[發明專利]基于自調參數的領域知識抽取方法與系統、電子設備

有效

• 申請號: 202110006928.0
• 申請日: 2021-01-05
• 公開（公告）號: CN112328812B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 姚苗;查琳;冶莎;張晨;周智海;王芳杰;覃晨;黃慶嬌;王振宇;陳剛;何青松;向波;楊志勤;邢尚合;周凡吟
• 申請（專利權）人: 成都數聯銘品科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 北京市領專知識產權代理有限公司 11590
• 代理人: 張玲;王瑩瑩

本發明涉及一種基于自調參數的領域知識抽取方法與系統、電子設備，包括以下步驟：通過采集的領域數據構建領域本體知識庫，所述領域本體知識庫包括領域實體庫、領域關系庫、領域屬性庫；將構建的領域本體知識庫向量化處理后，作為預訓練模型的輸入，對預訓練模型進行訓練，得到知識抽取模型；獲取知識抽取模型中的可調參數，根據業務數據調整可調參數，對業務數據進行預處理后，將預處理后的業務數據和調整后的可調參數輸入所述知識抽取模型，從而得到業務數據的抽取結果；所述抽取結果為實體，關系，屬性的三元組列表。本方案能夠完備知識庫，統一抽取實體、關系、屬性，快速響應不同的業務需求。

技術領域

本發明涉及知識圖譜技術領域，特別涉及一種基于自調參數的領域知識抽取方法與系統、電子設備。

背景技術

知識圖譜（Knowledge Graph），在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。知識抽取是知識圖譜構建的前置步驟，知識抽取結果的數量、質量直接影響到生成知識圖譜的質量，特別對于非結構化數據成圖，知識抽取則是必不可少的重要環節。

知識抽取的內容包括實體抽取、關系抽取、屬性抽取。在工業領域，知識抽取的應用主要集中在實體抽取，比如在文本數據領域，主要應用在命名體識別技術，對人名、組織名稱、機構名稱等進行識別；在圖像數據領域，主要應用在利用OCR技術上，并結合模板生成知識圖譜。而關系抽取、屬性抽取則主要基于領域生成相應的規則來進行知識抽取。

但目前的知識抽取還存在以下問題：

一、公開知識庫難以完備

知識抽取的準確性與知識庫的完整性、標準性具有較強的依賴關系，而開源的公共知識庫只對通用概念進行了收集，對于具體業務領域的知識是不完備的，這就造成了開源的知識庫沒有辦法直接用于實際業務場景。

二、知識抽取割裂

實體抽取、關系抽取、屬性抽取被劃分為不同的子任務，且需要順序執行，目前沒有一個完整的知識抽取模型能夠同時滿足實體抽取、關系抽取、屬性抽取，但是在知識圖譜中實體、關系、屬性是有依賴關聯的，將其任務劃分必然會導致局部信息丟失。

三、難以快速響應變化

目前的知識抽取模型很難進行復用，每次進行知識抽取時都需要根據具體的業務數據進行重新訓練、驗證、測試，知識抽取模型建設周期很長，難以應對業務需求的快速變化。

發明內容

本發明的目的在于解決上述三個問題，即第一完備領域本體知識庫，第二能夠統一抽取實體、關系、屬性，第三快速響應不同的業務需求，提供一種基于自調參數的領域知識抽取方法與系統、電子設備。

為了實現上述三個問題的發明目的，本發明實施例提供了以下技術方案：

基于自調參數的領域知識抽取方法，其特征在于：包括以下步驟：

依據開源知識庫，對采集的領域數據進行預處理，通過預處理后的領域數據構建領域本體知識庫，所述領域本體知識庫包括領域本體，所述領域本體包括領域實體庫、領域關系庫、領域屬性庫；

將構建的領域本體知識庫向量化處理后，作為預訓練模型的輸入，對預訓練模型進行訓練，得到知識抽取模型；

獲取知識抽取模型中的可調參數，根據業務數據調整可調參數，對業務數據進行預處理后，將預處理后的業務數據和調整后的可調參數輸入所述知識抽取模型，從而得到業務數據的抽取結果；所述抽取結果為實體，關系，屬性的三元組列表。