[發(fā)明專利]一種基于多元異構(gòu)數(shù)據(jù)挖掘的供應(yīng)鏈在線知識圖譜構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202210310617.8
• 申請日: 2022-03-28
• 公開（公告）號: CN114706996A
• 公開（公告）日: 2022-07-05
• 發(fā)明（設(shè)計）人: 潘思哲;侯凱旋;牛占文;邵宏宇;王磊
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/279
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

本發(fā)明涉及一種基于多元異構(gòu)數(shù)據(jù)挖掘的供應(yīng)鏈在線知識圖譜構(gòu)建方法，包括下列步驟：知識圖譜構(gòu)建框架；知識圖譜的模式層構(gòu)建，將承載在線評論的平臺分為電商網(wǎng)站、社交媒體以及專業(yè)網(wǎng)站，結(jié)合在線評論知識圖譜的需求分析，將在線評論的描述維度分為信源特征、內(nèi)容特征及形式特征三個維度；數(shù)據(jù)層構(gòu)建主要基于已經(jīng)構(gòu)建的模式層，抽取和融合多源在線評論數(shù)據(jù)中相應(yīng)的內(nèi)容，識別相應(yīng)的實例、屬性和關(guān)系；知識圖譜的存儲和繪制。

技術(shù)領(lǐng)域

本發(fā)明涉及有關(guān)于知識圖譜領(lǐng)域，尤其涉及一種基于多元異構(gòu)數(shù)據(jù)挖掘的供應(yīng)鏈在線知識圖譜方法。

背景技術(shù)

大數(shù)據(jù)時代，從海量數(shù)據(jù)中發(fā)掘和利用競爭情報以支持決策是企業(yè)和個人面臨的重要問題。互聯(lián)網(wǎng)上積累的海量在線評論數(shù)據(jù)是消費者和商家獲取信息的重要數(shù)據(jù)源。目前，在線評論呈現(xiàn)出多元異構(gòu)分布、數(shù)據(jù)量巨大、冗雜且不支持檢索的特點，給大數(shù)據(jù)環(huán)境下的在線評論信息組織和利用帶來了極大的挑戰(zhàn)；并且用戶有不同的信息需求，有些用戶關(guān)注價格，有些用戶關(guān)注性能，當(dāng)前在線評論展示方式、評論有用性排序相關(guān)研究默認(rèn)用戶的需求是一致的，沒有考慮用戶的個性化需求；此外，人工智能時代對于智能信息服務(wù)需求愈加迫切，現(xiàn)有的在線評論研究不夠深入，缺乏對多元異構(gòu)在線評論領(lǐng)域知識進(jìn)行系統(tǒng)化的表示和建模。

知識圖譜是一種非常重要的信息組織方式，一方面可以將結(jié)構(gòu)各異、分布廣泛的商品信息和評論信息進(jìn)行動態(tài)關(guān)聯(lián)；另一方面，知識圖譜可以提升在線評論的信息組織程度，解決信息過載的問題，用一種高效的數(shù)據(jù)管理模式處理碎片化、冗余的在線評論信息；此外知識圖譜可以從語義的角度組織在線評論數(shù)據(jù)，進(jìn)而進(jìn)行智能搜索，為在線評論的深層次應(yīng)用及用戶的個性化信息需求提供解決方案。網(wǎng)絡(luò)技術(shù)的不斷發(fā)展促使多元異構(gòu)數(shù)據(jù)迅速生成，挖掘處理復(fù)雜的多元異構(gòu)數(shù)據(jù)，能夠有效獲取數(shù)據(jù)潛在信息和規(guī)律。聚類分析屬于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘以及統(tǒng)計學(xué)等領(lǐng)域的交叉性學(xué)科，不僅能夠起到有效演示的作用，即確定事物的分類標(biāo)準(zhǔn)或類別準(zhǔn)則，而且聚類的作用就是歸納，不需要確定分類的標(biāo)準(zhǔn)、分析數(shù)據(jù)對象，因此有效地挖掘和分析復(fù)雜的多元異構(gòu)數(shù)據(jù)具有重要意義。

發(fā)明內(nèi)容

本發(fā)明針對在線評論呈現(xiàn)多元異構(gòu)分布、數(shù)據(jù)量巨大、冗雜且不支持檢索，無法被企業(yè)有效利用的問題，提出了一種基于多元異構(gòu)數(shù)據(jù)挖掘的供應(yīng)鏈在線知識圖譜方法。本發(fā)明技術(shù)方案通過如下步驟實現(xiàn)：

一種基于多元異構(gòu)數(shù)據(jù)挖掘的供應(yīng)鏈在線知識圖譜構(gòu)建方法，包括下列步驟：

步驟1，知識圖譜構(gòu)建框架，構(gòu)建企業(yè)設(shè)計資源本體庫，從多個層次建立設(shè)計需求和設(shè)計資源的規(guī)范化描述；

步驟2，知識圖譜的模式層構(gòu)建，將承載在線評論的平臺分為電商網(wǎng)站、社交媒體以及專業(yè)網(wǎng)站，結(jié)合在線評論知識圖譜的需求分析，將在線評論的描述維度分為信源特征、內(nèi)容特征及形式特征三個維度，方法如下：

步驟2.1，信源特征用來描述評論的外在信息；內(nèi)容特征用來描述評論中涉及到的用戶對商品及服務(wù)的態(tài)度和滿意度，字?jǐn)?shù)、觀點數(shù)、評論時間都屬于評論的形式特征；

步驟2.2，設(shè)置7個核心大類，具體包括評論、評論內(nèi)容、特征觀點、用戶、評論對象、平臺以及商品；其中評論對象概念下又劃分了服務(wù)和商品兩個子概念，同時通過屬性定義更加豐富的描述類的數(shù)據(jù)特征；

步驟2.3，將定義好的類和關(guān)系進(jìn)行知識建模，并進(jìn)行模式層可視化，以評論類為中心，向外出發(fā)構(gòu)建實體間的關(guān)系；

步驟3，數(shù)據(jù)層構(gòu)建主要基于已經(jīng)構(gòu)建的模式層，抽取和融合多源在線評論數(shù)據(jù)中相應(yīng)的內(nèi)容，識別相應(yīng)的實例、屬性和關(guān)系；

步驟3.1，將電商網(wǎng)站手機(jī)評論、相關(guān)術(shù)語百科、評測及新聞內(nèi)容作為數(shù)據(jù)源，抓取手機(jī)評論數(shù)據(jù)與百科數(shù)據(jù)、評測新聞數(shù)據(jù)作為詞向量訓(xùn)練的語料庫；

步驟3.2，通過構(gòu)建專業(yè)語料庫，并基于word2vec進(jìn)行詞向量訓(xùn)練完成對產(chǎn)品特征詞的抽取和分類；