[發(fā)明專利]一種面向公共安全領(lǐng)域的多源異構(gòu)數(shù)據(jù)實(shí)體對(duì)齊方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010587383.2
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN111753024A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 魏忠誠(chéng);張潔瀅;趙繼軍;王超;陳湘國(guó);生龍;任丹萍;李志華
• 申請(qǐng)（專利權(quán)）人: 河北工程大學(xué)
• 主分類號(hào): G06F16/28
• 分類號(hào): G06F16/28;G06F40/295;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 河北東尚律師事務(wù)所 13124
• 代理人: 王文慶

本發(fā)明公開了一種面向公共安全領(lǐng)域的多源異構(gòu)數(shù)據(jù)實(shí)體對(duì)齊方法，屬于數(shù)據(jù)融合處理領(lǐng)域。其包括以下步驟：獲取公共安全領(lǐng)域多個(gè)系統(tǒng)基礎(chǔ)數(shù)據(jù)；抽取多源異構(gòu)數(shù)據(jù)實(shí)體及關(guān)系信息；提取實(shí)體屬性信息為三元組形式；結(jié)合第三方知識(shí)庫(kù)，計(jì)算實(shí)體屬性權(quán)重大??；對(duì)實(shí)體屬性信息進(jìn)行詞級(jí)別和句級(jí)別向量訓(xùn)練；獲取實(shí)體關(guān)系鄰接矩陣，使用圖嵌入模型訓(xùn)練獲得實(shí)體結(jié)構(gòu)嵌入向量表示；通過(guò)實(shí)體名稱進(jìn)行初步實(shí)體對(duì)齊作為對(duì)齊種子；在屬性權(quán)重約束下聯(lián)合實(shí)體結(jié)構(gòu)信息，計(jì)算實(shí)體相似度，通過(guò)SameAs進(jìn)行相似實(shí)體鏈接。本發(fā)明不依賴于已對(duì)齊實(shí)體對(duì)種子，可以根據(jù)需求對(duì)齊兩個(gè)或多個(gè)系統(tǒng)所需數(shù)據(jù)，能夠?qū)崿F(xiàn)公共安全領(lǐng)域不同部門、不同場(chǎng)景上數(shù)據(jù)的融合互通。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)融合處理技術(shù)領(lǐng)域，具體來(lái)說(shuō)是指一種面向公共安全領(lǐng)域的多源異構(gòu)數(shù)據(jù)實(shí)體對(duì)齊方法。

背景技術(shù)

公共安全領(lǐng)域具有多樣化場(chǎng)景服務(wù)，同時(shí)產(chǎn)生大量多源異構(gòu)數(shù)據(jù)。融合公共安全領(lǐng)域數(shù)據(jù)應(yīng)用在多個(gè)方面都具有重要意義，如防止事故災(zāi)難、預(yù)防自然災(zāi)害、輔助交通管理，打擊違法犯罪等。由于公共安全數(shù)據(jù)的不同場(chǎng)景、不同部門存儲(chǔ)，單一部門數(shù)據(jù)信息覆蓋率低，無(wú)法支撐應(yīng)用層操作；不同數(shù)據(jù)集間存在較大冗余性和差異性，但是系統(tǒng)間數(shù)據(jù)異構(gòu)性強(qiáng)，不易于共享與集成。如何實(shí)現(xiàn)不同系統(tǒng)的知識(shí)融合，合理高效的使用數(shù)據(jù)是公共安全領(lǐng)域應(yīng)用的迫切需求。其中，實(shí)體對(duì)齊是首要的關(guān)鍵技術(shù)。

實(shí)體對(duì)齊也叫實(shí)體匹配，用來(lái)協(xié)調(diào)不同數(shù)據(jù)源之間的差異，是判斷相同或不同數(shù)據(jù)集中兩個(gè)實(shí)體是否指向真實(shí)世界同一對(duì)象的處理過(guò)程，能夠解決數(shù)據(jù)集中實(shí)體的復(fù)用問(wèn)題，進(jìn)而支持知識(shí)推理等上層應(yīng)用。實(shí)體對(duì)齊最傳統(tǒng)的方法是基于映射技術(shù)，該方法擴(kuò)展性較差，而且只考慮一種類型的實(shí)體，不具備普遍適用性；基于屬性相似度匹配方法，這些方法依賴實(shí)體的外部信息，如Wikipedia的鏈接，需要人工設(shè)計(jì)屬性匹配規(guī)則，因此，該方法需要耗費(fèi)大量人力，而且難以在多領(lǐng)域空間遷移；之后加入屬性權(quán)重，但只考慮了屬性范圍，未考慮屬性權(quán)重；基于聚類思想的方法，只考慮了屬性值字符串層面的相似度，忽略了語(yǔ)義層面的信息；近年來(lái)，基于表示學(xué)習(xí)的實(shí)體對(duì)齊算法逐漸成為主流，這類方法將實(shí)體和關(guān)系映射到低維向量空間，但是僅對(duì)語(yǔ)義信息進(jìn)行了建模，忽略了實(shí)體的屬性等相關(guān)信息。

因此，現(xiàn)有技術(shù)中的實(shí)體對(duì)齊方法還有待改進(jìn)，而且如何提高實(shí)體對(duì)齊精確度，并將其應(yīng)用到公共安全領(lǐng)域，已經(jīng)成為急需解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中公共安全領(lǐng)域數(shù)據(jù)量大難以高效利用的缺陷，提供一種面向公共安全領(lǐng)域的多源異構(gòu)數(shù)據(jù)實(shí)體對(duì)齊方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種面向公共安全領(lǐng)域的多源異構(gòu)數(shù)據(jù)實(shí)體對(duì)齊方法，包括以下步驟：

(1)獲取公共安全多源異構(gòu)數(shù)據(jù)，所述公共安全多源異構(gòu)數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；

(2)對(duì)公共安全多源異構(gòu)數(shù)據(jù)進(jìn)行實(shí)體識(shí)別及關(guān)系抽取，得到實(shí)體關(guān)系，每個(gè)實(shí)體關(guān)系表示為一個(gè)三元組形式；

(3)對(duì)公共安全多源異構(gòu)數(shù)據(jù)進(jìn)行屬性信息提取，得到實(shí)體屬性，每個(gè)實(shí)體屬性表示為一個(gè)三元組形式；

(4)對(duì)步驟(3)得到的實(shí)體屬性進(jìn)行預(yù)處理，計(jì)算屬性權(quán)重；

(5)訓(xùn)練一個(gè)知識(shí)庫(kù)中實(shí)體屬性的詞向量，根據(jù)訓(xùn)練結(jié)果，得到其他知識(shí)庫(kù)的詞向量表示，進(jìn)而得到數(shù)據(jù)集中屬性值的句級(jí)別向量；

(6)獲取鄰接矩陣，使用只有前向傳播的Att_GCN模型學(xué)習(xí)實(shí)體的結(jié)構(gòu)信息，采用兩層卷積結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練實(shí)體結(jié)構(gòu)向量，并加入注意力機(jī)制加強(qiáng)訓(xùn)練結(jié)果的準(zhǔn)確性；

(7)進(jìn)行初步實(shí)體對(duì)齊并將結(jié)果作為對(duì)齊種子；

(8)計(jì)算實(shí)體距離打分函數(shù)；

(9)根據(jù)種子對(duì)齊訓(xùn)練實(shí)體對(duì)齊模型；