[發明專利]一種基于圖數據庫的數字人文搜索方法

有效

• 申請號: 202010065328.7
• 申請日: 2020-01-20
• 公開（公告）號: CN111309944B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 譚超;段飛虎;吳璟;丁琨;成鑫;馮自強;張宏偉
• 申請（專利權）人: 同方知網數字出版技術股份有限公司
• 主分類號: G06F16/532
• 分類號: G06F16/532;G06F16/28
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 王澤云

1.一種基于圖數據庫的數字人文搜索方法，其特征在于，包括：

A將數字人文的數據記錄按照粗細粒度，構建基于數字人文知識圖譜，并存儲在圖數據庫；

B對圖譜進行加權處理；

C意圖識別，將自然語言問句轉換成意圖表達式；

D利用圖搜索算法，在圖數據庫找到對應的實體和關系，并找到和命中實體/關系有關聯的實體及關系，取得分類，作為檢索條件，構造KSQL，查詢關系數據庫中得到檢索的結果集，對結果進行基于相關度排序，得到最終的相關度排序結果集；

E對排序算法進行優化；

F根據相關分類規則構建相關分類輔助檢索，在得到結果集后推出相關分類及下級分類；

G記錄檢索日志及瀏覽收藏歷史，回歸訓練，定時更新ffd值，保持數字人文數據的冷熱程度和權重占比；

所述C中：將文本作為一個實體在圖數據庫中按圖搜索算法，分別以全詞，近義詞，上位詞等順序優先精確匹配；

對問句進行分詞，降噪處理，去除對全文內容沒有影響的詞匯，對現有分詞結果的詞匯向已有的主題詞轉換，將主題詞自由組合，在圖譜里按圖搜索；具體分為單實體、多實體、實體和關系、單關系、多關系，在圖數據庫中優先匹配主題詞有直接相互關系的結果，按照實體的精確、同義詞、模糊、上位詞，先后順序并按照路徑查找算法取最短路徑；

所述E包括：

由于數字人文內容數據豐富，出現了很多同名不同義的主題詞，內容的冷熱程度也大相徑庭，導致對用戶意圖理解的偏差較大，因此可以采用檢索歷史及用戶偏好對已有數據進行歸一化處理；

ffd值的算法通過對一條記錄被檢索到的次數qn，被瀏覽的次數vn，被收藏的次數cn求出本條記錄所對應的權重值x，其算法為：

對ffd按照(0,1)標準化

優化后的排序打分為S＝scord*ffd,即可得到數字人文冷熱數據相關度由高到底的排序；

所述F中：

使用圖數據庫NEO4J的深度檢索，其寫法為：

MATCH(n:`數字人文`)-[:TYPE*minHops..maxHops]-(m)return*

本算法每次查詢返回深度3的節點及關系，為用戶提供粗細三層的相關推薦；根據受眾的即時需求選擇性對檢索結果進行篩選，提供可能需要的數字人文信息,進行可視化展示；

相關分類規則：

自然語言問句識別意圖后，在數字人文圖譜中取得對應的分類編碼和屬性，根據節點和關系屬性，分為以下幾種情況：

(1)若實體屬于一個分類；

a判斷有無下位分類，無下位分類則不展示；有下位分類則進行下一步判斷；

b判斷該分類的相關分類狀態，相關分類狀態＝0，則不展示該實體所屬分類的所有下位分類；相關分類狀態＝1，則進行下一步判斷；

c判斷分類類別屬性是否為空，非空，先展示類別屬性名，再顯示該實體所屬分類的所有下位分類；為空，則直接顯示該實體所屬分類的所有下位分類；

(2)若實體屬于多個分類；

a基于相關分類狀態和分類類別屬性進行判斷，若相關分類狀態＝0，則相關分類不展示該實體的下位分類；

b反之，判斷跨分類狀態；若跨分類狀態＝1，且分類類別屬性為空，則相關分類顯示該實體的下位分類；

c若跨分類狀態＝1，且分類類別屬性不為空，則相關分類先展示類別屬性再展示其下位分類；

d若跨分類狀態＝0，且分類類別屬性為空，相關分類顯示本級分類及其下位分類；

e若跨分類狀態＝0，且分類類別屬性不為空，則相關分類先展示類別屬性再展示其下位分類；

(3)若實體不屬于分類且含包含關系；

(4)若檢索詞為關系且與其相關的上位實體有多個時，補充關系的上位實體并展示該關系分類所有的下位分類；

(5)若檢索詞為關系，且與其相關的上位實體僅為一個時，若相關分類狀態＝0，則隱藏“相關分類”欄目；反之，判斷分類類別屬性是否為空，若是，展示其所有的下位分類，若否，先展示類別屬性再展示其下位分類；

(6)檢索詞為一個類別的情況；

(7)檢索詞為多個實體/關系的情況；

將檢索語句切分成不同的實體和關系，基于分類層級關系顯示相關分類狀態。