[發明專利]基于bert算法模型的知識圖譜構建方法

在審

• 申請號: 201911114513.4
• 申請日: 2019-11-14
• 公開（公告）號: CN111221976A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 牛志超;南海濤;劉林;馬語菡;王俊;費廷偉;劉戎;徐永偉;高曉瓊
• 申請（專利權）人: 北京京航計算通訊研究所
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 周恒

1.一種基于bert算法模型的知識圖譜構建方法，其特征在于，所述方法包括如下步驟：

步驟1：對歸零文檔領域的數據做預處理得到實體識別模型需要的標注數據集；利用標注數據集訓練bert-bilstm-crf中文命名識別算法模型，得到歸零文檔實體識別模型；

步驟2：讀入歸零文檔，對歸零文檔做預處理，降低異常值和冗余數據的干擾，得到低噪聲的文本數據；將低噪聲的文本數據按照章節目錄結構進行切分，切成與章節目錄對應的段落，使每個章節目錄與段落一一映射，形成若干個有章節目錄的段落；

步驟3：利用歸零文檔實體識別模型對有章節目錄的段落數據進行實體提取；同時利用句法依存關系算法提取實體與實體之間的關系，將提取的關系與提取到的實體一一連接，形成知識圖譜的三元組；

步驟4：因此利用上下位關系、同意關系、反義關系、關聯關系將多個歸零文檔實體的橫向和縱向關聯打通，形成整體歸零文檔知識圖譜三元組；

步驟5：將最終生成的整體歸零文檔知識圖譜三元組存儲在圖數據庫中，形成知識圖譜，為后續的相關應用提供基礎的數據支撐。

2.如權利要求1所述的基于bert算法模型的知識圖譜構建方法，其特征在于，所述步驟3和步驟4之間，還包括：

由于歸零文檔本身知識體系的不完善性，結合歸零文檔和公開的領域詞典對提取的實體和關系進行融合和完善，使實體和關系更加完善充實，最終形成單文檔的知識圖譜三元組。

3.如權利要求2所述的基于bert算法模型的知識圖譜構建方法，其特征在于，所述公開的領域詞典包括來自清華的領域詞典。

4.如權利要求2所述的基于bert算法模型的知識圖譜構建方法，其特征在于，所述公開的領域詞典包括來自百度的領域詞典。

5.如權利要求1所述的基于bert算法模型的知識圖譜構建方法，其特征在于，所述步驟5中，所述圖數據庫為neo4j圖數據庫。

6.如權利要求1所述的基于bert算法模型的知識圖譜構建方法，其特征在于，所述步驟5中，所述圖數據庫為JanusGraph圖數據庫。