(shí)體；

若所述文本片段無(wú)法關(guān)聯(lián)至所述知識(shí)圖譜已收錄的實(shí)體，則根據(jù)所述知識(shí)圖譜中每個(gè)實(shí)體類(lèi)別的類(lèi)別向量，對(duì)所述知識(shí)圖譜進(jìn)行擴(kuò)充，所述知識(shí)圖譜中的每個(gè)實(shí)體對(duì)應(yīng)一個(gè)實(shí)體類(lèi)別。

一種可行的設(shè)計(jì)中，所述若所述文本片段無(wú)法關(guān)聯(lián)至所述知識(shí)圖譜已收錄的實(shí)體，則根據(jù)所述知識(shí)圖譜中每個(gè)實(shí)體類(lèi)別的類(lèi)別向量，對(duì)所述知識(shí)圖譜進(jìn)行擴(kuò)充，包括：

確定知識(shí)圖譜中第一實(shí)體的第一實(shí)體向量，所述第一實(shí)體是所述知識(shí)圖譜已收錄的實(shí)體；

根據(jù)所述第一實(shí)體向量和每個(gè)實(shí)體類(lèi)別的類(lèi)別向量，確定第二實(shí)體向量；

將所述第二實(shí)體向量對(duì)應(yīng)的第二實(shí)體收錄至所述知識(shí)圖譜。

一種可行的設(shè)計(jì)中，所述根據(jù)所述第一實(shí)體向量和每個(gè)實(shí)體類(lèi)別的類(lèi)別向量，確定第二實(shí)體向量，包括：

確定所述知識(shí)圖譜中與所述第一實(shí)體的實(shí)體名相同的實(shí)體，以得到多個(gè)第一集合；

將所述第一集合中的實(shí)體按照所述第一實(shí)體的實(shí)體名聚合，以得到所述實(shí)體名的類(lèi)別分布；