[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

本發明公開了一種基于圖數據庫的數字人文搜索方法，包括：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；對圖譜進行加權處理；圖識別，將自然語言問句轉換成意圖表達式；利用圖搜算法，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；對排序算法進行優化；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；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。

技術領域

本發明涉及數字人文搜索技術領域，尤其涉及一種基于圖數據庫的數字人文搜索方法。

背景技術

傳統和文化的知識本身散落在各領域的知識體系中，如何在海量的數字人文信息中通過深層的鑒定和甄別，剔除糟粕，選取精華、優質的內容是目前數字人文正本清源規范化中的突出問題。

中華數字人文涵蓋思想文化、政治、經濟、藝術、科技等方方面面，有效精準的開展傳數字人文的學習，要求對數字人文的知識點進行深入的梳理挖掘，并形成全面系統的數字人文知識體系；同時，要求數字人文的知識點要深度關聯，通過任何一個文化知識元，都可以開展跨學科、系統化、宏觀性的數字人文閱讀學習。

在數字人文領域，傳統搜索引擎只是簡單地根據用戶輸入的關鍵詞去篩選目標網頁，然后給出一堆網頁鏈接。本算法在數字人文領域實現的數字人文檢索，不僅可以展示豐富的數字人文知識，而且還可以根據受眾的即時需求選擇性提供其可能需要的數字人文信息，并可以呈現出這些信息之間的某種趣味性或實用性聯系，以彌補原始文化傳播方式的不足。只要輸入一個檢索詞，搜索結果就會是一個與使用者需求高度匹配的數字人文知識集，并為使用者提供各種角度來了解其中的關聯，從而更直接、更迅速地滿足使用者的求知欲或生產生活需求。

一般地，面向數字人文領域的搜索有兩種：1.將句子分割成字符文本，直接去關系數據庫模糊匹配；2.將句子的關鍵詞取其同義詞取關系數據庫模糊檢索。以上兩者均不能識別用戶的主觀需求，不能識別文本間的關系，完全靠文本的相似度來取得結果，不能很好的解決用戶要檢索的內容。

為解決此問題，本文提供了一種基于圖數據庫的數字人文檢索方法，首先根據關系數據庫的記錄，按粗細粒度分類，構建數字人文的知識圖譜，之后再針對圖數據庫的知識圖譜，通過自然語言識別出文本主題詞，然后在圖數據庫間計算和查找對應實體和關系的規則，取出結果和相關分類，實現了基于圖數據庫知識圖譜的數字人文檢索。

發明內容

為解決上述技術問題，本發明的目的是提供一種基于圖數據庫的數字人文檢索方法，該算法即給定自然語言問題，通過對問題進行語義理解和解析，進而利用圖數據庫和關系數據庫進行查詢、推理得出答案。

本發明的目的通過以下的技術方案來實現：

一種基于圖數據庫的數字人文檢索方法，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。