[發明專利]用于知識圖譜構建過程中關系類型的自動辨析方法及裝置

在審

• 申請號: 202210464829.1
• 申請日: 2022-04-25
• 公開（公告）號: CN114780730A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 馮在文;李林燁;嚴晶;李彤;謝沛霖;張世龍;顧元帥;何克清
• 申請（專利權）人: 華中農業大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06K9/62;G06N3/04;G06N3/08;G06N5/02
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 張曉冬

1.一種用于知識圖譜構建過程中關系類型的自動辨析方法，其特征在于，包括：

獲取多個數據源；

針對各數據源，根據公共數據模型將所述數據源轉換成初始知識圖；

根據預設的數據屬性對所述初始知識圖進行屬性標記，得到知識圖；

將所述知識圖切片成多個子圖，所述子圖的中心關系類型位于多個所述子圖的中心；

根據所述中心關系類型將所述子圖進行分組，得到多組圖；

根據預設頻繁子圖提取算法提取所述多組圖中每組圖的頻繁子圖；

根據所述頻繁子圖的中心關系類型，從所述頻繁子圖中選取部分頻繁子圖作為判別特征集；

根據所述判別特征集編碼特征矩陣，構建分類器，以根據所述分類器實現知識圖譜構建過程中關系類型的自動辨析。

2.根據權利要求1所述的方法，其特征在于，所述根據公共數據模型將所述數據源轉換成初始知識圖，包括：

根據所述數據源確定一中心關系類型以及相應的錨點，根據所述中心關系類型以及所述錨點構造初始邊界圖；

采用深度優先和廣度優先的搜索方法對所述初始邊界圖進行擴展，得到所述初始知識圖。

3.根據權利要求1所述的方法，其特征在于，所述根據預設頻繁子圖提取算法提取所述多組圖中每組圖的頻繁子圖，包括：

根據所述多組圖中的每一組圖給定一邊界圖數據集，所述邊界圖數據集中的每個邊界圖都有錨點和中心關系；

根據預設的頻繁子圖提取條件，使用gSpan算法提取所述邊界圖數據集中的頻繁子圖。

4.根據權利要求3所述的方法，其特征在于，所述預設的頻繁子圖提取條件為：

尋找子圖g滿足s.t.support(g)≥minSup，其中，support(g)表示子圖g在所述邊界圖數據集中圖的數量，設置最小邊界數和最小節點數作為子圖g的界。

5.根據權利要求1所述的方法，其特征在于，所述根據所述頻繁子圖的中心關系類型，從所述頻繁子圖中選取部分頻繁子圖作為判別特征集，包括：

根據所述頻繁子圖的中心關系類型從所述頻繁子圖中確定目標頻繁子圖；

根據所述預設頻繁子圖提取算法從所述目標頻繁子圖中選取所述判別特征集。

6.根據權利要求1所述的方法，其特征在于，所述分類器為神經網絡或決策樹。

7.根據權利要求1至6中任一項所述的方法，其特征在于，所述根據所述判別特征集編碼特征矩陣，構建分類器之后，所述方法還包括：

將所述分類器應用于初始的結構化數據源，將所述結構化數據源轉換為基于公共數據模型的鏈接開放數據。

8.一種用于知識圖譜構建過程中關系類型的自動辨析裝置，其特征在于，包括獲取單元和處理單元：

所述獲取單元，用于獲取多個數據源；

所述處理單元，用于針對各數據源，根據公共數據模型將所述數據源轉換成初始知識圖；根據預設的數據屬性對所述初始知識圖進行屬性標記，得到知識圖；將所述知識圖切片成多個子圖，所述子圖的中心關系類型位于多個所述子圖的中心；根據所述中心關系類型將所述子圖進行分組，得到多組圖；根據預設頻繁子圖提取算法提取所述多組圖中每組圖的頻繁子圖；根據所述頻繁子圖的中心關系類型，從所述頻繁子圖中選取部分頻繁子圖作為判別特征集；根據所述判別特征集編碼特征矩陣，構建分類器，以根據所述分類器實現知識圖譜構建過程中關系類型的自動辨析。

9.一種計算機設備，其特征在于，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執行所述計算機程序時實現如權利要求1-7中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時可實現如權利要求1-7中任一項所述的方法。