CN110704743A - 一种基于知识图谱的语义搜索方法及装置 - Google Patents
一种基于知识图谱的语义搜索方法及装置 Download PDFInfo
- Publication number
- CN110704743A CN110704743A CN201910943703.0A CN201910943703A CN110704743A CN 110704743 A CN110704743 A CN 110704743A CN 201910943703 A CN201910943703 A CN 201910943703A CN 110704743 A CN110704743 A CN 110704743A
- Authority
- CN
- China
- Prior art keywords
- semantic
- user
- representing
- endowment institution
- resources
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
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)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于知识图谱的语义搜索方法及装置,能够为用户提供准确地个性化搜索,且能够提高搜索效率和搜索准确度。所述方法包括:提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;根据用户的历史行为,确定基于用户行为的语义相似度;根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。本发明涉及搜索引擎、计算机信息处理领域。
Description
技术领域
本发明涉及搜索引擎、计算机信息处理领域,特别是指一种基于知识图谱的语义搜索方法及装置。
背景技术
近年来,随着信息科技的迅猛发展,网络信息资源呈现爆炸式地增长,人们在享受互联网信息交互带来巨大便利的同时,也受到“信息迷航”、“认知过载”等问题的困扰。
面对互联网上养老资源信息的日益增多,现有的搜索方式未考虑语义信息和用户特征,不能理解用户查询意图,导致用户搜索效率和搜索精确度低,且不能为用户提供精准地个性化的搜索服务。
发明内容
本发明要解决的技术问题是提供一种基于知识图谱的语义搜索方法及装置,以解决现有技术所存在的用户搜索效率和搜索精确度低,且不能为用户提供精准地个性化的搜索服务的问题。
为解决上述技术问题,本发明实施例提供一种基于知识图谱的语义搜索方法,包括:
提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
根据用户的历史行为,确定基于用户行为的语义相似度;
根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
进一步地,所述若匹配成功,则执行基于本体的语义扩展包括:
若匹配成功,则得到所述关键词映射到本体库中的实体概念,其中,映射得到的实体概念为待扩展实体概念;
计算每一个待扩展实体概念与本体库中的其他实体概念的语义相似度;
将语义相似度值大于预设的第一阈值时的其他本体概念作为相应待扩展实体概念的扩展词。
进一步地,语义相似度表示为:
其中,SimONT(c1,c2)表示基于本体的语义相似度,f1和f2分别表示实体概念c1和c2与最近的公共父节点之间的最短路径,D是c1和c2所在本体层次结构中的最大深度。
进一步地,所述若执行失败,则执行基于知识图谱的语义扩展包括:
若执行失败,则根据已构建的养老机构知识图谱,对待扩展实体概念与养老机构知识图谱中的本体概念分别进行继承关联和路径关联计算;
将关联值之和大于预设的第二阈值时的养老机构知识图谱中的本体概念作为待扩展实体概念的扩展词。
进一步地,继承关联计算表达式为:
其中,Inherit(ci,cj)表示实体概念ci和cj的继承关联值,k表示实体概念ci和cj的局部深度最大的共同祖先数量,an是ci和cj的局部深度最大的共同祖先,是an在本体层次结构中的深度,是an所在分支的最大深度。
进一步地,路径关联计算表达式为:
其中,Path(ci,cj)表示实体概念ci和cj的路径关联值,m表示实体概念ci和cj的路径关联条数,lengthn为ci和cj之间第n条路径关联长度;
关联值之和表示为:
SimKG(ci,cj)=Inherit(ci,cj)+Path(ci,cj)
其中,SimKG(ci,cj)表示继承关联值和路径关联值的和。
进一步地,若历史行为为用户评分,则基于用户行为的语义相似度表示为:
其中,Wij表示基于用户行为的养老机构资源i和j之间的相似度,|N(i)|表示对养老机构资源i进行评分的用户数,|N(j)|表示对养老机构资源j进行评分的用户数,|N(i)∩N(j)|是同时对养老机构资源i和j进行评分的用户数,养老机构资源i为实体概念ci,养老机构资源j为实体概念cj。
进一步地,用户对养老机构资源的评分表示为:
其中,Pui表示用户u对养老机构资源i的评分;N(u)表示用户u所评分过的养老机构资源的集合,S(i,k)表示与养老机构资源i最相似的k个资源集合; N(u)∩S(i,k)表示生成的参考资源集合,作为对资源i进行评分的参考; Sim(ci,cj)表示养老机构资源i与养老机构资源j的融合相似度,rui表示用户u对养老机构资源i的兴趣度。
进一步地,若是执行基于本体的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimONT(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于本体和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimONT(ci,cj)所占的比例;
若是执行基于知识图谱的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimKG(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于知识图谱和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimKG(ci,cj)所占的比例。
本发明实施例还提供一种基于知识图谱的语义搜索装置,包括:
匹配模块,用于提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
扩展模块,用于若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
确定模块,用于根据用户的历史行为,确定基于用户行为的语义相似度;
推荐模块,用于根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
本发明的上述技术方案的有益效果如下:
上述方案中,提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;根据用户的历史行为,确定基于用户行为的语义相似度;根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户,从而为每个用户提供准确地个性化搜索,且能够提高搜索效率和搜索准确度。
附图说明
图1为本发明实施例提供的基于知识图谱的语义搜索方法的流程示意图;
图2为本发明实施例提供的基于知识图谱的语义搜索装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的用户搜索效率和搜索精确度低,且不能为用户提供精准地个性化的搜索服务的问题,提供一种基于知识图谱的语义搜索方法及装置。
实施例一
如图1所示,本发明实施例提供的基于知识图谱的语义搜索方法,包括:
S101,提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
S102,若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
S103,根据用户的历史行为,确定基于用户行为的语义相似度;
S104,根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
本发明实施例所述的基于知识图谱的语义搜索方法,提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;根据用户的历史行为,确定基于用户行为的语义相似度;根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户,从而为每个用户提供准确地个性化搜索,且能够提高搜索效率和搜索准确度。
需要说明的是:
所述知识图谱为养老机构资源知识图谱,其构建过程可以包括以下步骤:
A1,构建本体库:对养老机构资源进行分析,抽象出本体类以及各类之间的关系,建立本体库;
A2,提取知识:爬取养老机构网页信息,对爬取到的养老机构网页信息依据本体库进行分割,通过网页模板对每一部分的实体进行提取,完成知识提取;
A3,构建图谱:将提取的实体依据本体库实现关系的构建,得到知识图谱,并用Neo4j数据库进行存储,得到知识库。
也就是,知识图谱是基于本体库构建,可以说知识图谱包含本体库概念;知识库是知识图谱构建完成后并存储于Neo4j数据库生成的,即:知识图谱是知识库的可视化表达,体现各个实体以及实体之间的关系。
为了更好地理解本发明实施例所述的基于知识图谱的语义搜索方法,对其进行详细说明,具体可以包括以下步骤:
S101,语义实体匹配:提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配。
本实施例中,结合本体概念的层次结构,将提取的每一个关键词在本体库中进行概念的匹配。
S102,语义查询扩展包括2种扩展方法:基于本体的语义扩展和基于知识图谱的语义扩展。
本实施例中,将每一个关键词在本体库中进行概念的匹配,若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展。
本实施例中,基于本体的语义扩展,是考虑两个本体间两个实体概念节点间的语义相似度,具体的:
若匹配成功,则得到所述关键词映射到本体库中的实体概念,其中,映射得到的实体概念为待扩展实体概念;
计算每一个待扩展实体概念与本体库中的其他实体概念的语义相似度;
将语义相似度值大于预设的第一阈值时的其他本体概念作为相应待扩展实体概念的扩展词,最终得到每个关键词对应的扩展词集合,实现基于本体的语义扩展。
本实施例中,考虑本体分类体系树自身的深度对被比较概念词的相似度的影响,采用以下计算方法计算语义相似度:
其中,SimONT(c1,c2)表示基于本体的语义相似度,f1和f2分别表示实体概念c1和c2与最近的公共父节点之间的最短路径,D是c1和c2所在本体层次结构中的最大深度。
本实施例中,基于知识图谱的语义扩展,是根据已构建的养老机构知识图谱,对待扩展实体概念与养老机构知识图谱中的本体概念分别进行继承关联和路径关联计算;将关联值之和大于预设的第二阈值时的养老机构知识图谱中的本体概念作为待扩展实体概念的扩展词,最终得到每个关键词对应的扩展词集合,实现基于知识图谱的语义扩展。
本实施例中,继承关联计算表达式为:
其中,Inherit(ci,cj)表示实体概念ci和cj的继承关联值,k表示实体概念ci和cj的局部深度最大的共同祖先数量,an是ci和cj的局部深度最大的共同祖先,是an在本体层次结构中的深度,是an所在分支的最大深度,an的层次越深,ci和cj之间的继承关联度越大;
本实施例中,对局部深度进行举例说明:
例如,类c是实体概念ci和cj的共同祖先,若c的子类中不存在ci和cj的共同祖先,则称c是ci和cj的局部深度(由于类c也可以有自己的祖先,因此,类c到实体概念ci和cj之间的深度,只是对部分本体层次结构而言,所以称为局部深度)最大的共同祖先。
本实施例中,路径关联计算表达式为:
其中,Path(ci,cj)表示实体概念ci和cj的路径关联值,m表示实体概念ci和cj的路径关联条数,lengthn为ci和cj之间第n条路径关联长度。ci和cj之间不重复的路径关联条数越少、长度越短,ci和cj之间的路径关联度越大。
本实施例中,关联值之和表示为:
SimKG(ci,cj)=Inherit(ci,cj)+Path(ci,cj)
其中,SimKG(ci,cj)表示继承关联值和路径关联值的和。
S103,根据用户的历史行为,进行基于用户行为的相似度计算。
本实施例中,历史行为以用户评分为例,基于用户行为的语义相似度计算如下:
其中,Wij表示基于用户行为的养老机构资源i和j之间的相似度,|N(i)|表示对养老机构资源i进行评分的用户数,|N(j)|表示对养老机构资源j进行评分的用户数,|N(i)∩N(j)|是同时对养老机构资源i和j进行评分的用户数,养老机构资源i为实体概念ci,养老机构资源j为实体概念cj。
S104,个性化推荐:根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
本实施例中,用户对养老机构资源的评分表示为:
其中,Pui表示用户u对养老机构资源i的评分;N(u)表示用户u所评分过的养老机构资源的集合,S(i,k)表示与养老机构资源i最相似的k个资源集合; N(u)∩S(i,k)表示生成的参考资源集合,作为对资源i进行评分的参考; Sim(ci,cj)表示养老机构资源i与养老机构资源j的融合相似度,rui表示用户u对养老机构资源i的兴趣度。
本实施例中,若是执行基于本体的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimONT(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于本体和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimONT(ci,cj)所占的比例。
本实施例中,若是执行基于知识图谱的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimKG(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于知识图谱和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimKG(ci,cj)所占的比例。
实施例二
本发明还提供一种基于知识图谱的语义搜索装置的具体实施方式,由于本发明提供的基于知识图谱的语义搜索装置与前述基于知识图谱的语义搜索方法的具体实施方式相对应,该基于知识图谱的语义搜索装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的,因此上述基于知识图谱的语义搜索方法具体实施方式中的解释说明,也适用于本发明提供的基于知识图谱的语义搜索装置的具体实施方式,在本发明以下的具体实施方式中将不再赘述。
如图2所示,本发明实施例还提供一种基于知识图谱的语义搜索装置,包括:
匹配模块11,用于提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
扩展模块12,用于若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
确定模块13,用于根据用户的历史行为,确定基于用户行为的语义相似度;
推荐模块14,用于根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
本发明实施例所述的基于知识图谱的语义搜索装置,提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;根据用户的历史行为,确定基于用户行为的语义相似度;根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户,从而为每个用户提供准确地个性化搜索,且能够提高搜索效率和搜索准确度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于知识图谱的语义搜索方法,其特征在于,包括:
提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
根据用户的历史行为,确定基于用户行为的语义相似度;
根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
2.根据权利要求1所述的基于知识图谱的语义搜索方法,其特征在于,所述若匹配成功,则执行基于本体的语义扩展包括:
若匹配成功,则得到所述关键词映射到本体库中的实体概念,其中,映射得到的实体概念为待扩展实体概念;
计算每一个待扩展实体概念与本体库中的其他实体概念的语义相似度;
将语义相似度值大于预设的第一阈值时的其他本体概念作为相应待扩展实体概念的扩展词。
4.根据权利要求3所述的基于知识图谱的语义搜索方法,其特征在于,所述若执行失败,则执行基于知识图谱的语义扩展包括:
若执行失败,则根据已构建的养老机构知识图谱,对待扩展实体概念与养老机构知识图谱中的本体概念分别进行继承关联和路径关联计算;
将关联值之和大于预设的第二阈值时的养老机构知识图谱中的本体概念作为待扩展实体概念的扩展词。
9.根据权利要求8所述的基于知识图谱的语义搜索方法,其特征在于,若是执行基于本体的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimONT(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于本体和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimONT(ci,cj)所占的比例;
若是执行基于知识图谱的语义扩展,则融合相似度表示为:
Sim(ci,cj)=α·SimKG(ci,cj)+(1-α)Wij
其中,Sim(ci,cj)表示基于知识图谱和用户行为的融合相似度;α为融合因子,表示Sim(ci,cj)中SimKG(ci,cj)所占的比例。
10.一种基于知识图谱的语义搜索装置,其特征在于,包括:
匹配模块,用于提取用户输入的待查询请求中的关键词,将提取的每一个关键词在本体库中进行概念的匹配,其中,所述待查询请求用于查询养老机构资源;
扩展模块,用于若匹配成功,则执行基于本体的语义扩展;若执行失败,则执行基于知识图谱的语义扩展;
确定模块,用于根据用户的历史行为,确定基于用户行为的语义相似度;
推荐模块,用于根据确定的基于用户行为的语义相似度及语义扩展结果,预测用户对养老机构资源的评分,将评分高的若干个养老机构资源信息作为推荐列表返回给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943703.0A CN110704743B (zh) | 2019-09-30 | 2019-09-30 | 一种基于知识图谱的语义搜索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943703.0A CN110704743B (zh) | 2019-09-30 | 2019-09-30 | 一种基于知识图谱的语义搜索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110704743A true CN110704743A (zh) | 2020-01-17 |
CN110704743B CN110704743B (zh) | 2022-02-18 |
Family
ID=69198129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943703.0A Active CN110704743B (zh) | 2019-09-30 | 2019-09-30 | 一种基于知识图谱的语义搜索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110704743B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611343A (zh) * | 2020-04-28 | 2020-09-01 | 北京智通云联科技有限公司 | 基于知识图谱最短路径查询的搜索系统、方法及设备 |
CN111680207A (zh) * | 2020-03-11 | 2020-09-18 | 华中科技大学鄂州工业技术研究院 | 一种用于确定用户搜索意图的方法及装置 |
CN112732923A (zh) * | 2020-11-13 | 2021-04-30 | 哈尔滨工业大学 | 一种基于知识图谱的快件物流服务语义提取方法 |
CN113139389A (zh) * | 2021-04-29 | 2021-07-20 | 南宁师范大学 | 基于动态优化的图模型语义查询扩展方法和装置 |
CN113157882A (zh) * | 2021-03-31 | 2021-07-23 | 山东大学 | 以用户语义为中心的知识图谱路径检索方法及装置 |
CN113505262A (zh) * | 2021-08-17 | 2021-10-15 | 深圳华声医疗技术股份有限公司 | 超声图像搜索方法、装置、超声设备及存储介质 |
CN113609376A (zh) * | 2021-06-29 | 2021-11-05 | 江苏中科西北星信息科技有限公司 | 一种基于知识图谱的养老补贴政策匹配方法及系统 |
CN113836289A (zh) * | 2021-08-16 | 2021-12-24 | 北京邮电大学 | 一种实体演进规律推荐方法及装置 |
CN114186075A (zh) * | 2021-12-14 | 2022-03-15 | 武汉数文科技有限公司 | 一种面向文化领域知识图谱的语义搜索方法 |
CN114328847A (zh) * | 2022-03-15 | 2022-04-12 | 深圳市一号互联科技有限公司 | 一种基于知识图谱的数据处理方法及系统 |
CN114547253A (zh) * | 2022-03-03 | 2022-05-27 | 北京伽睿智能科技集团有限公司 | 一种基于知识库应用的语义搜索方法 |
CN115146081A (zh) * | 2022-08-31 | 2022-10-04 | 合肥中科迪宏自动化有限公司 | 生产设备的故障诊断知识图谱的构建方法及诊断方法 |
CN116630543A (zh) * | 2023-05-25 | 2023-08-22 | 上海粟芯新能源科技有限公司 | 基于bs架构的三维实景一站式处理平台 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095762A (zh) * | 2016-02-05 | 2016-11-09 | 中科鼎富(北京)科技发展有限公司 | 一种基于本体模型库的新闻推荐方法及装置 |
CN106503035A (zh) * | 2016-09-14 | 2017-03-15 | 海信集团有限公司 | 一种知识图谱的数据处理方法和装置 |
CN106599179A (zh) * | 2016-12-13 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 融合知识图谱和记忆图谱的人机对话控制方法及装置 |
CN108270785A (zh) * | 2018-01-15 | 2018-07-10 | 中国人民解放军国防科技大学 | 一种基于知识图谱的分布式安全事件关联分析方法 |
CN108563710A (zh) * | 2018-03-27 | 2018-09-21 | 腾讯科技(深圳)有限公司 | 一种知识图谱构建方法、装置及存储介质 |
CN109522465A (zh) * | 2018-10-22 | 2019-03-26 | 国家电网公司 | 基于知识图谱的语义搜索方法及装置 |
CN109710621A (zh) * | 2019-01-16 | 2019-05-03 | 福州大学 | 结合语义类节点与边权重的关键词搜索ksanew算法 |
CN110069638A (zh) * | 2019-03-12 | 2019-07-30 | 北京航空航天大学 | 一种结合规则和路径的知识图谱组合表示学习方法 |
-
2019
- 2019-09-30 CN CN201910943703.0A patent/CN110704743B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095762A (zh) * | 2016-02-05 | 2016-11-09 | 中科鼎富(北京)科技发展有限公司 | 一种基于本体模型库的新闻推荐方法及装置 |
CN106503035A (zh) * | 2016-09-14 | 2017-03-15 | 海信集团有限公司 | 一种知识图谱的数据处理方法和装置 |
CN106599179A (zh) * | 2016-12-13 | 2017-04-26 | 竹间智能科技(上海)有限公司 | 融合知识图谱和记忆图谱的人机对话控制方法及装置 |
CN108270785A (zh) * | 2018-01-15 | 2018-07-10 | 中国人民解放军国防科技大学 | 一种基于知识图谱的分布式安全事件关联分析方法 |
CN108563710A (zh) * | 2018-03-27 | 2018-09-21 | 腾讯科技(深圳)有限公司 | 一种知识图谱构建方法、装置及存储介质 |
CN109522465A (zh) * | 2018-10-22 | 2019-03-26 | 国家电网公司 | 基于知识图谱的语义搜索方法及装置 |
CN109710621A (zh) * | 2019-01-16 | 2019-05-03 | 福州大学 | 结合语义类节点与边权重的关键词搜索ksanew算法 |
CN110069638A (zh) * | 2019-03-12 | 2019-07-30 | 北京航空航天大学 | 一种结合规则和路径的知识图谱组合表示学习方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680207A (zh) * | 2020-03-11 | 2020-09-18 | 华中科技大学鄂州工业技术研究院 | 一种用于确定用户搜索意图的方法及装置 |
CN111680207B (zh) * | 2020-03-11 | 2023-08-04 | 华中科技大学鄂州工业技术研究院 | 一种用于确定用户搜索意图的方法及装置 |
CN111611343A (zh) * | 2020-04-28 | 2020-09-01 | 北京智通云联科技有限公司 | 基于知识图谱最短路径查询的搜索系统、方法及设备 |
CN112732923A (zh) * | 2020-11-13 | 2021-04-30 | 哈尔滨工业大学 | 一种基于知识图谱的快件物流服务语义提取方法 |
CN112732923B (zh) * | 2020-11-13 | 2022-07-12 | 哈尔滨工业大学 | 一种基于知识图谱的快件物流服务语义提取方法 |
CN113157882A (zh) * | 2021-03-31 | 2021-07-23 | 山东大学 | 以用户语义为中心的知识图谱路径检索方法及装置 |
CN113157882B (zh) * | 2021-03-31 | 2022-05-31 | 山东大学 | 以用户语义为中心的知识图谱路径检索方法及装置 |
CN113139389A (zh) * | 2021-04-29 | 2021-07-20 | 南宁师范大学 | 基于动态优化的图模型语义查询扩展方法和装置 |
CN113609376A (zh) * | 2021-06-29 | 2021-11-05 | 江苏中科西北星信息科技有限公司 | 一种基于知识图谱的养老补贴政策匹配方法及系统 |
CN113609376B (zh) * | 2021-06-29 | 2023-06-06 | 江苏中科西北星信息科技有限公司 | 一种基于知识图谱的养老补贴政策匹配方法及系统 |
CN113836289A (zh) * | 2021-08-16 | 2021-12-24 | 北京邮电大学 | 一种实体演进规律推荐方法及装置 |
CN113505262B (zh) * | 2021-08-17 | 2022-03-29 | 深圳华声医疗技术股份有限公司 | 超声图像搜索方法、装置、超声设备及存储介质 |
CN113505262A (zh) * | 2021-08-17 | 2021-10-15 | 深圳华声医疗技术股份有限公司 | 超声图像搜索方法、装置、超声设备及存储介质 |
CN114186075A (zh) * | 2021-12-14 | 2022-03-15 | 武汉数文科技有限公司 | 一种面向文化领域知识图谱的语义搜索方法 |
CN114186075B (zh) * | 2021-12-14 | 2024-04-26 | 武汉数文科技有限公司 | 一种面向文化领域知识图谱的语义搜索方法 |
CN114547253A (zh) * | 2022-03-03 | 2022-05-27 | 北京伽睿智能科技集团有限公司 | 一种基于知识库应用的语义搜索方法 |
CN114328847A (zh) * | 2022-03-15 | 2022-04-12 | 深圳市一号互联科技有限公司 | 一种基于知识图谱的数据处理方法及系统 |
CN114328847B (zh) * | 2022-03-15 | 2022-05-24 | 深圳市一号互联科技有限公司 | 一种基于知识图谱的数据处理方法及系统 |
CN115146081B (zh) * | 2022-08-31 | 2022-12-09 | 合肥中科迪宏自动化有限公司 | 生产设备的故障诊断知识图谱的构建方法及诊断方法 |
CN115146081A (zh) * | 2022-08-31 | 2022-10-04 | 合肥中科迪宏自动化有限公司 | 生产设备的故障诊断知识图谱的构建方法及诊断方法 |
CN116630543A (zh) * | 2023-05-25 | 2023-08-22 | 上海粟芯新能源科技有限公司 | 基于bs架构的三维实景一站式处理平台 |
CN116630543B (zh) * | 2023-05-25 | 2024-03-08 | 上海粟芯新能源科技有限公司 | 基于bs架构的三维实景一站式处理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110704743B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704743B (zh) | 一种基于知识图谱的语义搜索方法及装置 | |
CN109783651B (zh) | 提取实体相关信息的方法、装置、电子设备和存储介质 | |
US9104979B2 (en) | Entity recognition using probabilities for out-of-collection data | |
US9183511B2 (en) | System and method for universal translating from natural language questions to structured queries | |
US9092483B2 (en) | User query reformulation using random walks | |
US20160328467A1 (en) | Natural language question answering method and apparatus | |
Zhou et al. | Resolving surface forms to wikipedia topics | |
US20220083874A1 (en) | Method and device for training search model, method for searching for target object, and storage medium | |
CN111797214A (zh) | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 | |
JP2014112316A (ja) | 大量のコメント文章を用いた質問回答プログラム、サーバ及び方法 | |
CN112989055B (zh) | 文本识别方法、装置、计算机设备和存储介质 | |
US8538916B1 (en) | Extracting instance attributes from text | |
CN110147494B (zh) | 信息搜索方法、装置,存储介质及电子设备 | |
CN112115232A (zh) | 一种数据纠错方法、装置及服务器 | |
CN111737997A (zh) | 一种文本相似度确定方法、设备及储存介质 | |
Wu et al. | Extracting topics based on Word2Vec and improved Jaccard similarity coefficient | |
CN110442730A (zh) | 一种基于deepdive的知识图谱构建方法 | |
CN107665442B (zh) | 获取目标用户的方法及装置 | |
KR101955920B1 (ko) | 속성 언어를 이용한 검색 방법 및 장치 | |
CN107133274B (zh) | 一种基于图知识库的分布式信息检索集合选择方法 | |
CN113610626A (zh) | 银行信贷风险识别知识图谱构建方法、装置、计算机设备及计算机可读存储介质 | |
CN109977235B (zh) | 一种触发词的确定方法和装置 | |
CN116383340A (zh) | 信息搜索方法、装置、电子设备和存储介质 | |
Panchenko et al. | Large-scale parallel matching of social network profiles | |
JP6173958B2 (ja) | 複数のハッシュテーブルを用いて検索するプログラム、装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |