[發明專利]一種知識關聯的方法、裝置及電子設備

在審

• 申請號: 202110560878.0
• 申請日: 2021-05-19
• 公開（公告）號: CN113157870A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 宗宇;丁銳;李婷
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/953;G06F16/957;G06F40/194;G06K9/62;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張靜

1.一種知識關聯的方法，其特征在于，包括：

獲取知識庫中知識之間的關聯參數的信息；所述關聯參數包括：與用戶瀏覽行為有關的知識間的關聯系數和知識間文本相似度系數，所述用戶瀏覽行為與用戶瀏覽知識的下一跳信息有關；

從所述知識之間的關聯參數的信息中提取關聯特征并確定各個關聯特征的權重；

通過提取的關聯特征以及每個關聯特征的權重，計算知識間的關聯系數；

基于知識間的關聯系數建立知識庫中知識間的關聯關系。

2.根據權利要求1所述的方法，其特征在于，還包括：

獲取用戶查看知識的下一跳信息；所述用戶查看知識的下一跳信息包括：查看第一知識后查看第二知識的次數；

通過所述用戶查看知識的下一跳信息計算與用戶瀏覽行為有關的知識之間的關聯系數。

3.根據權利要求1所述的方法，其特征在于，所述知識之間的關聯參數的信息中提取關聯特征并確定各個關聯特征的權重，包括：

將所述關聯參數的信息輸入到預設的第一特征工程模型中，得到關聯特征；所述第一特征工程模型為具備特征提取功能的模型；

將所述關聯特征輸入到預設的第二特征工程模型中，得到關聯特征的權重；所述第二特征工程模型為具備特征選擇的機器學習模型。

4.根據權利要求1所述的方法，其特征在于，所述通過提取的關聯特征以及每個關聯特征的權重，計算知識間的關聯系數，包括：

根據預設的關聯公式和每個關聯特征的權重，計算知識間的關聯系數。

5.根據權利要求1所述的方法，其特征在于，所述通過提取的關聯特征以及每個關聯特征的權重，計算知識間的關聯系數，包括：

將關聯特征和關聯特征的權重輸入到預先訓練的關聯系數分析模型中，得到知識間的關聯系數；

其中，關聯系數分析模型是通過如下方式進行訓練后得到的：

以已知知識間關聯系數的歷史知識作為訓練樣本；

獲取歷史知識之間的關聯參數的信息；

從歷史知識關聯參數的信息中提取歷史關聯特征，并確定歷史關聯特征的權重；

將歷史知識的關聯特征和歷史關聯特征的權重輸入到關聯系數分析模型中，對關聯系數分析模型進行訓練。

6.一種知識關聯的裝置，其特征在于，包括：

關聯參數獲取單元，用于獲取知識庫中知識之間的關聯參數的信息；所述關聯參數包括：與用戶瀏覽行為有關的知識間的關聯系數和知識間文本相似度系數，所述用戶瀏覽行為與用戶瀏覽知識的下一跳信息有關；

特征處理單元，用于從知識之間的關聯參數的信息中提取關聯特征并確定各個關聯特征的權重；

關聯系數計算單元，用于通過提取的關聯特征以及每個關聯特征的權重，計算知識間的關聯系數；

關系建立單元，用于基于知識間的關聯系數建立知識庫中知識間的關聯關系。

7.根據權利要求6所述的裝置，其特征在于，還包括：

軌跡信息獲取單元，用于獲取用戶查看知識的下一跳信息；所述用戶查看知識的下一跳信息包括：查看第一知識后查看第二知識的次數；

關聯關系確定單元，用于通過所述用戶查看知識的下一跳信息計算與用戶瀏覽行為有關的知識之間的關聯系數。

8.根據權利要求6所述的裝置，其特征在于，所述特征處理單元，包括：

特征提取子單元，用于將所述關聯參數的信息輸入到預設的第一特征工程模型中，得到關聯特征；所述第一特征工程模型為具備特征提取功能的模型；

特征權重計算子單元，用于將所述關聯特征輸入到預設的第二特征工程模型中，得到關聯特征的權重；所述第二特征工程模型為具備特征選擇的機器學習模型。

9.根據權利要求6所述的裝置，其特征在于，所述關聯系數計算單元，包括：

第一關聯系數計算子單元，用于根據預設的關聯公式和每個關聯特征的權重，計算知識間的關聯系數。

10.一種電子設備，其特征在于，包括：

處理器和存儲器；

所述存儲器用于存儲程序，所述處理器用于執行所述存儲程序時，執行上述權利要求1-5中任意一項所述的知識關聯方法。