CN111259624A - 知识图谱中三元组数据标注方法和装置 - Google Patents
知识图谱中三元组数据标注方法和装置 Download PDFInfo
- Publication number
- CN111259624A CN111259624A CN202010042297.3A CN202010042297A CN111259624A CN 111259624 A CN111259624 A CN 111259624A CN 202010042297 A CN202010042297 A CN 202010042297A CN 111259624 A CN111259624 A CN 111259624A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- determining
- ternary group
- group data
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了知识图谱中三元组数据标注方法和装置,涉及人工智能领域,其中,方法包括:按照预设的规则计算目标三元组数据的置信度;若目标三元组数据的置信度大于阈值,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级;根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式;根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。该方法在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于置信度高的三元组数据,根据调度优先级和标注模式进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,提升了标注准确率和效率,降低了人工成本。
Description
技术领域
本申请涉及计算机技术领域,具体涉及人工智能领域,尤其涉及一种知识图谱中三元组数据标注方法和装置。
背景技术
知识图谱中的三元组(包括主体、客体、主体与客体之间的关系)在实体问答、实体推荐等各应用场景中有着重要的作用。三元组的准确性直接影响各应用的准确性。目前,为了提高三元组的准确性,通常由人工对全量的三元组数据直接进行标注。
但是,通过人工对全量的三元组数据直接标注的方式,标注成本高。
发明内容
本申请提出一种知识图谱中三元组数据标注方法和装置,用于解决相关技术中,由人工对全量的三元组数据直接标注来提高三元组的准确性的方法,存在标注成本高的问题。
本申请一方面实施例提出了一种知识图谱中三元组数据标注方法,包括:
按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系;
若目标三元组数据的置信度大于阈值,则根据所述目标三元组数据的热度,确定所述目标三元组数据的调度优先级;
根据所述目标关系的时效性及所述目标主体的歧义性,确定所述目标三元组数据的标注模式;
根据所述目标三元组数据的调度优先级及标注模式,对所述目标三元组数据进行标注。
本申请实施例的知识图谱中三元组数据标注方法,通过首先按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系,若目标三元组数据的置信度大于阈值,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级,根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式,之后根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。由此,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,提升了标注准确率和效率,降低了人工成本。
本申请另一方面实施例提出了一种知识图谱中三元组数据标注装置,包括:
计算模块,用于按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系;
第一确定模块,用于当目标三元组数据的置信度大于阈值时,根据所述目标三元组数据的热度,确定所述目标三元组数据的调度优先级;
第二确定模块,用于根据所述目标关系的时效性及所述目标主体的歧义性,确定所述目标三元组数据的标注模式;
标注模块,用于根据所述目标三元组数据的调度优先级及标注模式,对所述目标三元组数据进行标注。
本申请实施例的知识图谱中三元组数据标注装置,通过首先按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系,若目标三元组数据的置信度大于阈值,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级,根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式,之后根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。由此,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,相比人工对全量数据标注,提升了标注准确率和效率,降低了人工成本。
本申请另一方面实施例提出了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的知识图谱中三元组数据标注方法。
本申请另一方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序,所述计算机指令用于使所述计算机执行上述一方面实施例所述的知识图谱中三元组数据标注方法。
上述申请中的实施例具有如下有益效果:上述通过在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注。因为采用将三元组数据的标注分为多层,通过分层完成数据的标注处理的技术手段,所以克服了人工对全量三元组数据直接标注的方法,标注成本高的技术问题,进而达到提升标注准确率和效率,降低人工成本的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例提供的一种知识图谱中三元组数据标注方法的流程示意图;
图2为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图;
图3为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图;
图4为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图
图5为本申请实施例提供的一种知识图谱中三元组数据标注装置的结构示意图;
图6为根据本申请实施例的知识图谱中三元组数据标注方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的知识图谱中三元组数据标注方法和装置。
本申请实施例,针对人工对全量的三元组数据直接标注方法,存在标注成本高的问题,提出一种知识图谱中三元组数据标注方法。
本申请实施例的知识图谱中三元组数据标注方法,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,相比人工对全量数据直接标注,提升了标注准确率和效率,降低了人工成本。
图1为本申请实施例提供的一种知识图谱中三元组数据标注方法的流程示意图。
在应用场景中,直接抽取得到三元组数据由于算法准确率以及数据源的可信度问题,可能不能直接满足应用需求,因此需要进行标注。
本申请实施例的知识图谱中三元组数据标注方法,可由本申请提供的知识图谱中三元组数据标注装置执行,该装置可配置于电子设备中,以实现将三元组数据的标注分为多层,通过分层完成数据的标注处理。
如图1所示,该知识图谱中三元组数据标注方法包括:
步骤101,按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系。
本实施例中,目标三元组数据可以是知识图谱中的三元组,也可以是从挖掘源抽取得到的,目标三元组数据可以是一个句子。其中,目标三元组数据中包括主体、客体和关系,为了便于描述,这里称为目标主体、目标客体和目标关系。
对于目标三元组数据,可按照预设的规则计算目标三元组数据的置信度。比如,可根据预设的知识图谱中三元组,对目标三元组数据进行一致性校验,根据校验结果,确定目标三元组数据的置信度。或者,根据目标三元组数据在网页数据中的共同出现的频次或共同出现时的距离,计算目标三元组数据的置信度等。
步骤102,若目标三元组数据的置信度大于阈值,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级。
本实施例中,目标三元组数据的置信度越高,说明目标三元组数据的准确率越高。在确定目标三元组数据的置信度后,将目标三元组数据的置信度与预设的阈值进行比较,如果小于阈值,则直接将目标三元组数据舍弃。
如果大于阈值,说明目标三元组数据的准确率比较高,可以对该三元组数据进行标注,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级。其中,目标三元组数据的热度,可根据包含目标三元组数据的网页的点击率确定,点击率越高说明热度越高。
由于目标三元组数据的热度越高,可以认为需要尽快完成标注,那么目标三元组数据的热度,确定目标三元组数据的调度优先级。其中,调度优先级越高,说明目标三元组数据被标注的优先级越高。
本实施例中,通过阈值将准确率比较低的三元组数据筛除,对置信度大于阈值的三元组数据进行标注,减少标注的数据量,节省了成本。
步骤103,根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式。
本实施例中,标注模式可包括专员标注和众包标注,其中,专员标注是指由专业人员进行标注,而众包标注是指由大量非专业人员进行标注。
在实际应用中,对于高时效性的关系数据,由于其变动频次比较大,可能同时出现多个时间的准确数据,判定其中的正确数据难度较大,那么时效性较高的三元组数据,可采用专员标注,比如电影票房。而对于公司职位,其时效性就相对较低,可采用众包标注。可见,可将根据目标关系的时效性,作为确定目标三元组的标注模式考虑因素。
另外,对于同名的主体,其含义可能不同,而具有相同含义的主体,其名字可能不同,因此,可将目标主体的歧义性,作为确定目标三元组的标注模式考虑因素。
在确定标注模式时,可根据目标关系的时效性、目标主体的歧义性以及预设的权重值,确定目标元素的标注模式。
步骤104,根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。
本实施例中,可根据目标三元组数据的调度优先级结合标注模式,对目标三元组数据进行标注。比如,调度优先级分为高、中、低三个级别,而目标三元组数据的调度优先级为高,标注模式为专员标注,若待标注的三元组数据有多个,则由专业人员优先对该目标三元组数据标注。
本实施例中,对目标三元组数据进行标注,可以是重新确定目标三元组数据中包含的三元组,或者标注其他信息。
本申请实施例的知识图谱中三元组数据标注方法,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,相比人工对全量数据标注,提升了标注准确率和效率,降低了人工成本。
在本申请的一个实施例中,上述在按照预设的规则计算目标知识图谱中三元组数据的置信度时,可以是根据目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度。
本实施例中,本体约束是指预先规定的约束条件,比如,三元组的主体和客体类别都是人。其中,本体约束条件可以是对已知知识图谱进行解析确定的,也可以是人工构建的。
在目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度时,目标三元组数据与预设的本体约束的匹配度越高,目标三元组数据的置信度越高,匹配度越低,目标三元组数据的置信度越高。
或者,根据目标三元组数据与预设知识图谱中的各参考三元组数据的一致性,确定目标三元组数据的置信度。
具体地,将目标三元组数据与预设知识图谱中的参考三元组数据进行比较,确定预设的知识图谱中是否存在与目标三元组数据匹配的参考三元组数据。
如果目标三元组数据与预设的知识图谱中的第一参考三元组匹配,也即预设的知识图谱中出现了目标三元组数据,则确定特征值为1;如果目标三元组数据与预设的知识图谱中的任一参考三元组数据均未匹配,即目标三元组数据没有出现在预设的知识图谱中,则确定特征值为0。然后,根据该特征确定目标三元组数据的置信度。
其中,预设知识图谱中存在与目标三元组数据一致的参考三元组数据时的置信度,大于不存在与目标三元组数据一致的参考三元组数据时的置信度。
本申请实施例中,在确定知识图谱中目标三元组数据的置信度时,可通过目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度,或者根据所述目标三元组数据与预设知识图谱中的各参考三元组数据的一致性,确定目标三元组数据的置信度,从而提高了三元组数据的置信度准确性。
在本申请的一个实施例中,在确定知识图谱中目标三元组数据的置信度时,也可获取目标三元组数据对应的网络搜索结果,进而根据网络搜索结果中的共现信息,确定其置信度。下面结合图2进行说明,图2为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图。
如图2所示,上述按照预设的规则计算知识图谱中目标三元组数据的置信度,包括:
步骤201,将目标主体、目标客体及目标关系进行拼接,生成查询语句。
本实施例中,可将目标三元组数据包含的目标主体、目标客体及目标关系进行拼接,得到查询语句。
具体地,可以是将目标主体、目标客体及目标关系进行拼接,生成查询语句。在拼接时,可以是目标主体、目标客体及目标关系依次进行拼接,也可以是按照目标主体、目标关系和目标客体的关系进行拼接等等。
步骤202,获取查询语句对应的多个网络搜索结果。
在根据目标三元组数据,确定查询语句后,可在搜索引擎中输入查询语句进行搜索,从而获取与查询语句对应的网络搜索结果。其中,网络搜索结果为包括多个网页的列表。
比如,查询语句为A的妻子B,那么通过搜索引擎可以获取与该查询语句相关的网页。
步骤203,根据目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次、和/或共现距离,确定目标三元组数据的置信度。
其中,共现频次是指目标主体、目标客体及目标关系,在搜索结果中的每个网页中依次出现的频次;共现距离是指目标主体、目标客体及目标关系在每个网页中共同出现时,目标主体与目标关系之间的文本长度,加上目标关系与目标客体之间的文本长度。
具体地,可先确定目标主体、目标客体及目标关系,在搜索结果的每个网页上的共现频次及共现距离,然后计算每个网页对应的共现频次之和,以及每个网页对应的共现距离之和,之后根据共现频次之和和共现距离之和,确定目标三元组数据的特征。
或者,确定每个网页对应的共现频次和共现距离后,对每个网页对应的共现频次和共现距离进行运行算,然后对每个网页对应的运行结果求和,根据求和结果,得到目标三元组数据的特征。
在确定知识图谱中目标三元组数据的特征后,利用预设的网络模型,对目标三元组数据的特征进行编码解码处理,得到目标三元组数据的置信度。其中,共现频次越高、共现距离越小,置信度越高。
目标三元组数据的特征可以用向量表示,具体地,可用全部维数表示共现频次和共现距离。或者,也可是预设数量的维数与共现频次及共现距离相关。比如,设特征有共有N维,共现频次和共现距离各占一维,剩余的维数上元素值为零,或者所有维数表示共现频次和共现距离。
可以理解的是,也可以根据目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次,或者共现距离,确定目标三元组数据的置信度。
以根据共现频次确定置信度为例,可确定每个目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次,得到目标三元组数据的各特征,然后根据将各特征对应的向量进行融合,比如拼接,之后,利用预设的网络模型对融合后的向量进行编码解码处理,得到目标三元组数据的置信度。
本申请实施例中,通过基于目标三元组数据对应的网页搜索结果中的共现信息,确定目标三元组数据的置信度,由于网页库中文本粒度的三元组共现信息与人工判定更加相符,从而得到的置信度的准确率较高。
在本申请的一个实施例中,上述根据目标三元组数据的热度,确定目标三元组数据的调度优先级之前,可先根据目标三元组数据的网络搜索结果,确定目标三元组数据对应的热度。下面结合图3进行说明,图3为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图。
如图3所示,上述根据目标三元组数据的热度,确定目标三元组数据的调度优先级之前,还可包括:
步骤301,将目标主体、目标客体及目标关系进行拼接,生成查询语句。
步骤302,获取查询语句对应的多个网络搜索结果。
本实施例中,步骤301-步骤302,与上述步骤201-步骤202类似,故在此不再赘述。
步骤303,根据多个网络搜索结果中目标主体出现的网页数量,确定目标主体的热度。
具体地,可预先建立出现主体的网页数量与热度的对应关系。在获取查询语句对应的多个网络搜索结果后,统计多个网络搜索结果中出现目标主体的网页数量,根据该对应关系,确定目标主体出现的网页数量对应的热度,即为目标主体的热度。
其中,目标主体出现的网页数量越多,目标主体的热度越高,热度可以直接用网页数量表示,也可以用等级表示,或者也可以用其他数值表示等等。
步骤304,根据目标关系在每个网络搜索结果中权重值,确定目标关系的热度。
本实施例中,目标关系在每个网络搜索结果中权重值,可根据目标关系与每个网络搜索结果的标题的相似度确定。其中,相似度越高权重值越大。
本实施例中,在确定目标关系在每个网络搜索结果中权重值后,可计算目标关系在所有网络搜索结果中权重值的平均值,基于该权重值的平均值确定目标关系的热度。比如,可根据权重值与热度的对应关系,确定权重值的平均值对应的热度。其中,权重值的平均值越大,目标关系的热度越高。
步骤305,根据目标主体的热度、目标关系的热度及预设的权重值,确定目标三元组数据的热度。
在确定目标主体的热度和目标关系的热度后,可根据目标主体的热度、目标关系的热度及预设的权重值,确定目标三元组数据的热度。
其中,预设的权重值用于指示目标主体的热度和目标关系的热度,在确定目标三元组数据的热度中的权重。
比如,目标主体的热度对应的权重为0.6,目标关系对应的权重为0.4,目标主体的热度为L1,目标关系的热度为L2,那么目标三元组数据的热度为L1*0.6+L1*0.4。
本申请实施例的知识图谱中三元组数据标注方法,在根据目标三元组数据的热度,确定目标三元组数据的调度优先级之前,通过根据目标三元组数据对应的网络搜索结果,确定目标主体的热度和目标关系的热度,进而根据目标主体的热度和目标关系的热度,确定目标三元组数据的热度,由此,基于网络搜索结果确定目标三元组的热度,提高了热度的准确性,那么在根据目标三元组数据的热度,确定调度优先级时,提高了调度优先级的准确性。
在实际应用中,不同的三元组数据需要采用的标注模式可能不同。基于此,在本申请的一个实施例中,在上述确定目标三元组数据的标注模式之前,可先根据包含目标主体的字符串包含的实体数量,确定目标三元组数据的类型。下面结合图4进行说明,图4为本申请实施例提供的另一种知识图谱中三元组数据标注方法的流程示意图。
如图4所示,在确定目标三元组数据的标注模式之前,还可包括:
步骤401,对包含目标主体的字符串进行主体识别,确定字符串中包含的实体数量。
本实施例中,对包含目标主体的字符串,比如包含目标主体的句子,进行主体识别,确定字符串中包含的实体数量。其中,可根据现有的实体抽取方法,识别字符串中的实体。
步骤402,若字符串中包含的实体数量大于或等于阈值,则确定目标三元组数据为专员标注数据。
如果字符串中包含的实体数量大于或等于阈值,说明字符串包含的实体数量较多,该字符串比较复杂,为了提高标注质量,确定目标三元组数据为专员标注数据。其中,专员标注数据是指由专业人员进行标注的数据。
如果目标三元组数据为专员标注数据,可以确定目标三元组数据的标注模式为专员标注。
也就是说,如果一句话中包含的实体数量较多时,可以认为这句话比较复杂,所以需要专员标注。
本申请实施例的知识图谱中三元组数据标注方法,在确定目标三元组数据的标注模式之前,通过对包含所述目标主体的字符串进行主体识别,确定字符串中包含的实体数量,若字符串中包含的实体数量大于或等于阈值,则确定目标三元组数据为专员标注数据,由此,若确定三元组数据为专员标注数据,根据三元组数据的专员标注数据类型对三元组数据进行专员标注,提高了标注的准确率和效率。
在实际应用中,一个句子可能包含的实体不多,但是热度可能不同,热度不同的话,实体可能具有特殊意义,由普通人员标注,标注质量可能会比较低。
基于此,在本申请的一个实施例中,在上述确定字符串中包含的实体数量之后,判断字符串中包含的实体数量是否小于阈值,且热度不同,如果字符串中包含N个热度不同的实体,则确定目标三元组数据为专员标注数据,其中,N为大于1、且小于阈值的整数。
其中,实体热度可根据实体所在的网页的点击率确定,或者根据实体作为搜索关键词的次数确定等等。
也就是说,如果一句话里包含的实体数量不是很多,比如只有2个,但是这两个实体,有一个热度特别高,一个热度特别低,这两个实体可能是有特殊意义的实体,所以需要专员标注。
本申请实施例中,在确定字符串中包含的实体数量之后,若字符串中包含N个热度不同的实体,则确定目标三元组数据为专员标注数据,由此,可以提高目标三元组数据标注模式准确性。
在本申请的一个实施例中,在上述确定字符串中包含的实体数量之后,如果判定字符串中包含的实体数量小于或等于N,说明字符串不复杂,可由普通人员标注,则确定目标三元组数据为众包标注数据。
其中,N为大于1、且小于阈值的整数。
或者,如果判定字符串中包含N个热度相同的实体,可以认为这些实体为普通意义的实体,确定目标三元组数据为众包标注数据,即目标三元组数据可采用众包标注的方式进行标注。如果目标三元组数据为众包标注数据,可以确定目标三元组数据的标注模式为众包标注。
也就是说,如果一个句子中包含的实体数量较少,或者实体数量少且热度相同的实体时,可以采用众包标注的标注模式。
基于上述实施例,在确定目标三元组数据的标注模式之前,通过确定目标三元组标注数据的是专员标注数据还是众包标注数据,由此,通过可以根据三元组数据的类型采取相应的标注模式,从而提高了标注的准确率和效率。
为了实现上述实施例,本申请实施例还提出一种知识图谱中三元组数据标注装置。图5为本申请实施例提供的一种知识图谱中三元组数据标注装置的结构示意图。
如图5所示,该知识图谱中三元组数据标注装置500包括:计算模块510、第一确定模块520、第二确定模块530、标注模块540。
计算模块510,用于按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系;
第一确定模块520,用于当目标三元组数据的置信度大于阈值时,根据目标三元组数据的热度,确定目标三元组数据的调度优先级;
第二确定模块530,用于根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式;
标注模块540,用于根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。
在本申请实施例一种可能的实现方式中,上述计算模块510,具体用于:
根据目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度;
或者,
根据目标三元组数据与预设知识图谱中的各参考三元组数据的一致性,确定目标三元组数据的置信度。
在本申请实施例一种可能的实现方式中,上述计算模块510,具体用于:
将目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取查询语句对应的多个网络搜索结果;
根据目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次、和/或共现距离,确定目标三元组数据的置信度。
在本申请实施例一种可能的实现方式中,该装置还可包括:
生成模块,用于将目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取模块,用于获取查询语句对应的多个网络搜索结果;
第三确定模块,用于根据多个网络搜索结果中目标主体出现的网页数量,确定目标主体的热度;
第四确定模块,用于根据目标关系在每个网络搜索结果中权重值,确定目标关系的热度;
第五确定模块,用于根据目标主体的热度、目标关系的热度及预设的权重值,确定目标三元组数据的热度。
在本申请实施例一种可能的实现方式中,该装置还可包括:
第六确定模块,用于对包含目标主体的字符串进行主体识别,确定字符串中包含的实体数量;
第七确定模块,用于当字符串中包含的实体数量大于或等于阈值时,确定目标三元组数据为专员标注数据。
在本申请实施例一种可能的实现方式中,该装置还可包括:
第八确定模块,用于当字符串中包含N个热度不同的实体时,确定目标三元组数据为专员标注数据,其中,N为大于1、且小于阈值的整数。
在本申请实施例一种可能的实现方式中,该装置还可包括:
第九确定模块,用于当字符串中包含的实体数量小于或等于N时,确定目标三元组数据为众包标注数据;
或者,当字符串中包含N个热度相同的实体时,确定目标三元组数据为众包标注数据;
其中,N为大于1、且小于阈值的整数。
需要说明的是,前述对知识图谱中三元组数据标注方法实施例的解释说明,也适用于该实施例的知识图谱中三元组数据标注装置,故在此不再赘述。
本申请实施例的知识图谱中三元组数据标注装置,通过首先按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系,若目标三元组数据的置信度大于阈值,则根据目标三元组数据的热度,确定目标三元组数据的调度优先级,根据目标关系的时效性及目标主体的歧义性,确定目标三元组数据的标注模式,之后根据目标三元组数据的调度优先级及标注模式,对目标三元组数据进行标注。由此,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,相比人工对全量数据标注,提升了标注准确率和效率,降低了人工成本。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的知识图谱中三元组数据标注方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的知识图谱中三元组数据标注方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的知识图谱中三元组数据标注方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的知识图谱中三元组数据标注方法对应的程序指令/模块(例如,附图5所示的计算模块510、第一确定模块520、第二确定模块530、标注模块540)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的知识图谱中三元组数据标注方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据知识图谱中三元组数据标注电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至知识图谱中三元组数据标注方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
知识图谱中三元组数据标注方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与知识图谱中三元组数据标注方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在对知识图谱中三元组数据标注前,先通过置信度将准确率低的三元组数据过滤掉,对于筛选出的置信度高的三元组数据,确定其调度优先级和标注模式,根据调度优先级和标注模式,对三元组数据进行标注,从而将三元组数据的标注分为多层,通过分层完成数据的标注处理,相比人工对全量数据标注,提升了标注准确率和效率,降低了人工成本。
在本说明书的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种知识图谱中三元组数据标注方法,其特征在于,包括:
按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系;
若目标三元组数据的置信度大于阈值,则根据所述目标三元组数据的热度,确定所述目标三元组数据的调度优先级;
根据所述目标关系的时效性及所述目标主体的歧义性,确定所述目标三元组数据的标注模式;
根据所述目标三元组数据的调度优先级及标注模式,对所述目标三元组数据进行标注。
2.如权利要求1所述的方法,其特征在于,所述按照预设的规则计算知识图谱中目标三元组数据的置信度,包括:
根据所述目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度;
或者,
根据所述目标三元组数据与预设知识图谱中的各参考三元组数据的一致性,确定目标三元组数据的置信度。
3.如权利要求1所述的方法,其特征在于,所述按照预设的规则计算知识图谱中目标三元组数据的置信度,包括:
将所述目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取所述查询语句对应的多个网络搜索结果;
根据所述目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次、和/或共现距离,确定所述目标三元组数据的置信度。
4.如权利要求1所述的方法,其特征在于,所述根据所述目标三元组数据的热度,确定所述目标三元组数据的调度优先级之前,还包括:
将所述目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取所述查询语句对应的多个网络搜索结果;
根据所述多个网络搜索结果中目标主体出现的网页数量,确定所述目标主体的热度;
根据所述目标关系在每个网络搜索结果中权重值,确定所述目标关系的热度;
根据所述目标主体的热度、目标关系的热度及预设的权重值,确定所述目标三元组数据的热度。
5.如权利要求1所述的方法,其特征在于,所述确定所述目标三元组数据的标注模式之前,还包括:
对包含所述目标主体的字符串进行主体识别,确定所述字符串中包含的实体数量;
若所述字符串中包含的实体数量大于或等于阈值,则确定所述目标三元组数据为专员标注数据。
6.如权利要求5所述的方法,其特征在于,所述确定所述字符串中包含的实体数量之后,还包括:
若所述字符串中包含N个热度不同的实体,则确定所述目标三元组数据为专员标注数据,其中,N为大于1、且小于所述阈值的整数。
7.如权利要求5所述的方法,其特征在于,所述确定所述字符串中包含的实体数量之后,还包括:
若所述字符串中包含的实体数量小于或等于N,则确定所述目标三元组数据为众包标注数据;
或者,若所述字符串中包含N个热度相同的实体,则确定所述目标三元组数据为众包标注数据;
其中,N为大于1、且小于所述阈值的整数。
8.一种知识图谱中三元组数据标注装置,其特征在于,包括:
计算模块,用于按照预设的规则计算知识图谱中目标三元组数据的置信度,其中,目标三元组数据中包括:目标主体、目标客体及目标关系;
第一确定模块,用于当目标三元组数据的置信度大于阈值时,根据所述目标三元组数据的热度,确定所述目标三元组数据的调度优先级;
第二确定模块,用于根据所述目标关系的时效性及所述目标主体的歧义性,确定所述目标三元组数据的标注模式;
标注模块,用于根据所述目标三元组数据的调度优先级及标注模式,对所述目标三元组数据进行标注。
9.如权利要求8所述的装置,其特征在于,所述计算模块,具体用于:
根据所述目标三元组数据与预设的本体约束的匹配度,确定目标三元组数据的置信度;
或者,
根据所述目标三元组数据与预设知识图谱中的各参考三元组数据的一致性,确定目标三元组数据的置信度。
10.如权利要求8所述的装置,其特征在于,所述计算模块,具体用于:
将所述目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取所述查询语句对应的多个网络搜索结果;
根据所述目标主体、目标客体及目标关系在每个网络搜索结果中的共现频次、和/或共现距离,确定所述目标三元组数据的置信度。
11.如权利要求8所述的装置,其特征在于,还包括:
生成模块,用于将所述目标主体、目标客体及目标关系进行拼接,生成查询语句;
获取模块,用于获取所述查询语句对应的多个网络搜索结果;
第三确定模块,用于根据所述多个网络搜索结果中目标主体出现的网页数量,确定所述目标主体的热度;
第四确定模块,用于根据所述目标关系在每个网络搜索结果中权重值,确定所述目标关系的热度;
第五确定模块,用于根据所述目标主体的热度、目标关系的热度及预设的权重值,确定所述目标三元组数据的热度。
12.如权利要求8所述的装置,其特征在于,还包括:
第六确定模块,用于对包含所述目标主体的字符串进行主体识别,确定所述字符串中包含的实体数量;
第七确定模块,用于当所述字符串中包含的实体数量大于或等于阈值时,确定所述目标三元组数据为专员标注数据。
13.如权利要求12所述的装置,其特征在于,还包括:
第八确定模块,用于当所述字符串中包含N个热度不同的实体时,确定所述目标三元组数据为专员标注数据,其中,N为大于1、且小于所述阈值的整数。
14.如权利要求12所述的装置,其特征在于,还包括:
第九确定模块,用于当所述字符串中包含的实体数量小于或等于N时,确定所述目标三元组数据为众包标注数据;
或者,当所述字符串中包含N个热度相同的实体时,确定所述目标三元组数据为众包标注数据;
其中,N为大于1、且小于所述阈值的整数。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的知识图谱中三元组数据标注方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的知识图谱中三元组数据标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042297.3A CN111259624B (zh) | 2020-01-15 | 2020-01-15 | 知识图谱中三元组数据标注方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042297.3A CN111259624B (zh) | 2020-01-15 | 2020-01-15 | 知识图谱中三元组数据标注方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259624A true CN111259624A (zh) | 2020-06-09 |
CN111259624B CN111259624B (zh) | 2023-03-31 |
Family
ID=70954068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010042297.3A Active CN111259624B (zh) | 2020-01-15 | 2020-01-15 | 知识图谱中三元组数据标注方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259624B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677874A (zh) * | 2016-01-11 | 2016-06-15 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种对提取的Web表格数据进行集成的方法及装置 |
KR20160108886A (ko) * | 2015-03-09 | 2016-09-21 | 포항공과대학교 산학협력단 | 개방형 정보 추출을 이용한 지식베이스 확장 방법 및 장치 |
CN106951963A (zh) * | 2017-03-29 | 2017-07-14 | 苏州大学 | 一种知识精炼的方法以及装置 |
CN108984683A (zh) * | 2018-06-29 | 2018-12-11 | 北京百度网讯科技有限公司 | 结构化数据的提取方法、系统、设备及存储介质 |
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 |
CN110597999A (zh) * | 2019-08-01 | 2019-12-20 | 湖北工业大学 | 一种依存句法分析关系抽取模型的司法案件知识图谱构建方法 |
CN110598001A (zh) * | 2019-08-05 | 2019-12-20 | 平安科技(深圳)有限公司 | 联合实体关系抽取方法、装置及存储介质 |
-
2020
- 2020-01-15 CN CN202010042297.3A patent/CN111259624B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160108886A (ko) * | 2015-03-09 | 2016-09-21 | 포항공과대학교 산학협력단 | 개방형 정보 추출을 이용한 지식베이스 확장 방법 및 장치 |
CN105677874A (zh) * | 2016-01-11 | 2016-06-15 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种对提取的Web表格数据进行集成的方法及装置 |
CN106951963A (zh) * | 2017-03-29 | 2017-07-14 | 苏州大学 | 一种知识精炼的方法以及装置 |
CN108984683A (zh) * | 2018-06-29 | 2018-12-11 | 北京百度网讯科技有限公司 | 结构化数据的提取方法、系统、设备及存储介质 |
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 |
CN110597999A (zh) * | 2019-08-01 | 2019-12-20 | 湖北工业大学 | 一种依存句法分析关系抽取模型的司法案件知识图谱构建方法 |
CN110598001A (zh) * | 2019-08-05 | 2019-12-20 | 平安科技(深圳)有限公司 | 联合实体关系抽取方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111259624B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967262B (zh) | 实体标签的确定方法和装置 | |
CN111522967B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
JP7301922B2 (ja) | 意味検索方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN111967256B (zh) | 事件关系的生成方法、装置、电子设备和存储介质 | |
CN113094550B (zh) | 视频检索方法、装置、设备和介质 | |
CN111522994A (zh) | 用于生成信息的方法和装置 | |
CN111709247A (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
CN111274407B (zh) | 知识图谱中三元组置信度计算方法和装置 | |
CN111737954B (zh) | 文本相似度确定方法、装置、设备和介质 | |
KR20220003085A (ko) | 검색 결과를 결정하는 방법, 장치, 기기 및 컴퓨터 기록 매체 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN112541359B (zh) | 文档内容识别方法、装置、电子设备及介质 | |
CN110427436B (zh) | 实体相似度计算的方法及装置 | |
CN111611990A (zh) | 用于识别图像中表格的方法和装置 | |
CN111241242B (zh) | 目标内容的确定方法、装置、设备及计算机可读存储介质 | |
CN111291192B (zh) | 知识图谱中三元组置信度计算方法和装置 | |
CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN111309872B (zh) | 搜索处理方法、装置及设备 | |
CN112084150A (zh) | 模型训练、数据检索方法,装置,设备以及存储介质 | |
CN113361240A (zh) | 用于生成目标文章的方法、装置、设备和可读存储介质 | |
CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN111259624B (zh) | 知识图谱中三元组数据标注方法和装置 | |
CN112101012B (zh) | 互动领域确定方法、装置、电子设备及存储介质 |
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 |