[發明專利]知識圖譜挖掘的方法和系統

在審

• 申請號: 202110678441.7
• 申請日: 2021-06-18
• 公開（公告）號: CN113553439A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 高鵬;郝少春;袁蘭;吳飛;周偉華;高峰;潘晶
• 申請（專利權）人: 杭州摸象大數據科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/211;G06F40/232;G06F40/295
• 代理公司: 杭州創智卓英知識產權代理事務所(普通合伙) 33324
• 代理人: 張超

1.一種知識圖譜挖掘的方法，其特征在于，所述方法包括：

獲取文本，并對所述文本進行糾錯處理；

根據預設的詞表，對糾錯處理后的所述文本進行分詞和詞性標注處理，得到所述文本中的字詞和所述字詞的詞性；

根據所述字詞和所述詞性，識別所述文本中的實體，并根據所述字詞、所述詞性和所述實體，抽取所述文本中的所述實體的屬性和關系；

根據所述實體，進行實體鏈接，并根據所述實體鏈接的結果、所述實體的所述屬性和所述關系，進行知識融合，得到知識圖譜。

2.根據權利要求1所述的方法，其特征在于，所述詞表的構建過程包括：

采用多個詞性標注工具，并將多個所述詞性標注工具中的詞性均配置為目標詞性標注集中的詞性；

獲取構建詞表的基礎數據，并對所述基礎數據進行分句，輸入分句后的所述基礎數據至多個所述詞性標注工具中，得到標注結果，其中，所述標注結果包括所述基礎數據的字詞和所述字詞的詞性；

在至少兩個所述標注工具得到的所述標注結果相同的情況下，記錄所述標注結果，并統計所述標注結果出現的頻次，根據所述標注結果和所述頻次，生成所述詞表。

3.根據權利要求1所述的方法，其特征在于，所述實體的識別過程包括：

分別通過詞典和識別模型進行實體識別；

在所述詞典的識別結果和所述識別模型的識別結果相同的情況下，采用該識別結果中的實體詞；

在所述詞典的識別結果為空，且所述識別模型的識別結果的置信度達到置信度閾值的情況下，保存所述識別模型的識別結果中的實體詞和所述實體詞的關聯信息，其中，所述關聯信息包括所述實體詞所在的對話語句。

4.根據權利要求1所述的方法，其特征在于，所述實體的屬性和關系的抽取過程包括：

輸入所述文本中的字詞、所述字詞的詞性和所述實體至句法分析模型中，得到分析結果，其中，所述分析結果包含主謂賓關系，并且在所述主謂賓關系中，主語和賓語至少有一個是實體；

使用Label Property Graph作為基本數據結構，在所述主謂賓關系的主語和賓語有一個是實體的情況下，構建實體的屬性，在所述主謂賓關系的主語和賓語均是實體的情況下，構建實體間的關系。

5.根據權利要求2所述的方法，其特征在于，所述實體鏈接包括候選實體召回，所述候選實體召回的過程包括：

輸入所述實體至詞向量模型，確定所述實體的近義詞，得到第一集合，并輸入所述實體至BERT模型，確定所述實體的近義詞，得到第二集合，其中，所述詞向量模型根據所述詞表訓練得到；

合并所述第一集合和所述第二集合，得到所述實體的近義詞集合；

確定所述知識圖譜中存在于所述近義詞集合中的詞，得到召回的實體列表。

6.根據權利要求1所述的方法，其特征在于，所述文本糾錯的過程包括錯誤檢查和錯誤糾正，所述錯誤檢查的過程包括：

輸入所述文本至分類模型，確定存在錯誤的句子；

對存在錯誤的所述句子中的每個中文漢字進行相似字召回，其中，所述相似字包括字形相似或同近音。

7.一種知識圖譜挖掘的系統，其特征在于，所述系統包括：

獲取模塊，用于獲取文本，并對所述文本進行糾錯處理；

分詞模塊，用于根據預設的詞表，對糾錯處理后的所述文本進行分詞和詞性標注處理，得到所述文本中的字詞和所述字詞的詞性；

抽取模塊，用于根據所述字詞和所述詞性，識別所述文本中的實體，并根據所述字詞、所述詞性和所述實體，抽取所述文本中的所述實體的屬性和關系；

融合模塊，用于根據所述實體，進行實體鏈接，并根據所述實體鏈接的結果、所述實體的所述屬性和所述關系，進行知識融合，得到知識圖譜。