[發(fā)明專利]一種量綱知識圖譜構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202011112293.4
• 申請日: 2020-10-16
• 公開（公告）號: CN112256883B
• 公開（公告）日: 2023-01-13
• 發(fā)明（設(shè)計）人: 曹皓偉;王小紅;趙志剛
• 申請（專利權(quán)）人: 山東省計算中心(國家超級計算濟南中心)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F18/25
• 代理公司: 北京華際知識產(chǎn)權(quán)代理有限公司 11676
• 代理人: 褚慶森

1.一種量綱知識圖譜構(gòu)建方法，其特征在于，通過以下步驟來實現(xiàn)：

a).多源異構(gòu)數(shù)據(jù)獲??；收集互聯(lián)網(wǎng)上、專家手工整理以及論文中開放共享的科研數(shù)據(jù)，這些科研數(shù)據(jù)來源廣泛，不同數(shù)據(jù)源的科研數(shù)據(jù)具有異構(gòu)性質(zhì)；

b).量綱數(shù)據(jù)預處理；從多源異構(gòu)的科研數(shù)據(jù)中識別并提取單位信息，完成量綱數(shù)據(jù)的抽取工作，量綱數(shù)據(jù)中的單位信息主要分為基本物質(zhì)量信息、詞頭信息、導出單位信息、基本常數(shù)信息四部分；

c).量綱數(shù)據(jù)融合；對來源不同的量綱數(shù)據(jù)進行人工對齊與建立關(guān)聯(lián)，人工對齊是指將含義相同但表達方式不同的單位進行對齊，建立關(guān)聯(lián)是指構(gòu)建出不同單位之間的關(guān)系；

d).量綱數(shù)據(jù)的圖存儲；將經(jīng)步驟c)融合后的量綱數(shù)據(jù)導入Neo4J圖數(shù)據(jù)庫中，構(gòu)建量綱知識圖譜；

e).量綱知識圖譜自動化更新，利用已建立的量綱知識圖譜自主識別與添加未知單位，在識別過程中，對未知單位進行拆分，拆分為已知的基本單位，使用基于圖的廣度優(yōu)先檢索算法對已知的基本單位進行搜索與運算，得到量綱知識圖譜中所包含的單位，從而建立未知單位與已知單位的關(guān)聯(lián)，最終實現(xiàn)未知單位的自主識別與更新；

步驟b)所述的量綱數(shù)據(jù)預處理過程中，基本物質(zhì)量信息包括長度l、質(zhì)量m、時間t、電流i、熱力學溫度T、物質(zhì)的量n和發(fā)光強度lv七個基本物理量，預處理數(shù)據(jù)中記錄了七個基本物理量的單位名稱、單位符號、物理量的表達符號以及物理量的名稱；詞頭信息用于表示單位之間的數(shù)量關(guān)系，導出單位信息表示由基本物理量或?qū)С鰡挝唤M合而成的單位信息；

步驟c)中所述的不同單位之間的關(guān)系包括等價關(guān)系、運算關(guān)系和倒數(shù)關(guān)系；

步驟b)中將科研數(shù)據(jù)中識別并提取的單位信息整理為支持Neo4J導入的CSV格式，步驟d)中量綱數(shù)據(jù)的圖存儲方法為：d-1).初始化構(gòu)建與存儲：借助Neo4J-Imprt工具，在知識圖譜初始化時一次性導入CSV格式數(shù)據(jù)，此方式的導入能力達到數(shù)萬TPS；d-2).增量構(gòu)建與存儲：增量構(gòu)建應(yīng)用于圖數(shù)據(jù)庫運行時的增量更新，借助CYPHER語言的CREATE或者LOAD語句實現(xiàn)，此方式的導入能力達到數(shù)千TPS；

在量綱知識圖譜使用過程中，遇到知識圖譜中沒有包含的數(shù)據(jù)，即量綱知識圖譜不能識別的單位信息，此時分析其包含的基本單位，根據(jù)所包含的基本單位遍歷知識圖譜中的相關(guān)通路，并與其他基本單位建立關(guān)聯(lián)，將量綱知識圖譜中未收錄的單位進行自動識別與添加。