[發(fā)明專利]一種面向持續(xù)性社會(huì)事件的知識(shí)圖譜的構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010260822.9
• 申請(qǐng)日: 2020-04-03
• 公開（公告）號(hào): CN113495951A
• 公開（公告）日: 2021-10-12
• 發(fā)明（設(shè)計(jì)）人: 榮杰
• 申請(qǐng)（專利權(quán)）人: 源析（青島）信息技術(shù)有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/36;G06F16/951;G06F40/284
• 代理公司: 北京康思博達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

1.一種面向持續(xù)性社會(huì)事件的知識(shí)圖譜的構(gòu)建方法，其特征在于，所述方法包括：

獲取原始數(shù)據(jù)；

確定主體事件及關(guān)鍵詞，得到基礎(chǔ)語料庫；

基于所述基礎(chǔ)語料庫，獲得貼合主體事件的數(shù)據(jù)；

形成新的關(guān)鍵詞，更新基礎(chǔ)語料庫。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過爬蟲技術(shù)實(shí)時(shí)獲取原始數(shù)據(jù)，所述原始數(shù)據(jù)包括半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，所述原始數(shù)據(jù)為與社會(huì)性事件相關(guān)的數(shù)據(jù)，優(yōu)選為社會(huì)資訊文檔數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基礎(chǔ)語料庫包括所述關(guān)鍵詞，基于所述基礎(chǔ)語料庫，對(duì)原始數(shù)據(jù)進(jìn)行查詢清洗，獲得貼合主體事件的數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)獲得的貼合主體事件的數(shù)據(jù)進(jìn)行關(guān)鍵詞提取，確定新的關(guān)鍵詞，所述關(guān)鍵詞的提取方法為TF-IDF方法、TextRank方法、ExpandRank方法中的一種或幾種，優(yōu)選地，所述新的關(guān)鍵詞通過TF-IDF方法確定，

優(yōu)選地，所述通過TF-IDF方法確定新的關(guān)鍵詞的過程包括：

對(duì)所述貼合主體事件的數(shù)據(jù)進(jìn)行分詞處理，獲得詞及相應(yīng)的詞頻；

計(jì)算逆文檔頻率；

計(jì)算TF-IDF值。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)TF-IDF值由高到低進(jìn)行排序，保留TF-IDF值高于設(shè)定閾值的詞，確定新的關(guān)鍵詞，將新的關(guān)鍵詞添加到基礎(chǔ)語料庫中，對(duì)基礎(chǔ)語料庫進(jìn)行更新，優(yōu)選地，基于所述新的關(guān)鍵詞，溯源所述新的關(guān)鍵詞的原始社會(huì)性資訊文檔數(shù)據(jù)，基于標(biāo)本文檔，需要對(duì)多篇社會(huì)性資訊文檔進(jìn)行相似度分析，按照相似度排序，優(yōu)選地，根據(jù)余弦相似度方法，判斷兩篇文檔的相似度，更優(yōu)選地，兩篇文檔的相似度分析過程包括：

根據(jù)TF-IDF方法，確定兩篇文檔的關(guān)鍵詞；

分別確定兩篇文檔中的關(guān)鍵詞的詞頻；

分別形成兩篇文檔的詞頻向量；

計(jì)算兩個(gè)詞頻向量的余弦相似度。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，將多篇文檔數(shù)據(jù)按照相似度由高到低進(jìn)行排序，優(yōu)選地，標(biāo)記相似度最高的文檔為新的標(biāo)本文檔。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：更新基礎(chǔ)語料庫后，根據(jù)熱度熱點(diǎn)聚類的方式確定關(guān)鍵詞，進(jìn)而確定新的分支事件，優(yōu)選地，所述熱度熱點(diǎn)聚類的方式為根據(jù)話題熱度確定，所述話題熱度的影響因素包括報(bào)道速度、報(bào)道相似度以及報(bào)道權(quán)威度。

8.一種知識(shí)圖譜的構(gòu)建裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取原始數(shù)據(jù)，所述原始數(shù)據(jù)為與社會(huì)性事件相關(guān)的數(shù)據(jù)；

預(yù)處理模塊，用于根據(jù)主體事件及關(guān)鍵詞對(duì)原始數(shù)據(jù)進(jìn)行查詢清洗，獲得貼合主體事件的數(shù)據(jù)；

更新模塊，用于從貼合主體事件的數(shù)據(jù)中確定新的關(guān)鍵詞，并更新關(guān)鍵詞集合，確定分支事件；

構(gòu)建模塊，用于確定主體事件與分支之間的關(guān)系，構(gòu)建知識(shí)圖譜。

9.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品中的指令處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7之一所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括一個(gè)或多個(gè)程序，所述一個(gè)或多個(gè)程序包括指令，所述指令當(dāng)被計(jì)算機(jī)執(zhí)行時(shí)使得所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1-7之一所述的方法。