[發明專利]一種融合Wikidata的實體對齊方法

在審

• 申請號: 202110073043.2
• 申請日: 2021-01-20
• 公開（公告）號: CN112650821A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 陳其賓;李銳;王建華
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/33;G06F16/36;G06F16/38;G06F40/279;G06F40/44
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 陳婷婷

1.一種融合Wikidata的實體對齊方法，其特征在于通過數據預處理，根據Wikidata中標簽信息及具體業務數據進行分組，具體到每個分組，對業務數據中的每個實體和Wikidata中每個實體構建匹配對，通過計算相似度選擇匹配實體對。

2.根據權利要求1所述的一種融合Wikidata的實體對齊方法，其特征在于針對未匹配到結果的業務實體，去CN-Dbpedia匹配實體，并利用Wikidata和CN-Dbpedia間映射關系將業務實體匹配到Wikidata中對應實體。

3.根據權利要求2所述的一種融合Wikidata的實體對齊方法，其特征在于在業務數據模型的基礎上，構建融合Wikidata數據的數據模型增加數值類型屬性以及數據標簽。

4.根據權利要求3所述的一種融合Wikidata的實體對齊方法，其特征在于所述增加數值類型屬性，取值范圍包括時間、復合屬性、原始屬性、地理坐標、實體以及數量，針對每種取值類型構建相應的數據模型。

5.根據權利要求3或4所述的一種融合Wikidata的實體對齊方法，其特征在于所述數據標簽包括媒體文件、文檔、站外鏈接、頁面文件、頁面模板應用、頁面模板文件以及內容管理。

6.根據權利要求1或2或3所述的一種融合Wikidata的實體對齊方法，其特征在于所述預處理，基于業務數據質量問題進行數據處理，包括數據規范化、同義詞處理、特殊字符以及停用詞處理。

7.根據權利要求1所述的一種融合Wikidata的實體對齊方法，其特征在于所述分組采用最小化組內數量的策略，只匹配組內的實體。

8.根據權利要求1所述的一種融合Wikidata的實體對齊方法，其特征在于通過詞別級的TF-IDF進行提取特征，并計算預先相似度，選擇匹配實體對。

9.一種融合Wikidata的實體對齊裝置，其特征在于，包括：至少一個存儲器和至少一個處理器；

所述至少一個存儲器，用于存儲機器可讀程序；

所述至少一個處理器，用于調用所述機器可讀程序，執行權利要求1至8任一所述的方法。

10.計算機可讀介質，其特征在于，所述計算機可讀介質上存儲有計算機指令，所述計算機指令在被處理器執行時，使所述處理器執行權利要求1至8任一所述的方法。