[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

本申請實施例公開了一種數據處理方法、裝置、計算機設備以及可讀存儲介質，該數據處理方法包括：獲取知識種子集合，知識種子集合包括文本的知識描述信息；將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；根據知識抽取模板，從語料集合中抽取候選知識描述信息；確定知識抽取模板的模板置信度，根據模板置信度確定候選知識描述信息的知識置信度；根據知識置信度和候選知識描述信息更新知識種子集合；當更新后的知識種子集合滿足收斂條件時，根據更新后的知識種子集合更新知識圖譜。采用本申請，可以從互聯網海量的文本數據中高效的抽取更多的知識描述信息，為知識圖譜持續提供覆蓋面廣、準確率高的來源數據。

技術領域

本申請涉及計算機技術領域，尤其涉及一種數據處理方法、裝置、計算機 設備以及可讀存儲介質。

背景技術

知識圖譜(Knowledge Graph)是一種用圖數據結構表示的大型語義網絡， 由節點與邊共同描述了客觀世界的事物及其關系。目前，隨著智能信息服務應 用的不斷發展，知識圖譜已被廣泛應用于智能搜索、智能問答、個性化推薦、 情報分析、反欺詐等領域。

目前行業內主流知識圖譜的數據都來源于互聯網，基于規則抽取是方法是 目前從互聯網數據中獲取知識描述信息的主要方式。比如，通過匹配特定格式 文本進行SPO抽取、又例如通過制定前端DOM樹對應解析規則對非結構化數 據來源網頁進行抽取。但是互聯網文本數據具有異構多元、質量不一的特性， 能夠包含知識描述信息的文本表示情況過多，人為配置規則很難覆蓋到語料集 合中的所有文本表示情況，導致抽取到的知識描述信息不夠全面。

發明內容

本申請實施例提供一種數據處理方法、裝置、計算機設備以及可讀存儲介 質，可以高效的抽取到更為全面的知識描述信息。

本申請實施例一方面提供一種基于知識圖譜的數據處理方法，包括：

獲取知識種子集合，知識種子集合包括文本的知識描述信息；

將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；

根據知識抽取模板，從語料集合中抽取候選知識描述信息；

確定知識抽取模板的模板置信度，根據模板置信度確定候選知識描述信息 的知識置信度；

根據知識置信度和候選知識描述信息更新知識種子集合；

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

本申請實施例一方面提供了一種基于知識圖譜的數據處理裝置，包括：

獲取模塊，用于獲取知識種子集合，知識種子集合包括文本的知識描述信 息；

模板生成模塊，用于將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；

知識抽取模塊，用于根據知識抽取模板，從語料集合中抽取候選知識描述 信息；

第一確定模塊，用于確定知識抽取模板的模板置信度；

第二確定模塊，用于根據模板置信度確定候選知識描述信息的知識置信度；

第一更新模塊，用于根據知識置信度和候選知識描述信息更新知識種子集 合；

第二更新模塊，用于根據更新后的知識種子集合更新知識圖譜。

其中，模板生成模塊，包括：

查詢單元，用于遍歷語料集合中的文本數據，將語料集合中包含知識描述 信息的段落，作為目標段落語料；

基礎生成單元，用于根據目標段落語料和知識描述信息生成基礎抽取模板；