CN106250393A - 一种基于知识图谱的短文本理解方法及装置 - Google Patents

一种基于知识图谱的短文本理解方法及装置 Download PDF

Info

Publication number
CN106250393A
CN106250393A CN201610562241.4A CN201610562241A CN106250393A CN 106250393 A CN106250393 A CN 106250393A CN 201610562241 A CN201610562241 A CN 201610562241A CN 106250393 A CN106250393 A CN 106250393A
Authority
CN
China
Prior art keywords
word
feature
module
feature words
knowledge mapping
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610562241.4A
Other languages
English (en)
Other versions
CN106250393B (zh
Inventor
黄明新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Softcom Power Information Technology Co., Ltd
Original Assignee
Guangzhou Hope Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Hope Mdt Infotech Ltd filed Critical Guangzhou Hope Mdt Infotech Ltd
Priority to CN201610562241.4A priority Critical patent/CN106250393B/zh
Publication of CN106250393A publication Critical patent/CN106250393A/zh
Application granted granted Critical
Publication of CN106250393B publication Critical patent/CN106250393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于知识图谱的短文本理解方法及装置，该方法包括以下步骤：S1：根据知识图谱数据抽取短文本中的特征词；S2：对特征词进行判断，如果特征词为实体特征词，则执行步骤S3；如果特征词为其他特征词，则执行步骤S4；S3：对实体特征词进行知识图谱搜索；S4：检索出与属性特征词或者与关系特征词或者与概念特征词对应的实体特征词，然后对实体特征词进行知识图谱搜索；S5：根据特征词群生成结果树，所述结果树为特征词之间的关系。本发明能够使得知识图谱产品的搜索与查询更为的方便，不需要精确的编辑搜索语句或者按照一定的文本规则进行语句的编辑，大大提高了基于知识图谱的查询的效率。

Description

一种基于知识图谱的短文本理解方法及装置
技术领域
本发明属于信息搜索领域，尤其涉及一种基于知识图谱的短文本理解方法及装置。
背景技术
知识图谱旨在描述真实世界中存在的各种实体或概念。其中，每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识符(identifier)。每个属性-值对(attribute-value pair，又称AVP)用来刻画实体的内在特性，而关系(relation)用来连接两个实体，刻画它们之间的关联。知识图谱亦可被看作是一张巨大的图，图中的节点表示实体或概念，而图中的边则由属性或关系构成，如图1所示，为知识图谱的示意图，现在知识图谱主要应用在答案推理，文档重要性排序和精确查询中。
目前的知识图谱的产品的搜索都是需要精确编辑搜索语句或者是基于一种文本规则进行查询搜索，并不能实现基于日常语句的查询搜索，因此，知识图谱基于日常语句的查询搜索成为本领域技术人员需要解决的问题，
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种基于知识图谱的短文本理解方法，其能解决基于知识图谱的简单语句的查询理解的技术问题。
本发明的目的之二在于提供一种基于知识图谱的短文本的理解装置，其能解决基于知识图谱的简单语句的查询理解的技术问题。
本发明的目的之一采用以下技术方案实现：
一种基于知识图谱的短文本理解方法，包括以下步骤：
S1：根据知识图谱数据抽取短文本中的特征词，所述知识图谱数据包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词中的一种或多种；
S2：判断抽取到的特征词是否为实体特征词，如果是，则执行步骤S3；如果否，则执行步骤S4；
S3：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤S5；
S4：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行步骤S5；
S5：根据特征词群生成结果树。
优选地，在步骤S1和步骤S2之间还包括以下步骤，
S11：按照预设结构对抽取的每一个特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；
S12：判断抽取到的特征词是否相近，如果是，则执行步骤S13；如果否，则执行步骤S2；
S13：比对至少两个特征词的预设结构中的开始位置和结束位置，如果开始位置相同，则执行步骤S14；如果开始位置不同，则执行步骤S15；
S14：去除结束位置大的特征词；
S15：去除开始位置大的特征词。能够进一步提高识别的准确性。
优选地，在步骤S1中具体为：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词。其能进一步解决抽取特征词的速度的技术问题。
优选地，步骤S3和步骤S4中的知识图谱搜索主要包括以下步骤：
根据实体特征词遍历知识图谱数据中与实体对应的属性和关系；
对与实体特征词对应的概念进行知识图谱搜索；
遍历与实体特征词相关联的实体和关系；
当识别后的特征词全部出现过时，则停止搜索。
本发明的目的之二采用以下技术方案实现：
一种基于知识图谱的短文本理解装置，包括以下模块：
抽取模块：根据知识图谱数据抽取短文本中的特征词，所述知识图谱数据包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词；
第一判断模块：对特征词进行判断，如果特征词为实体特征词，则执行实体搜索模块；如果特征词为属性特征词、关系特征词或者概念特征词，则执行关系搜索模块；
实体搜索模块：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤生成模块；
关系搜索模块：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行生成模块；
生成模块：根据特征词群生成结果树。
优选地，在抽取模块与第一判断模块之间还包括以下子模块，
在抽取模块与第一判断模块之间还包括以下子模块，
存储模块：按照预设结构对抽取的每一个特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；
第二判断模块：判断抽取到的特征词是否相近，如果是，则执行比对模块，如果否，则执行第一判断模块
比对模块：比对至少两个特征词的预设结构中的开始位置和结束位置，如果开始位置相同，则执行第一去除模块，如果开始位置不同，则执行第二去除模块；
第一去除模块：去除结束位置大的特征词；
第二去除模块：去除开始位置大的特征词。能够进一步解决准确性的技术问题。
优选地，在抽取模块中：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词。其能进一步解决抽取特征词的速度的技术问题。
优选地，实体搜索模块和关系搜索模块中的知识图谱搜索主要包括以下子模块，
属性关系遍历模块：根据实体特征词遍历知识图谱数据中与实体对应的属性和关系；
概念遍历模块：对与实体特征词相关的概念名称进行知识图谱搜索；
实体遍历模块：遍历与实体特征词相关联的实体和关系；
终止模块：当识别后的特征词全部出现过时，则停止搜索。其能进一步公开知识图谱搜索中的各个模块。
相比现有技术，本发明的有益效果在于：
本发明能够使得知识图谱产品的搜索与查询更为的方便，不需要精确的编辑搜索语句或者按照一定的文本规则进行语句的编辑，大大提高了基于知识图谱的查询的效率，降低了使用者的使用成本，使得其更加容易进行推广。
附图说明
图1为现有技术的知识图谱的示意图；
图2为本发明一种基于知识图谱的短文本理解方法的流程图；
图3为本发明一种基于知识图谱的短文本理解方法的结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
如图1所示，本发明提供了一种基于知识图谱短文本的理解方法，包括以下步骤：
S1：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词，所述知识图谱知识包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词；在本实施例中以“广州市花是什么”为例子对本方案进行详尽的阐述，在步骤S1中通过多模式匹配算法能够得到“广州”、“广州市”和“市花”这三个特征词，其中“广州”为实体特征词，“市花”则为属性特征词，多模式匹配算法为本领域的常用的提取关键词的算法，因此在此就不在过多对该算法进行阐释；
S11：按照预设结构对抽取的特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；每个抽取出来的特征词都会有[特征词，所属类型，开始位置，结束位置]，开始位置即是该特征词在一句话中的起始位置，比如“广州”在“广州市花是什么”中的开始位置为0，其结束位置即是2，其中所属类型为该特征词属于实体、概念、关系和属性这四种中的具体那个；由S1抽取到的词可以得出结果[广州，实体，0，2]，[广州市，实体，0,3]和[市花，属性，2，4]；
S12：判断抽取到的特征词是否相近，如果是，则执行步骤S13；如果否，则执行步骤S2；
S13：比对相同特征词的预设结构中的的开始位置和结束位置，如果开始位置相同，则执行步骤S14；如果开始位置不同，则执行步骤S15；
S14：去除结束位置大的特征词；
S15：去除开始位置大的特征词。例如在上述举得例子中，广州和广州市属于同义词，起点位置一样，则取短的广州，去掉广州市，如果两个不是同义词也要选择长度较短的作为抽取后的特征词。第二，如果特征词的开始位置不一样，则选取起点较小的那个。通过预设规则来对抽取到的特征词进行进一步的删选，使得后期进行知识图谱搜索时，能够更加高效的运行。
S2：对特征词进行判断，如果特征词为实体特征词，则执行步骤S3；如果特征词为属性特征词、关系特征词或者概念特征词，则执行步骤S4；此步骤的主要目的是将属性特征词、关系特征词和概念特征词等转换为实体特征词，然后通过实体特征词来进行下述的搜索。
S3：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤S5；
S4：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行步骤S5；步骤S3和S4中的知识图谱搜索主要有如下的子步骤构成，
根据实体特征词遍历知识图谱数据中实体的属性名称和关系名称；
对与实体特征词相关的概念名称进行知识图谱搜索；
遍历与实体特征词相关联的实体名称和关系名称；
当识别后的特征词全部出现过时，则停止搜索。
S5：根据特征词群生成结果树。
如图2所示，本发明还提供了一种基于知识图谱的短文本的理解装置，其包括以下模块，
抽取模块：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词，所述知识图谱数据包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词；
存储模块：按照预设结构对抽取的每一个特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；
第二判断模块：判断抽取到的特征词是否相近，如果是，则执行比对模块，如果否，则执行第一判断模块
比对模块：比对至少两个特征词的预设结构中的开始位置和结束位置，如果开始位置相同，则执行第一去除模块，如果开始位置不同，则执行第二去除模块；
第一去除模块：去除结束位置大的特征词；
第二去除模块：去除开始位置大的特征词。
第一判断模块：对特征词进行判断，如果特征词为实体特征词，则执行实体搜索模块；如果特征词为属性特征词、关系特征词或者概念特征词，则执行关系搜索模块；
实体搜索模块：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤生成模块；
关系搜索模块：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行生成模块；
属性关系遍历模块：根据实体特征词遍历知识图谱数据中与实体对应的属性和关系；
概念遍历模块：对与实体特征词相关的概念名称进行知识图谱搜索；
实体遍历模块：遍历与实体特征词相关联的实体和关系；
终止模块：当识别后的特征词全部出现过时，则停止搜索。
生成模块：根据特征词群生成结果树。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (8)

1.一种基于知识图谱的短文本理解方法，其特征在于，包括以下步骤：
S1：根据知识图谱数据抽取短文本中的特征词，所述知识图谱数据包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词中的一种或多种；
S2：判断抽取到的特征词是否为实体特征词，如果是，则执行步骤S3；如果否，则执行步骤S4；
S3：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤S5；
S4：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行步骤S5；
S5：根据特征词群生成结果树。
2.如权利要求1所述的基于知识图谱短文本的理解方法，其特征在于，在步骤S1和步骤S2之间还包括以下步骤，
S11：按照预设结构对抽取的每一个特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；
S12：判断抽取到的特征词是否相近，如果是，则执行步骤S13；如果否，则执行步骤S2；
S13：比对至少两个特征词的预设结构中的开始位置和结束位置，如果开始位置相同，则执行步骤S14；如果开始位置不同，则执行步骤S15；
S14：去除结束位置大的特征词；
S15：去除开始位置大的特征词。
3.如权利要求1所述的基于知识图谱的短文本理解方法，其特征在于，在步骤S1中具体为：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词。
4.如权利要求1所述的基于知识图谱的短文本理解方法，其特征在于，步骤S3和步骤S4中的知识图谱搜索主要包括以下步骤：
根据实体特征词遍历知识图谱数据中与实体对应的属性和关系；
对与实体特征词对应的概念进行知识图谱搜索；
遍历与实体特征词相关联的实体和关系；
当识别后的特征词全部出现过时，则停止搜索。
5.一种基于知识图谱的短文本理解装置，其特征在于，包括以下模块：
抽取模块：根据知识图谱数据抽取短文本中的特征词，所述知识图谱数据包括实体、属性、概念和关系，所述特征词包括实体特征词、属性特征词、概念特征词和关系特征词；
第一判断模块：对特征词进行判断，如果特征词为实体特征词，则执行实体搜索模块；如果特征词为属性特征词、关系特征词或者概念特征词，则执行关系搜索模块；
实体搜索模块：将每一实体特征词在知识图谱数据中进行搜索，以获取与实体特征次相关联的特征词群，然后执行步骤生成模块；
关系搜索模块：在知识图谱数据中检索出与属性特征词或者与概念特征词对应的实体特征词，然后对检索后的实体特征词在知识图谱数据中进行搜索，以获取与实体特征词相关联的特征词群，然后执行生成模块；
生成模块：根据特征词群生成结果树。
6.如权利要求5所述的基于知识图谱的短文本理解装置，其特征在于，在抽取模块与第一判断模块之间还包括以下子模块，
存储模块：按照预设结构对抽取的每一个特征词进行保存，所述预设结构包括特征词、所属类型、开始位置和结束位置；
第二判断模块：判断抽取到的特征词是否相近，如果是，则执行比对模块，如果否，则执行第一判断模块；
比对模块：比对至少两个特征词的预设结构中的开始位置和结束位置，如果开始位置相同，则执行第一去除模块，如果开始位置不同，则执行第二去除模块；
第一去除模块：去除结束位置大的特征词；
第二去除模块：去除开始位置大的特征词。
7.如权利要求5所述的基于知识图谱的短文本理解装置，其特征在于，在抽取模块中具体为：根据知识图谱数据以多模式匹配算法抽取短文本中的特征词。
8.如权利要求5所述的基于知识图谱的短文本理解装置，其特征在于，实体搜索模块和关系搜索模块中的知识图谱搜索主要包括以下子模块，
属性关系遍历模块：根据实体特征词遍历知识图谱数据中与实体对应的属性和关系；
概念遍历模块：对与实体特征词相关的概念名称进行知识图谱搜索；
实体遍历模块：遍历与实体特征词相关联的实体和关系；
终止模块：当识别后的特征词全部出现过时，则停止搜索。
CN201610562241.4A 2016-07-13 2016-07-13 一种基于知识图谱的短文本理解方法及装置 Active CN106250393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610562241.4A CN106250393B (zh) 2016-07-13 2016-07-13 一种基于知识图谱的短文本理解方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610562241.4A CN106250393B (zh) 2016-07-13 2016-07-13 一种基于知识图谱的短文本理解方法及装置

Publications (2)

Publication Number Publication Date
CN106250393A true CN106250393A (zh) 2016-12-21
CN106250393B CN106250393B (zh) 2017-08-25

Family

ID=57614038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610562241.4A Active CN106250393B (zh) 2016-07-13 2016-07-13 一种基于知识图谱的短文本理解方法及装置

Country Status (1)

Country Link
CN (1) CN106250393B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919655A (zh) * 2017-01-24 2017-07-04 网易（杭州）网络有限公司 一种答案提供方法和装置
CN107038261A (zh) * 2017-05-28 2017-08-11 海南大学 一种基于数据图谱、信息图谱和知识图谱的处理架构资源可动态抽象的语义建模方法
CN107247736A (zh) * 2017-05-08 2017-10-13 广州索答信息科技有限公司 一种基于知识图谱的厨房领域问答方法及系统
CN108519998A (zh) * 2018-03-07 2018-09-11 北京云知声信息技术有限公司 基于知识图谱的问题引导方法及装置
CN108829858A (zh) * 2018-06-22 2018-11-16 北京京东金融科技控股有限公司 数据查询方法、装置及计算机可读存储介质
CN109145153A (zh) * 2018-07-02 2019-01-04 北京奇艺世纪科技有限公司 意图类别的识别方法和装置
CN110019694A (zh) * 2017-07-26 2019-07-16 凡普互金有限公司 用于知识图谱的方法、装置和计算机可读存储介质
CN110442710A (zh) * 2019-07-03 2019-11-12 广州探迹科技有限公司 一种基于知识图谱的短文本语义理解与精准匹配方法及装置
CN110597959A (zh) * 2019-09-17 2019-12-20 北京百度网讯科技有限公司 文本信息抽取方法、装置以及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014127500A1 (en) * 2013-02-19 2014-08-28 Google Inc. Natural language processing based search
CN104937587A (zh) * 2012-12-12 2015-09-23 谷歌公司 基于组合查询提供搜索结果
US20150293904A1 (en) * 2014-04-10 2015-10-15 Palo Alto Research Center Incorporated Intelligent contextually aware digital assistants
CN105431839A (zh) * 2013-03-15 2016-03-23 罗伯特·哈多克 具有提供对知识的一步访问的自适应用户接口的智能互联网系统
CN105468605A (zh) * 2014-08-25 2016-04-06 济南中林信息科技有限公司 一种实体信息图谱生成方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104937587A (zh) * 2012-12-12 2015-09-23 谷歌公司 基于组合查询提供搜索结果
WO2014127500A1 (en) * 2013-02-19 2014-08-28 Google Inc. Natural language processing based search
CN105431839A (zh) * 2013-03-15 2016-03-23 罗伯特·哈多克 具有提供对知识的一步访问的自适应用户接口的智能互联网系统
US20150293904A1 (en) * 2014-04-10 2015-10-15 Palo Alto Research Center Incorporated Intelligent contextually aware digital assistants
CN105468605A (zh) * 2014-08-25 2016-04-06 济南中林信息科技有限公司 一种实体信息图谱生成方法及装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919655A (zh) * 2017-01-24 2017-07-04 网易（杭州）网络有限公司 一种答案提供方法和装置
CN107247736A (zh) * 2017-05-08 2017-10-13 广州索答信息科技有限公司 一种基于知识图谱的厨房领域问答方法及系统
CN107247736B (zh) * 2017-05-08 2020-07-14 广州索答信息科技有限公司 一种基于知识图谱的厨房领域问答方法及系统
CN107038261A (zh) * 2017-05-28 2017-08-11 海南大学 一种基于数据图谱、信息图谱和知识图谱的处理架构资源可动态抽象的语义建模方法
CN110019694A (zh) * 2017-07-26 2019-07-16 凡普互金有限公司 用于知识图谱的方法、装置和计算机可读存储介质
CN108519998A (zh) * 2018-03-07 2018-09-11 北京云知声信息技术有限公司 基于知识图谱的问题引导方法及装置
CN108829858A (zh) * 2018-06-22 2018-11-16 北京京东金融科技控股有限公司 数据查询方法、装置及计算机可读存储介质
CN108829858B (zh) * 2018-06-22 2021-09-17 京东数字科技控股有限公司 数据查询方法、装置及计算机可读存储介质
CN109145153A (zh) * 2018-07-02 2019-01-04 北京奇艺世纪科技有限公司 意图类别的识别方法和装置
CN110442710A (zh) * 2019-07-03 2019-11-12 广州探迹科技有限公司 一种基于知识图谱的短文本语义理解与精准匹配方法及装置
CN110597959A (zh) * 2019-09-17 2019-12-20 北京百度网讯科技有限公司 文本信息抽取方法、装置以及电子设备
CN110597959B (zh) * 2019-09-17 2023-05-02 北京百度网讯科技有限公司 文本信息抽取方法、装置以及电子设备

Also Published As

Publication number Publication date
CN106250393B (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
CN106250393B (zh) 一种基于知识图谱的短文本理解方法及装置
CN109710701B (zh) 一种用于公共安全领域大数据知识图谱的自动化构建方法
CN104866593B (zh) 一种基于知识图谱的数据库搜索方法
CN102982076B (zh) 基于语义标签库的多维度内容标注方法
CN105701098B (zh) 针对数据库中的表生成索引的方法和装置
CN104331446B (zh) 一种基于内存映射的海量数据预处理方法
CN104239513B (zh) 一种面向领域数据的语义检索方法
CN111159330B (zh) 一种数据库查询语句的生成方法及装置
CN105335402B (zh) 基于静态Cache的搜索方法、索引数据生成方法以及装置
CN107391677A (zh) 携带实体关系属性的中文通用知识图谱的生成方法及装置
CN105608232B (zh) 一种基于图形数据库的bug知识建模方法
CN103488724A (zh) 一种面向图书的阅读领域知识图谱构建方法
CN102867049B (zh) 一种基于单词查找树实现的汉语拼音快速分词方法
CN103646032A (zh) 一种基于本体和受限自然语言处理的数据库查询方法
CN101458694A (zh) 一种基于树形词库的中文分词方法
CN105550375A (zh) 一种异构数据的整合方法及系统
EP2131293A1 (en) Method for mapping an X500 data model onto a relational database
CN102819600B (zh) 面向电力生产管理系统关系数据库的关键词搜索方法
CN109800416A (zh) 一种电力设备名称识别方法
US7349892B1 (en) System and method for automatically organizing and classifying businesses on the World-Wide Web
CN104217011A (zh) HBase二级索引表的查询方法和装置
CN109063114B (zh) 能源云平台的异构数据集成方法、装置、终端及存储介质
CN107436955A (zh) 一种基于Wikipedia概念向量的英文词语相关度计算方法和装置
CN106202450A (zh) 一种基于makefile文件依赖的源码分析方法
CN108920608A (zh) 一种面向企业数据的搜索领域知识图谱构建方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20180717

Address after: 510000 106, No. 1, Feng Ze Road, Nansha District, Guangzhou, Guangdong (X1301-E5300)

Patentee after: ANN (Guangzhou) Intelligent Robot Technology Co., Ltd.

Address before: 510000 3304, room two, sports east road, Tianhe District, Guangzhou, Guangdong, China 122

Patentee before: Guangzhou hope Mdt InfoTech Ltd

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190508

Address after: 510000 East Sports Road, Tianhe District, Guangzhou City, Guangdong Province, 122 bis 3304

Patentee after: Guangzhou hope Mdt InfoTech Ltd

Address before: 510000 106, No. 1, Feng Ze Road, Nansha District, Guangzhou, Guangdong (X1301-E5300)

Patentee before: ANN (Guangzhou) Intelligent Robot Technology Co., Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191220

Address after: 518019 2-24 / F, building a, Zhongshe Plaza, No. 1028, Buji Road, Dongxiao street, Luohu District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Softcom Power Information Technology Co., Ltd

Address before: 510000 East Sports Road, Tianhe District, Guangzhou City, Guangdong Province, 122 bis 3304

Patentee before: Guangzhou hope Mdt InfoTech Ltd

TR01 Transfer of patent right