[發(fā)明專利]一種產業(yè)鏈知識圖譜的知識融合方法

在審

• 申請?zhí)枺?/td>: 202110330349.1
• 申請日: 2021-03-29
• 公開（公告）號: CN113157940A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 包盛;陶敬偉;楊謙
• 申請（專利權）人: 上海融盈數據科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/28;G06F40/216;G06F40/289
• 代理公司: 上海樂泓專利代理事務所(普通合伙) 31385
• 代理人: 王瑞

1.一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：包括如下步驟：

S1、數據獲取，對外部某個產業(yè)鏈的資源文件進行加載讀取，獲取該產業(yè)鏈中上市公司的結構化數據、半結構化數據和非結構化數據；

S2、信息抽取，對獲取的半結構化和非結構化數據進行實體抽取、屬性抽取和關系抽取，生成一系列的三元組；

S3、知識融合，構建向量空間模型(VSM)，并計算不同三元組之間的相似度，并進行去重和消歧，包括如下步驟：

S31、分詞分組，將每個三元組看成一句話，并進行分詞；再把所有的三元組進行分組，將需要進行去重和消歧的三元組分為同一組；

S32、構建向量空間模型，列出所有的詞并計算詞的權重，同時列出詞的權重向量模型；所述權重用于衡量詞在文檔中的重要程度；

S33、計算相似度，通過計算兩個三元組權重向量模型之間的余弦值來描述每個分組中不同三元組的相似度

S34、去重消歧義，對相似度高于設定值的三元組進行刪除、去重和消歧，最終得到的三元組結果，完成了三元組的知識融合。

2.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：所述步驟S1中對外部資源文件的獲取包括如下步驟：

S11、分析上市公司的數據，獲取每個公司的行業(yè)和產品信息；

S12、分析每個公司的行業(yè)和產品信息，獲得上、中、下游的行業(yè)詞庫。

3.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：所述步驟S31分組依據包括根據上游、中游和下游進行分組，或根據企業(yè)進行分組。

4.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：步驟S32中構建向量空間模型方法如下，將獲取到產業(yè)鏈的三元組抽象成一個向量，所述向量由n個Term組成，每個詞都有一個權重(Term Weight)，

三元組(Knowledge)＝{term1,term2,……,termN}；

三元組矢量(Knowledge Vector)＝{weight1,weight2,……,weightN}；

向量空間模型V(d)＝(t1w1(d)；…；tnwn(d))。

5.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：步驟S32中詞的權重為TF-IDF；所述TF-IDF計算過程如下：

TF-IDF表示TF(詞頻)和IDF(逆文檔頻率)的乘積；

TF-IDF＝TF(詞頻)*IDF(逆文檔頻率)；

其中TF表示某個關鍵詞出現的頻率，IDF為所有三元組的數目除以包含該詞語的三元組數目的對數值；

TF(詞頻)＝該詞在文章中出現的次數/文章的總字數；

|D|表示所有文檔的數目，|w∈d|表示包含詞語w的文檔數目；

TF-IDF計算權重越大表示該詞條對這個文本的重要性越大。

6.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：所述步驟S33中相似度的計算如下：

依次計算得到知識圖譜中的三元組D1＝(w1,w2,...,wn)共n個關鍵詞的權重，知識圖譜中的另一個三元組D2，采用相同的方法計算出D2＝(q1,q2,...,qn)，然后計算D1和D2的相似度，計算兩個知識圖譜間的相似度通過兩個向量的余弦夾角cos來描述，D1和D2的相似性公式如下：

其中分子表示兩個向量的點乘積，分母表示兩個向量的模的積。

7.根據權利要求1所述的一種產業(yè)鏈知識圖譜的知識融合方法，其特征在于：所述步驟S34中的所述設定值設置為0.9。