[發明專利]一種數據處理方法、裝置、計算機設備以及可讀存儲介質

在審

• 申請號: 202011163706.1
• 申請日: 2020-10-27
• 公開（公告）號: CN112395425A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 陳沛;吳旭輝;荊寧
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/295
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種基于知識圖譜的數據處理方法，其特征在于，包括：

獲取知識種子集合，所述知識種子集合包括文本的知識描述信息；

將所述知識描述信息和語料集合中的文本數據進行匹配，得到知識抽取模板；

根據所述知識抽取模板，從所述語料集合中抽取候選知識描述信息；

確定所述知識抽取模板的模板置信度，根據所述模板置信度確定所述候選知識描述信息的知識置信度；

根據所述知識置信度和所述候選知識描述信息更新所述知識種子集合；

當更新后的知識種子集合滿足收斂條件時，根據所述更新后的知識種子集合更新知識圖譜。

2.根據權利要求1所述的方法，其特征在于，所述將所述知識描述信息和語料集合中的文本數據進行匹配，得到知識抽取模板，包括：

遍歷語料集合中的文本數據，將所述語料集合中包含所述知識描述信息的段落，作為目標段落語料；

根據所述目標段落語料和所述知識描述信息生成基礎抽取模板；

根據所述基礎抽取模板生成S個泛化抽取模板；S為正整數；

對所述S個泛化抽取模板分別進行槽位填充，得到知識抽取模板。

3.根據權利要求2所述的方法，其特征在于，所述根據所述目標段落語料和所述知識描述信息生成基礎抽取模板，包括：

獲取所述知識描述信息對應的文本關系字符；

在所述目標段落語料中用所述文本關系字符替換所述知識描述信息，得到基礎抽取模板。

4.根據權利要求3所述的方法，其特征在于，所述根據所述基礎抽取模板生成S個泛化抽取模板，包括：

通過滑動字符窗口在所述基礎抽取模板中獲取所述文本關系字符以及與所述文本關系字符相鄰的字符；所述相鄰的字符為所述字符窗口所覆蓋的字符；

根據所述文本關系字符和所述相鄰的字符生成S個泛化抽取模板；每個泛化抽取模板均包括所述文本關系字符以及所述相鄰的字符中的至少一個字符。

5.根據權利要求4所述的方法，其特征在于，S個泛化抽取模板包括泛化抽取模板L_i，i為小于或等于S的正整數；所述對所述S個泛化抽取模板分別進行槽位填充，得到知識抽取模板，包括：

對所述泛化抽取模板Li進行分詞，得到所述文本關系字符以及關聯分詞，將與所述文本關系字符相關聯的知識描述信息和所述關聯分詞確定為待替換分詞；

根據所述待替換分詞記錄所述文本關系字符在所述泛化抽取模板Li中的排序位置，作為抽取位置索引；

獲取槽位詞表，所述槽位詞表包括槽位分詞、文本分詞以及槽位分詞和文本分詞的映射關系；

若在所述槽位詞表中查找到與所述待替換分詞相同的文本分詞，則將與所述待替換分詞相同的文本分詞具有映射關系的槽位分詞，作為目標槽位分詞；

根據所述目標槽位分詞對所述泛化抽取模板進行分詞替換，得到槽位替換模板；

根據所述槽位替換模板和所述抽取位置索引，生成所述泛化抽取模板Li對應的知識抽取模板。

6.根據權利要求5所述的方法，其特征在于，所述根據所述知識抽取模板，從所述語料集合中抽取候選知識描述信息，包括：

對所述語料集合中的文本數據進行槽位填充，得到替換文本數據；

將所述知識抽取模板與所述替換文本數據進行匹配；

若所述知識抽取模板與所述替換文本數據匹配成功，則獲取所述抽取位置索引，根據所述抽取位置索引在所述替換文本數據中獲取候選知識描述信息。

7.根據權利要求1所述的方法，其特征在于，所述確定所述知識抽取模板的模板置信度，包括：

根據所述候選知識描述信息和所述知識種子集合驗證所述候選知識描述信息的知識合法性；

根據所述知識合法性確定所述知識抽取模板的當前置信度；

在所述歷史置信度中獲取每個歷史置信度的生成時間戳，將最大的生成時間戳對應的歷史置信度，作為相關歷史置信度；

根據所述相關歷史置信度和所述當前置信度確定所述知識抽取模板的模板置信度。