[發(fā)明專利]一種融合圖譜構(gòu)建方法及裝置

有效

• 申請?zhí)枺?/td>: 202110075629.2
• 申請日: 2021-01-20
• 公開（公告）號: CN113157931B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計）人: 汪鐸;葛通;陳維強;孫永良;于濤;王瑋
• 申請（專利權(quán)）人: 青島海信網(wǎng)絡(luò)科技股份有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/211;G06F40/284;G06F40/30;G06K9/62;G06N20/00;G06Q50/26
• 代理公司: 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 張愷寧

本申請公開一種融合圖譜構(gòu)建方法及裝置，從各信源獲取事件文本；針對任一事件文本，通過機器學(xué)習(xí)算法確定所述事件文本中存在因果關(guān)系的事件組，并確定事件組中原因事件和結(jié)果事件之間的因果強度；根據(jù)各事件組及各事件組中原因事件和結(jié)果事件之間的因果強度，確定事件圖譜；通過所述事件圖譜中各事件組與知識圖譜中的實體構(gòu)建圖譜關(guān)系，從而形成融合圖譜。該方式中通過使用融合了事件圖譜的知識圖譜來對城市工作進行評價，則可擺脫對專家經(jīng)驗的依賴，而僅根據(jù)城市運行過程中發(fā)生的事件與知識圖譜的關(guān)聯(lián)關(guān)系，即可以對城市態(tài)勢進行監(jiān)測或評價。

技術(shù)領(lǐng)域

本申請實施例涉及計算機技術(shù)領(lǐng)域，尤其涉及一種融合圖譜構(gòu)建方法及裝置。

背景技術(shù)

隨著科技的不斷發(fā)展與進步，智慧城市的建設(shè)已成為當(dāng)前科技創(chuàng)新的前進動力之一。建設(shè)智慧城市，不僅需要對海量城市數(shù)據(jù)進行有效存儲、計算與分析，更需要從海量城市數(shù)據(jù)中挖掘潛在價值、探究城市運行規(guī)律，為城市運營決策提供有力支撐。

然而，在對智慧城市進行建設(shè)的過程中，尤其是在對城市工作進行評價時，主要依賴于專家經(jīng)驗。也即，在獲取到海量城市數(shù)據(jù)并預(yù)處理后，將交由從事城市管理、規(guī)劃工作的專門人士，由他們對城市數(shù)據(jù)進行分析，以提出好的城市運營方案。

顯然，上述對城市工作進行評價的方式過于依賴專家經(jīng)驗，不夠自動化與智能化。

發(fā)明內(nèi)容

本申請?zhí)峁┮环N融合圖譜構(gòu)建方法及裝置，用以解決背景技術(shù)中強依賴于專家經(jīng)驗的方式來對城市工作進行評價的技術(shù)難題。

第一方面，本申請實施例提供一種融合圖譜構(gòu)建方法，該方法包括：從各信源獲取事件文本；針對任一事件文本，通過機器學(xué)習(xí)算法確定所述事件文本中存在因果關(guān)系的事件組，并確定事件組中原因事件和結(jié)果事件之間的因果強度；根據(jù)各事件組及各事件組中原因事件和結(jié)果事件之間的因果強度，確定事件圖譜；通過所述事件圖譜中各事件組與知識圖譜中的實體構(gòu)建圖譜關(guān)系，從而形成融合圖譜。

基于該方案，對于城市運行過程中產(chǎn)生的各個事件文本，該些事件文本可以通過多種渠道進行發(fā)布，針對任一事件文本，確定該事件文本是否包括因果關(guān)系的事件組，并為包括因果關(guān)系的事件文本確定對應(yīng)于它的事件組中原因事件與結(jié)果事件之間的因果強度，進而確定事件圖譜，最后，通過將事件圖譜與知識圖譜進行融合，該知識圖譜為城市運行過程中針對城市主體而建立的圖譜，因而，通過使用融合了事件圖譜的知識圖譜來對城市工作進行評價，則可擺脫對專家經(jīng)驗的依賴，而僅根據(jù)城市運行過程中發(fā)生的事件與知識圖譜的關(guān)聯(lián)關(guān)系，即可以對城市態(tài)勢進行監(jiān)測或評價。

在一種可能實現(xiàn)的方法中，所述針對任一事件文本，通過機器學(xué)習(xí)算法確定所述事件文本中存在因果關(guān)系的事件組，包括：確定所述事件文本的語義特征向量和句法依存圖；通過所述語義特征向量和所述句法依存圖，確定所述事件文本的注意力特征；通過所述注意力特征，確定所述事件文本中存在因果關(guān)系的事件組。

基于該方案，在對一事件文本進行分析時，首先對事件文本進行切詞，并基于切詞后得到的分詞，確定事件文本的語義特征向量和句法依存圖；然后結(jié)合所得到的語義特征向量和句法依存圖，可確定事件文本的注意力特征；最后，可根據(jù)注意力特征來確定事件文本中存在因果關(guān)系的事件組。該方式中，通過為切詞后的事件文本確定語義特征向量，以及確定分詞之間的依賴關(guān)系，從而可以全面地對事件文本進行描述，并實現(xiàn)對因果事件進行抽取的目標(biāo)。

在一種可能實現(xiàn)的方法中，所述確定所述事件文本的語義特征向量，包括：通過雙向深度轉(zhuǎn)譯預(yù)訓(xùn)練編碼器Bert模型對所述事件文本中的多個分詞進行向量化表示，得到每個分詞對應(yīng)的特征向量；通過雙向長短期記憶模型 Bi-LSTM模型對所述多個分詞分別對應(yīng)的特征向量進行處理，得到每個分詞對應(yīng)的語義特征向量。