[發明專利]一種以群智感知任務為中心的知識圖譜構建方法

在審

• 申請號: 202011053028.3
• 申請日: 2020-09-29
• 公開（公告）號: CN112463976A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 金嘉暉;高士杰;熊潤群;張競慧
• 申請（專利權）人: 東南大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/295;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 薛雨妍

1.以群智感知任務為中心的演化知識圖譜構造方法，其特征在于，該方法包括以下步驟：

步驟(1)在群智感知任務中，以Application為核心構建知識圖譜子圖，感知任務由Publisher發布，可以擁有多個子任務Task；對發布任務，有hasEvent關系描述特定時間點，hasPlace描述感知地點；每個子任務有hasTitle表示任務名稱，hasDescription描述任務詳情，hasType描述任務類型，hasState描述具體的感知結果，State可以記錄感知的對象hasEntity，感知的對象hasPlace，感知的執行者hasActor，而感知的詳細數據將以haseAttr進行保存，以key/value對的形式保留數據key為結果類型，value為狀態值；

步驟(2)感知人員進行感知之后，通過平臺提交感知數據T，感知數據一般情況下是非格式化的描述文字。對感知數據運用雙向LSTM-CRF進行命名實體識別，抽取非格式化文本T中的對應描述實體M；同時，感知數據T中針對感知對象的描述往往包含某種描述關系，通過預處理后，對信息中存在的關系進行抽取，構造M-R-M關系鏈；

步驟(3)通過步驟(2)得到相關描述實體集合后，需要將描述實體M與知識圖譜中節點E進行匹配；利用迭代式搜索算法，首先得到描述實體M的候選節點集在迭代時，篩選匹配度高于閾值的M標記為“已匹配”，作為訓練的錨點；每次迭代都加入新的“已匹配”集，直到全部匹配；則M-R-M關系可以構造成E-R-E關系鏈；

步驟(4)將感知人員提供的E-R-E信息進行可信度檢測，主要方式為根據感知人員歷史感知信息可靠度，將感知人員區分為勤奮的、草率的和惡意的工作者，丟棄評分過低的感知信息；最后將該次感知的信息構建成圖譜子圖，并加入原始圖譜中，形成圖譜的演化過程。

2.根據權利要求1所述的以群智感知任務為中心的演化知識圖譜構造方法，其特征在于，步驟(2)中，采用雙向LSTM模型進行命名實體識別及關系提取，具體步驟為：

步驟(2.1)利用業內公開的標注數據集作為訓練樣本；在命名實體識別中，采用雙向LSTM-CRF模型；首先，對輸入的非格式化信息T進行分詞操作得到字詞c_j；然后，通過向量映射層將輸入的字或詞映射為低維向量(一般采用GloVe)，即：其中，T^c為映射函數，將字詞映射得到特定的嵌入向量，為對應于詞c_j的詞向量；

步驟(2.2)將詞向量輸入雙向LSTM網絡中，將正反方向LSTM模型輸出的向量進行拼接得到輸出向量將該向量輸入CRF層，并進而得到預測的標簽L_j輸出。其中，CRF條件隨機場可以形式化的表示為：

其中，輸出的分數是每個詞c_i映射到tag_j的概率；在CRF中，存在轉移概率矩陣A，A_i，j代表tag_i轉移到tag_j的轉移概率；矩陣P_i，j為雙向LSTM輸出的預測分數，即第i個字對應第i個標簽的概率；

根據如下損失函數，使得真實路徑的占比在全部計算可能路徑中比例盡可能提高。路徑值即各字詞對應標簽形成的概率分數，其中P₁，P₂等為詞c_i對應于特定標簽的可能結果，P_RealPath為最終正確的對應方式。

在最終輸出結果中，挑選分值最大者為標記結果。將訓練好的模型用于標注得到的非結構化感知數據。通過該模型，可以得到c_j：L_j映射，表示詞c_j的標簽為L_j；

步驟(2.3)通過步驟(2.2)得到{c_j：L_j}映射集；首先對映射集進行預篩除，忽略其中所有標注非“人物”、“地點”、“時間”、“動詞”等信息；隨后，構建關系詞字典，用于匹配動詞中的描述過程；對于非精確匹配的動詞，利用編輯距離計算相似度，高于某個閾值者認為匹配；最后，迭代處理映射集，按照“實體”-“動詞”-“實體”的規范讀取規范化的數據，將每一條關系作為單個元素構成M-R-M集合{c_i：L_k：c_j}。