[發明專利]一種面向持續性社會事件的知識圖譜的構建方法

在審

• 申請號: 202010260822.9
• 申請日: 2020-04-03
• 公開（公告）號: CN113495951A
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 榮杰
• 申請（專利權）人: 源析（青島）信息技術有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36;G06F16/951;G06F40/284
• 代理公司: 北京康思博達知識產權代理事務所(普通合伙) 11426
• 代理人: 范國鋒;劉冬梅

本發明公開了一種面向持續性社會事件的知識圖譜的構建方法及裝置，該方法包括：獲取原始數據，確定主體事件及關鍵詞，得到基礎語料庫；基于所述基礎語料庫，獲得貼合主體事件的數據；形成新的關鍵詞，更新基礎語料庫。本發明通過圍繞社會性主體事件的社會性資訊數據確定TF?IDF值，對比社會性資訊語料庫確定新的關鍵詞，并將新的關鍵詞添加到主體事件的基礎語料庫中，對基礎語料庫進行更新，從而實現對主體事件的持續跟蹤。本發明的方法能夠實現對社會性事件的持續跟蹤，達到事件的動態關注效果，解決了現有技術識別事件只能構建單一事件，無法對主體事件進行持續跟蹤的問題。

技術領域

本發明屬于數據處理領域，涉及知識圖譜的構建方法，具體涉及一種面向持續性社會事件的知識圖譜的構建方法。

背景技術

目前，面向互聯網海量文本數據的知識抽取是研究的主流，已有很多信息抽取的方法被提出用來解決該問題，按照抽取對象的不同，可分為實體抽取、關系抽取、屬性抽取和事件抽取。事件是發生在某個特定時間點或時間段、某個特定地域范圍內，由一個或者多個角色參與的一個或者多個動作組成的事情或者狀態的改變。

知識圖譜是一種由實體及實體關系組成的知識體系，其能夠提供高質量的結構化數據，已廣泛應用于人工智能的多個領域，例如自動問答、搜索引擎和信息抽取等。

目前已存在的知識資源(如維基百科等)所描述實體及實體間的關聯關系大多是靜態的。并且現有技術識別事件只能構建單一事件，無法對一個主體事件進行持續跟蹤。

因此，針對現有技術的不足，需要開發一種面向持續性社會事件的知識圖譜的構建方法。

發明內容

為了克服上述問題，本發明人進行了銳意研究，研究出一種面向持續性社會事件的知識圖譜的構建方法及裝置，該方法包括：獲取原始數據，確定主體事件及關鍵詞，得到基礎語料庫；基于所述基礎語料庫，獲得貼合主體事件的數據；形成新的關鍵詞，更新基礎語料庫。本發明通過圍繞社會性主體事件的社會性資訊數據確定TF-IDF值，對比社會性資訊語料庫確定新的關鍵詞，并將新的關鍵詞添加到主體事件的關鍵詞集合中，對關鍵詞集合進行更新，從而實現對主體事件的持續跟蹤。本發明的方法能夠實現對社會性事件的持續跟蹤，達到事件的動態關注效果，解決了現有技術識別事件只能構建單一事件，無法對主體事件進行持續跟蹤的問題，從而完成本發明。

本發明的目的在于提供一種面向持續性社會事件的知識圖譜的構建方法，所述方法包括：

獲取原始數據；

確定主體事件及關鍵詞，得到基礎語料庫；

基于所述基礎語料庫，獲得貼合主體事件的數據；

形成新的關鍵詞，更新基礎語料庫。

通過爬蟲技術實時獲取原始數據，所述原始數據包括半結構化數據、非結構化數據，所述原始數據為與社會性事件相關的數據，優選為社會資訊文檔數據。

所述基礎語料庫包括所述關鍵詞，基于所述基礎語料庫，對原始數據進行查詢清洗，獲得貼合主體事件的數據。

對獲得的貼合主體事件的數據進行關鍵詞提取，所述關鍵詞的提取方法為TF-IDF方法、TextRank方法、ExpandRank方法中的一種或幾種，優選地，確定新的關鍵詞，所述新的關鍵詞通過TF-IDF方法確定，

優選地，所述通過TF-IDF方法確定新的關鍵詞的過程包括：

對所述貼合主體事件的數據進行分詞處理，獲得詞及相應的詞頻；

計算逆文檔頻率；

計算TF-IDF值。