[發(fā)明專利]一種產(chǎn)業(yè)鏈知識(shí)圖譜的知識(shí)融合方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110330349.1
• 申請(qǐng)日: 2021-03-29
• 公開（公告）號(hào): CN113157940A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 包盛;陶敬偉;楊謙
• 申請(qǐng)（專利權(quán)）人: 上海融盈數(shù)據(jù)科技有限公司
• 主分類號(hào): G06F16/36
• 分類號(hào): G06F16/36;G06F16/28;G06F40/216;G06F40/289
• 代理公司: 上海樂(lè)泓專利代理事務(wù)所(普通合伙) 31385
• 代理人: 王瑞

本發(fā)明涉及知識(shí)圖譜構(gòu)建技術(shù)領(lǐng)域，尤其是一種產(chǎn)業(yè)鏈知識(shí)圖譜的知識(shí)融合方法，通過(guò)對(duì)獲取外部產(chǎn)業(yè)鏈中的半結(jié)構(gòu)數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)進(jìn)行提取、分詞和分組，并且基于每個(gè)單詞的權(quán)重構(gòu)建向量空間模型(VSM)，通過(guò)余弦相似度的計(jì)算方法，對(duì)于知識(shí)圖譜中的實(shí)體進(jìn)行實(shí)體識(shí)別、歧義消解和指代消解，從而對(duì)于產(chǎn)業(yè)鏈知識(shí)圖譜的實(shí)體進(jìn)行去重，獲得更加準(zhǔn)確的數(shù)據(jù)。

技術(shù)領(lǐng)域

本屬于知識(shí)圖譜構(gòu)建技術(shù)領(lǐng)域，具體來(lái)說(shuō)是一種產(chǎn)業(yè)鏈知識(shí)圖譜的知識(shí)融合方法。

背景技術(shù)

知識(shí)圖譜本質(zhì)上是一種語(yǔ)義網(wǎng)絡(luò)，用圖的形式描述客觀事物，圖由節(jié)點(diǎn)和邊組成的。知識(shí)圖譜中的節(jié)點(diǎn)表示概念和實(shí)體，概念是抽象出來(lái)的事物，實(shí)體是具體的事物；邊表示事物的關(guān)系和屬性，事物的內(nèi)部特征用屬性來(lái)表示，外部聯(lián)系用關(guān)系來(lái)表示。知識(shí)圖譜以“實(shí)體-關(guān)系-實(shí)體”或“實(shí)體-屬性-屬性值”的三元組存儲(chǔ)，形成一個(gè)圖狀知識(shí)庫(kù)。

在進(jìn)行產(chǎn)業(yè)鏈知識(shí)圖譜構(gòu)建時(shí)，會(huì)碰到很多漢語(yǔ)命名的實(shí)體識(shí)別和實(shí)體名稱歧義。比如實(shí)體名稱會(huì)有多種不同的表示方法，上市公司萬(wàn)科的名稱有：萬(wàn)科、萬(wàn)科集團(tuán)、萬(wàn)科A、萬(wàn)科股份有限公司等等。萬(wàn)科主營(yíng)業(yè)務(wù)的名稱有：房地產(chǎn)、房地產(chǎn)開發(fā)、房地產(chǎn)建設(shè)、房地產(chǎn)相關(guān)業(yè)務(wù)等多種表示方法。這樣對(duì)于我們構(gòu)建的知識(shí)圖譜會(huì)產(chǎn)生大量的重名和多名現(xiàn)象。因此需要對(duì)知識(shí)圖譜中的實(shí)體進(jìn)行實(shí)體識(shí)別、歧義消解和指代消解，從而對(duì)于產(chǎn)業(yè)鏈知識(shí)圖譜的構(gòu)建獲得更有價(jià)值的數(shù)據(jù)。

發(fā)明內(nèi)容

1.發(fā)明要解決的技術(shù)問(wèn)題

本發(fā)明的目的在于解決現(xiàn)有的如何精準(zhǔn)地對(duì)知識(shí)圖譜中的實(shí)體進(jìn)行實(shí)體識(shí)別、歧義消解和指代消解的問(wèn)題。

2.技術(shù)方案

為達(dá)到上述目的，本發(fā)明提供的技術(shù)方案為：一種產(chǎn)業(yè)鏈知識(shí)圖譜的知識(shí)融合方法包括如下步驟：

S1、數(shù)據(jù)獲取，對(duì)外部某個(gè)產(chǎn)業(yè)鏈的資源文件進(jìn)行加載讀取，獲取該產(chǎn)業(yè)鏈中上市公司的結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；

S2、信息抽取，對(duì)獲取的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行實(shí)體抽取、屬性抽取和關(guān)系抽取，生成一系列的三元組；

S3、知識(shí)融合，構(gòu)建向量空間模型(VSM)，并計(jì)算不同三元組之間的相似度，并進(jìn)行去重和消歧，包括如下步驟，

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

S32、構(gòu)建向量空間模型，列出所有的詞并計(jì)算詞的權(quán)重，同時(shí)列出詞的權(quán)重向量模型；所述權(quán)重用于衡量詞在文檔中的重要程度；

S33、計(jì)算相似度，通過(guò)計(jì)算兩個(gè)三元組權(quán)重向量模型之間的余弦值來(lái)描述每個(gè)分組中不同三元組的相似度；

S34、去重消歧義，對(duì)相似度高于設(shè)定值的三元組進(jìn)行刪除、去重和消歧，最終得到的三元組結(jié)果，完成了三元組的知識(shí)融合。

優(yōu)選的，所述步驟S1中對(duì)外部資源文件的獲取包括如下步驟：

S11、分析上市公司的數(shù)據(jù)，獲取每個(gè)公司的行業(yè)和產(chǎn)品信息；

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

優(yōu)選的，所述步驟S31分組依據(jù)包括根據(jù)上游、中游和下游進(jìn)行分組，或根據(jù)企業(yè)進(jìn)行分組。

優(yōu)選的，步驟S32中構(gòu)建向量空間模型方法如下，將獲取到產(chǎn)業(yè)鏈的三元組抽象成一個(gè)向量，所述向量由n個(gè)Term組成，每個(gè)詞都有一個(gè)權(quán)重(Term Weight)，

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

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