[發(fā)明專利]用于綜合管廊領(lǐng)域的實體信息抽取及知識圖譜構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202010701527.2
• 申請日: 2020-07-20
• 公開（公告）號: CN111897914B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計）人: 朱安安;邱彥林;陳尚武
• 申請（專利權(quán)）人: 杭州敘簡科技股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F16/36;G06F40/211;G06F40/295
• 代理公司: 杭州易中元兆專利代理有限公司 33341
• 代理人: 葉衛(wèi)強

1.一種用于綜合管廊領(lǐng)域的實體信息抽取及知識圖譜構(gòu)建方法，其特征在于，包括如下步驟：

步驟(1)、數(shù)據(jù)采集：

基于已有綜合管廊結(jié)構(gòu)化數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)生成綜合管廊相關(guān)數(shù)據(jù)，這些數(shù)據(jù)包括已有相關(guān)設(shè)施設(shè)備的結(jié)構(gòu)化數(shù)據(jù)，以及通過爬蟲在相關(guān)政府網(wǎng)站、綜合管廊類網(wǎng)站、施工相關(guān)網(wǎng)站采集的綜合管廊相關(guān)文檔信息；這些綜合管廊相關(guān)文檔信息包括規(guī)劃類文檔信息、設(shè)計文檔、施工文檔、法律法規(guī)、政策標(biāo)準(zhǔn)、期刊、專利、報告、百科以及相關(guān)新聞；獲取的數(shù)據(jù)通過收集、清洗、分析、匯總、入庫工作后形成綜合管廊網(wǎng)絡(luò)知識庫；

步驟(2)、數(shù)據(jù)標(biāo)注訓(xùn)練：

根據(jù)上述步驟(1)采集的數(shù)據(jù)信息，選取部分?jǐn)?shù)據(jù)作為訓(xùn)練集進(jìn)行標(biāo)注訓(xùn)練，建立NLP模型；

通過人工篩選標(biāo)注的方式進(jìn)行標(biāo)注，作為訓(xùn)練數(shù)據(jù)；

在人工標(biāo)注過程中，對管廊行業(yè)相關(guān)詞進(jìn)行特殊標(biāo)注以便后續(xù)可根據(jù)詞性抽取實體，取“隧道”的英文“tunnel”的前三個字母“tun”作為管廊相關(guān)詞的特殊詞性，方便與其他詞性進(jìn)行區(qū)分；

確定各個實體的屬性分類，在考慮了管廊的特性后暫規(guī)劃的實體屬性有包含名詞解釋、實體設(shè)計、實體施工、實體運維要求、優(yōu)缺點在內(nèi)的共11種屬性以及父、子關(guān)系從屬的上下級關(guān)系；

運用BERT模型對標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，最后用訓(xùn)練好的模型對所有文檔進(jìn)行詞性標(biāo)注；

步驟(3)、實體屬性分類：

建立句子屬性分類模型，對符合三元組抽取的句子進(jìn)行實體屬性分類，得到該被分析句子所包含實體的屬性為哪一種；

步驟(4)、實體抽取：

建立基于語義角色和依存句法關(guān)系的三元組抽取模型，將綜合管廊數(shù)據(jù)通過預(yù)設(shè)模型抽取相關(guān)的實體，并分別抽取所述實體的基本屬性及實體之間的關(guān)系；其中抽取的實體包括實體名稱、基本屬性以及所屬文檔id；

步驟(5)、數(shù)據(jù)存儲：

根據(jù)所述三元組抽取模型，將獲取的所述實體的屬性及實體間邏輯關(guān)系進(jìn)行整合，去除相似及重復(fù)數(shù)據(jù)，消除矛盾及歧義數(shù)據(jù)，建立準(zhǔn)確的實體連接并存儲于圖數(shù)據(jù)庫中；

步驟(6)、知識圖譜生成：

基于Neo4J圖數(shù)據(jù)庫將所述三元組進(jìn)行存儲后，通過預(yù)設(shè)算法處理圖數(shù)據(jù)庫中的數(shù)據(jù)，將所述實體的屬性及實體關(guān)系連接按照實體-關(guān)系-實體的三元組數(shù)據(jù)用圖的方式進(jìn)行展現(xiàn)；

在步驟(4)中三元組抽取模型的抽取過程具體如下：

對每句話進(jìn)行語義角色和依存句法分析，對每個詞生成一個該詞的數(shù)組，用以記錄該詞的詞性、父子節(jié)點的詞性及其關(guān)系；

對每個詞性標(biāo)注為‘tun’的詞查找其是否具有語義角色關(guān)系，如存在則進(jìn)入屬性分類判斷其屬性歸屬，然后提取三元組，若不存在則進(jìn)行依存句法分析查詢；

對每個詞進(jìn)行查詢，找出其是否具有主謂賓，動賓，定語后置，缺失賓語情況下的介賓關(guān)系、前置賓語、間接賓語中的某一情況，若存在，先對關(guān)系進(jìn)行擴充，再判斷該關(guān)系結(jié)構(gòu)中存在幾個詞性為‘tun’的詞，若為一個則進(jìn)行屬性分類，若大于一個則進(jìn)行實體間的關(guān)系抽取，最終抽取出該情況下的三元組。