CN111522967B - 知识图谱构建方法、装置、设备以及存储介质 - Google Patents

知识图谱构建方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN111522967B
CN111522967B CN202010345691.4A CN202010345691A CN111522967B CN 111522967 B CN111522967 B CN 111522967B CN 202010345691 A CN202010345691 A CN 202010345691A CN 111522967 B CN111522967 B CN 111522967B
Authority
CN
China
Prior art keywords
scene
determining
attribute
tag
association
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.)
Active
Application number
CN202010345691.4A
Other languages
English (en)
Other versions
CN111522967A (zh
Inventor
李千
史亚冰
蒋烨
柴春光
朱勇
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010345691.4A priority Critical patent/CN111522967B/zh
Publication of CN111522967A publication Critical patent/CN111522967A/zh
Priority to EP20212230.5A priority patent/EP3905146A1/en
Priority to US17/116,979 priority patent/US20210334669A1/en
Priority to JP2020205138A priority patent/JP7269913B2/ja
Priority to KR1020200173813A priority patent/KR102528748B1/ko
Application granted granted Critical
Publication of CN111522967B publication Critical patent/CN111522967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • 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
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种知识图谱构建方法、装置、设备以及存储介质，涉及数据处理领域，尤其涉及人工智能技术。具体实现方案为：确定场景和所述场景的场景元素；根据实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签；建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。本申请实施例提供了一种知识图谱构建方法、装置、设备以及存储介质，丰富了知识图谱中的知识，使得知识图谱在智能搜索、智能问答、个性化推荐等智能信息服务中可以产生更大的应用价值。

Description

知识图谱构建方法、装置、设备以及存储介质
技术领域
本申请实施例涉及数据处理领域，尤其涉及人工智能技术。具体地，本申请实施例提供一种知识图谱构建方法、装置、设备以及存储介质。
背景技术
知识图谱技术是人工智能技术的重要组成部分，以结构化的方式描述客观世界中的概念、实体及其间的关系。知识图谱技术提供了一种组织、管理和理解互联网海量信息的能力，将互联网的信息表达成更接近于人类认知世界的形式。
知识图谱中知识的数量和种类是评价知识图谱的重要指标，一个具有丰富知识的知识图谱，可以在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。如何丰富知识图谱中的知识，以使知识图谱在智能信息服务中产生更大的应用价值，是当前知识图谱技术所面临的问题。
发明内容
本申请实施例提供了一种知识图谱构建方法、装置、设备以及存储介质。
第一方面，本申请实施例提供了一种知识图谱构建方法，该方法包括：
确定场景和所述场景的场景元素；
根据实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签；
建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。
第二方面，本申请实施例还提供了一种知识图谱构建装置，该装置包括：
场景确定模块，用于确定场景和所述场景的场景元素；
目标标签确定模块，用于根据实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签；
图谱建立模块，用于建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。
第三方面，本申请实施例还提供了一种电子设备，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本申请实施例中任一项所述的方法。
第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
通过本申请实施例的技术方案，丰富了知识图谱中的知识，使得知识图谱在智能搜索、智能问答、个性化推荐等智能信息服务中可以产生更大的应用价值。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
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是本申请实施例提供的一种知识图谱构建方法的流程图；
图2是本申请实施例提供的一种知识图谱的结构示意图；
图3是本申请实施例提供的另一种知识图谱构建方法的流程图；
图4是本申请实施例提供的又一种知识图谱构建方法的流程图；
图5是本申请实施例提供的一种知识图谱构建装置的结构示意图；
图6是用来实现本申请实施例的知识图谱构建方法的电子设备框图。
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。
图1是本申请实施例提供的一种知识图谱构建方法的流程图。本实施例可适用于对知识图谱进行场景信息丰富，以提高知识图谱在智能信息服务中的应用价值的情况。参见图1，本申请实施例提供的一种知识图谱构建方法，包括：
S110、确定场景和所述场景的场景元素。
其中，场景泛指情景，例如等车场景、约会场景、漫天大雪的场景等。
场景元素是指构成场景的要素。具体场景元素可以是该场景下的人群、发生地点和发生时间等。场景关联的场景元素的数量可以是一个、两个或多个。
示例性地，若场景比较复杂，为完整的构造该场景，则可以使用多个场景元素；若场景比较简单，则通过较少数量的场景元素即可实现对场景的构造。
为实现对场景元素的数据量统一，以便后续计算，可以对构造场景的要素进行规律的学习，根据学习的规律确定场景元素的模板。示例性地，场景元素的模板可以是人群、时间、地点、需求和情感。
可选地，所述确定场景，包括：
根据所述场景元素确定所述场景；或，
根据需求信息确定所述场景。
具体地，根据所述场景元素确定所述场景，包括：
基于场景元素和场景的映射关系，根据场景元素确定场景；或，
对场景元素进行语义分析，根据分析结果进行总结归纳，得到场景元素关联的场景。
具体地，所述确定所述场景的场景元素包括：
确定与实体关联的目标数据源；
从所述目标数据源的数据中提取所述场景元素。
示例性地，若实体是POI(Point of Interest，兴趣点)，则目标数据源可以是评论数据。
若实体是人物，则目标数据可以是人物传记。
因为目标数据源与实体关联，所以基于目标数据源可以提高场景元素的准确率和提取效率。
可选地，可以根据词语的出现频次，从所述目标数据源的数据中提取所述场景元素；也可以根据词语与场景的共现频次，从所述目标数据源的数据中提取所述场景元素。
S120、根据实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签。
其中，属性标签是描述实体属性的标签。具体地，属性标签可以是分类标签，也可以是其他描述性标签。本实施例对此并不进行任何限制。
目标标签是指与场景关联的标签。
具体地，根据实体与场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签，包括：
根据所述实体与所述场景元素的关联关系，以及所述实体与所述属性标签的关联关系，确定所述场景元素与所述属性标签之间的关联信息；
根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签。
其中，关联信息是指场景元素与属性标签之间相关联的信息。具体地，关联信息可以是场景元素与属性标签之间是否存在关联关系。
具体地，根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签，包括：
若所述场景元素与所述属性标签之间的关联信息为存在关联关系，则确定该属性标签为目标标签。
S130、建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。
其中，场景节点是指场景在知识图谱中呈现的节点。
目标标签节点是指目标标签在知识图谱中呈现的节点。
示例性地，以实体为POI为例，构建的知识图谱的效果参见图2。
本申请实施例的上述技术方案，通过以场景元素为中介，挖掘标签和场景之间的隐含关系，基于该隐含关系构造知识图谱，从而丰富知识图谱中的知识，使得知识图谱在智能搜索、智能问答、个性化推荐等智能信息服务中可以产生更大的应用价值。
图3是本申请实施例提供的另一种知识图谱构建方法的流程图。参见图3，如本申请的上述实施例所述，为提高目标标签的准确率，对上述S120进行展开。
具体地，上述S120包括：
S121、根据所述实体与所述场景元素的关联关系，以及所述实体与所述属性标签的关联关系，确定所述场景元素与所述属性标签之间的关联次数。
S122、根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签。
具体地，关联次数越多，确定属性标签作为目标标签的概率就越大。
具体地，根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签，包括：
根据所述关联次数，对所述属性标签进行排序；
根据排序结果，从所述属性标签中确定所述目标标签。
示例性地，可以将排序结果位于前设定数量位次的属性标签确定为目标标签。
基于上述步骤的扩展，本申请实施例可以量化场景与属性标签之间的相关程度。因为量化结果可以实现对相关程度的准确度量。所以根据量化的场景与属性标签之间的相关程度，可以提高目标标签的准确率。
为提高目标标签的准确率和计算效率，所述根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签，包括：
若所述场景元素与所述属性标签之间的关联次数大于设定次数阈值，则将该属性标签作为候选标签；
根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度；
根据所述相关度，从所述候选标签中确定所述目标标签。
其中，设定次数阈值是指在场景与属性标签可能存在关联的情况下，场景元素与属性标签之间关联次数的最小值。
候选标签是指与场景可能存在关联的属性标签。
基于该技术特征，本申请实施例通过利用设定次数阈值，将属性标签中不可能与场景关联的标签滤除，从而提高后续计算速度，进而提高目标标签的计算效率。
并且通过利用设定次数阈值和相关度的双重过滤，可以进一步提高目标标签的准确率。
具体地，所述根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度，包括：
对所述场景元素与所述候选标签之间的关联次数进行排序；
根据排序结果确定所述候选标签与所述场景的相关度。
可选地，所述根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度，包括：
确定所述场景元素与所述候选标签之间关联次数的最大值；
计算所述场景元素与所述候选标签之间的关联次数与所述最大值的比值；
根据计算的比值，确定所述候选标签与所述场景的相关度。
示例性地，假定场景元素包括：A、B、C和D，场景为X(其中X由A和B构造)以及属性标签包括a、b、c和d。目标标签的确定可以描述如下：
相关项挖掘：根据关联次数，从属性标签中确定候选标签a和b，以构成X-a，X-b两个相关对。
相关度：假如X与候选标签关联次数的最高值为10，X-a的关联次数为10，X-b的关联次数为7，则确定X-a的相关度为100％，X-b的相关度为70％。根据确定地相关度从候选标签中确定目标标签，以提高目标标签的准确率。
图4是本申请实施例提供的又一种知识图谱构建方法的流程图。参见图4，如本申请的上述实施例，为降低实体与场景元素的关联关系，以及实体与候选标签的关联关系的挖掘成本，提高关联关系的挖掘速度，本申请的上述实施例还可以描述如下：
S210、确定场景和所述场景的场景元素。
S220、根据已有知识图谱中实体节点和场景元素节点之间的边，确定实体与所述场景元素的关联关系。
S230、根据已有知识图谱中所述实体节点和属性标签节点的边，确定所述实体与属性标签的关联关系。
S240、根据所述实体与所述场景元素的关联关系，以及所述实体与所述属性标签的关联关系，从所述属性标签中确定目标标签。
S250、建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。
本申请实施例对上述步骤的执行顺序不做限定。可选地，S230可以先于S220执行，或S230和S220也可以先于S210执行。
本申请实施例通过从已有知识图谱中挖掘实体与场景元素的关联关系，以及实体与属性标签的关联关系，从而实现关联关系的快速获取，提高建立知识图谱的效率。
图5是本申请实施例提供的一种知识图谱构建装置的结构示意图。参见图5，本申请实施例提供的一种知识图谱构建装置500，包括：场景确定模块501、目标标签确定模块502和图谱建立模块503。
其中，场景确定模块501，用于确定场景和所述场景的场景元素；
目标标签确定模块502，用于根据实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，从所述属性标签中确定目标标签；
图谱建立模块503，用于建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱。
本申请实施例的上述技术方案，通过以场景元素为中介，挖掘标签和场景之间的隐含关系，基于该隐含关系构造知识图谱，从而丰富知识图谱中的知识，使得知识图谱在智能搜索、智能问答、个性化推荐等智能信息服务中可以产生更大的应用价值。
进一步地，所述目标标签确定模块，包括：
信息确定单元，用于根据所述实体与所述场景元素的关联关系，以及所述实体与所述属性标签的关联关系，确定所述场景元素与所述属性标签之间的关联信息；
目标标签确定单元，用于根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签。
进一步地，所述目标标签确定单元，包括：
标签确定子单元，用于根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签。
进一步地，所述根标签确定子单元，包括：
候选标签确定件，用于若所述场景元素与所述属性标签之间的关联次数大于设定次数阈值，则将该属性标签作为候选标签；
相关度确定件，用于根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度；
目标标签确定件，用于根据所述相关度，从所述候选标签中确定所述目标标签。
进一步地，所述相关度确定件具体用于：
确定所述场景元素与所述候选标签之间关联次数的最大值；
计算所述场景元素与所述候选标签之间的关联次数与所述最大值的比值；
根据计算的比值，确定所述候选标签与所述场景的相关度。
进一步地，所述装置还包括：
场景关系确定模块，用于所述根据实体与场景元素的关联关系，以及所述实体与候选标签的关联关系，确定所述候选标签与所述场景的相关度之前，根据已有知识图谱中实体节点和场景元素节点之间的边，确定所述实体与所述场景元素的关联关系；
标签关系确定模块，用于根据已有知识图谱中所述实体节点和属性标签节点的边，确定所述实体与所述属性标签的关联关系。
进一步地，所述场景确定模块，包括：
场景确定单元，用于根据所述场景元素确定所述场景；或，
根据需求信息确定所述场景。
进一步地，所述场景确定模块，包括：
数据源确定单元，用于确定与所述实体关联的目标数据源；
元素提取单元，用于从所述目标数据源的数据中提取所述场景元素。
进一步地，所述场景元素为构成所述场景的要素中的至少一个；
所述场景的要素包括但不限于：所述场景下的人群、所述场景的发生地点和所述场景的发生时间。
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构建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构建方法。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构建方法。
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构建方法对应的程序指令/模块(例如，附图5所示的场景确定模块501、目标标签确定模块502和图谱建立模块503)。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构建方法。
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构建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构建电子设备。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。
知识图谱构建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构建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，丰富了知识图谱中的知识，使得知识图谱在智能搜索、智能问答、个性化推荐等智能信息服务中可以产生更大的应用价值。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种知识图谱构建方法，其特征在于，包括：
确定与实体关联的目标数据源；
从所述目标数据源的数据中提取场景元素，并确定场景；
根据所述实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，确定所述场景元素与所述属性标签之间的关联信息；
根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定目标标签，其中，属性标签是描述实体属性的标签；目标标签是指与场景关联的标签；
建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱；
所述根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签之前，还包括：根据已有知识图谱中实体节点和场景元素节点之间的边，确定所述实体与所述场景元素的所述关联关系；根据已有知识图谱中所述实体节点和属性标签节点的边，确定所述实体与所述属性标签的所述关联关系。
2.根据权利要求1所述的方法，其特征在于，所述根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签，包括：
根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签。
3.根据权利要求2所述的方法，其特征在于，所述根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签，包括：
若所述场景元素与所述属性标签之间的关联次数大于设定次数阈值，则将该属性标签作为候选标签；
根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度；
根据所述相关度，从所述候选标签中确定所述目标标签。
4.根据权利要求3所述的方法，其特征在于，所述根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度，包括：
确定所述场景元素与所述候选标签之间关联次数的最大值；
计算所述场景元素与所述候选标签之间的关联次数与所述最大值的比值；
根据计算的比值，确定所述候选标签与所述场景的相关度。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述确定场景，包括：
根据所述场景元素确定所述场景；或，
根据需求信息确定所述场景。
6.根据权利要求1-4中任一所述的方法，其特征在于，所述场景元素为构成所述场景的要素中的至少一个；
所述场景的要素包括：所述场景下的人群、所述场景的发生地点和所述场景的发生时间。
7.一种知识图谱构建装置，其特征在于，包括：
场景确定模块，用于确定与实体关联的目标数据源，从所述目标数据源的数据中提取场景元素，以及确定场景；
目标标签确定模块，其中，
信息确定单元，用于根据所述实体与所述场景元素的关联关系，以及所述实体与属性标签的关联关系，确定所述场景元素与所述属性标签之间的关联信息；
目标标签确定单元，用于根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签；
图谱建立模块，用于建立场景节点与目标标签节点之间的边，得到包括场景信息的知识图谱；
场景关系确定模块，用于所述根据所述场景元素与所述属性标签之间的关联信息，从所述属性标签中确定所述目标标签之前，根据已有知识图谱中实体节点和场景元素节点之间的边，确定所述实体与所述场景元素的所述关联关系；
标签关系确定模块，用于根据已有知识图谱中所述实体节点和属性标签节点的边，确定所述实体与所述属性标签的所述关联关系。
8.根据权利要求7所述的装置，其特征在于，所述目标标签确定单元，包括：
标签确定子单元，用于根据所述场景元素与所述属性标签之间的关联次数，从所述属性标签中确定所述目标标签。
9.根据权利要求8所述的装置，其特征在于，所述标签确定子单元，包括：
候选标签确定件，用于若所述场景元素与所述属性标签之间的关联次数大于设定次数阈值，则将该属性标签作为候选标签；
相关度确定件，用于根据所述场景元素与所述候选标签之间的关联次数，确定所述候选标签与所述场景的相关度；
目标标签确定件，用于根据所述相关度，从所述候选标签中确定所述目标标签。
10.根据权利要求9所述的装置，其特征在于，所述相关度确定件具体用于：
确定所述场景元素与所述候选标签之间关联次数的最大值；
计算所述场景元素与所述候选标签之间的关联次数与所述最大值的比值；
根据计算的比值，确定所述候选标签与所述场景的相关度。
11.根据权利要求7-10中任一所述的装置，其特征在于，所述场景确定模块，包括：
场景确定单元，用于根据所述场景元素确定所述场景；或，
根据需求信息确定所述场景。
12.根据权利要求7-10中任一所述的装置，其特征在于，所述场景元素为构成所述场景的要素中的至少一个；
所述场景的要素包括：所述场景下的人群、所述场景的发生地点和所述场景的发生时间。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
CN202010345691.4A 2020-04-27 2020-04-27 知识图谱构建方法、装置、设备以及存储介质 Active CN111522967B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010345691.4A CN111522967B (zh) 2020-04-27 2020-04-27 知识图谱构建方法、装置、设备以及存储介质
EP20212230.5A EP3905146A1 (en) 2020-04-27 2020-12-07 Method, apparatus, device and storage medium for constructing knowledge graph
US17/116,979 US20210334669A1 (en) 2020-04-27 2020-12-09 Method, apparatus, device and storage medium for constructing knowledge graph
JP2020205138A JP7269913B2 (ja) 2020-04-27 2020-12-10 ナレッジグラフ構築方法、装置、電子機器、記憶媒体およびコンピュータプログラム
KR1020200173813A KR102528748B1 (ko) 2020-04-27 2020-12-11 지식 그래프를 구축하는 방법, 장치, 기기 및 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010345691.4A CN111522967B (zh) 2020-04-27 2020-04-27 知识图谱构建方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111522967A CN111522967A (zh) 2020-08-11
CN111522967B true CN111522967B (zh) 2023-09-15

Family

ID=71905314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010345691.4A Active CN111522967B (zh) 2020-04-27 2020-04-27 知识图谱构建方法、装置、设备以及存储介质

Country Status (5)

Country Link
US (1) US20210334669A1 (zh)
EP (1) EP3905146A1 (zh)
JP (1) JP7269913B2 (zh)
KR (1) KR102528748B1 (zh)
CN (1) CN111522967B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307085B (zh) * 2020-10-30 2024-04-09 北京百度网讯科技有限公司 数据处理方法、装置、电子设备及存储介质
CN112307337B (zh) * 2020-10-30 2024-04-12 中国平安人寿保险股份有限公司 基于标签知识图谱的关联推荐方法、装置及计算机设备
CN112528146B (zh) * 2020-12-09 2022-05-27 北京百度网讯科技有限公司 内容资源推荐方法、装置、电子设备及存储介质
CN113743974A (zh) * 2021-01-14 2021-12-03 北京沃东天骏信息技术有限公司 一种资源推荐方法及装置、设备、存储介质
CN113505235A (zh) * 2021-07-05 2021-10-15 北京优锘科技有限公司 一种基于配置数据生成交易路径图的方法、装置和设备
CN114543796B (zh) * 2022-02-14 2023-09-08 国网电力科学研究院有限公司 一种室外定位方法、系统及存储介质
CN114282011B (zh) * 2022-03-01 2022-08-23 支付宝(杭州)信息技术有限公司 知识图谱的构建方法和装置、图计算方法及装置
CN115203428B (zh) * 2022-05-30 2023-09-26 北京百度网讯科技有限公司 一种知识图谱构建方法、装置、电子设备及存储介质
CN117235289B (zh) * 2023-11-16 2024-02-27 国网浙江省电力有限公司 一种面向场景化决策需求的领域图谱模型的处理方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688606A (zh) * 2017-07-26 2018-02-13 北京三快在线科技有限公司 一种推荐信息的获取方法及装置，电子设备
CN109948073A (zh) * 2017-09-25 2019-06-28 腾讯科技（深圳）有限公司 内容检索方法、终端、服务器、电子设备及存储介质
CN110008355A (zh) * 2019-04-11 2019-07-12 华北科技学院 基于知识图谱的灾害场景信息融合方法及装置
CN110377676A (zh) * 2019-06-25 2019-10-25 北京百度网讯科技有限公司 一种语音指令的处理方法、装置、设备和计算机存储介质
CN110543574A (zh) * 2019-08-30 2019-12-06 北京百度网讯科技有限公司 一种知识图谱的构建方法、装置、设备及介质
CN110580516A (zh) * 2019-08-21 2019-12-17 厦门无常师教育科技有限公司 一种基于智能机器人的交互方法及装置
CN110611651A (zh) * 2019-07-19 2019-12-24 中国工商银行股份有限公司 网络监控方法、网络监控装置和电子设备
CN110688495A (zh) * 2019-12-09 2020-01-14 武汉中科通达高新技术股份有限公司 一种事件信息的知识图谱模型构建方法、装置、存储介质
CN110825882A (zh) * 2019-10-09 2020-02-21 西安交通大学 一种基于知识图谱的信息系统管理方法
WO2020063092A1 (zh) * 2018-09-30 2020-04-02 北京国双科技有限公司 知识图谱的处理方法及装置
CN110955764A (zh) * 2019-11-19 2020-04-03 百度在线网络技术（北京）有限公司 场景知识图谱的生成方法、人机对话方法以及相关设备
CN111026965A (zh) * 2019-12-05 2020-04-17 中国银行股份有限公司 基于知识图谱的热点话题追溯方法及装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5093869A (en) * 1990-12-26 1992-03-03 Hughes Aircraft Company Pattern recognition apparatus utilizing area linking and region growth techniques
KR940006841A (ko) * 1992-09-17 1994-04-25 전성원 자동차 전후이동 시이트 잠금장치
WO2007062885A1 (en) * 2005-11-29 2007-06-07 International Business Machines Corporation Method and system for extracting and visualizing graph-structured relations from unstructured text
FR2940487A1 (fr) * 2008-12-19 2010-06-25 Thales Sa Procede et systeme pour la fusion de donnees ou d'informations
US20110096135A1 (en) * 2009-10-23 2011-04-28 Microsoft Corporation Automatic labeling of a video session
US8977611B2 (en) * 2011-10-18 2015-03-10 Facebook, Inc. Ranking objects by social relevance
CN103136228A (zh) * 2011-11-25 2013-06-05 阿里巴巴集团控股有限公司 一种图片搜索方法以及图片搜索装置
US9946739B2 (en) * 2013-03-15 2018-04-17 Neura Labs Corp. Intelligent internet system with adaptive user interface providing one-step access to knowledge
US10474949B2 (en) * 2014-08-19 2019-11-12 Qualcomm Incorporated Knowledge-graph biased classification for data
US10019538B2 (en) * 2015-04-01 2018-07-10 Tata Consultancy Services Limited Knowledge representation on action graph database
US10534810B1 (en) * 2015-05-21 2020-01-14 Google Llc Computerized systems and methods for enriching a knowledge base for search queries
US20190102625A1 (en) * 2017-09-29 2019-04-04 Microsoft Technology Licensing, Llc Entity attribute identification
US20190179878A1 (en) * 2017-12-12 2019-06-13 Google Llc Generating organization-specific tags for communications from various sources of an organization using an expanded knowledge graph for organization-specific content
US10803135B2 (en) * 2018-09-11 2020-10-13 Apple Inc. Techniques for disambiguating clustered occurrence identifiers
KR20200042739A (ko) * 2018-10-16 2020-04-24 삼성전자주식회사 지식 그래프에 기초하여 콘텐트를 제공하는 시스템 및 방법

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688606A (zh) * 2017-07-26 2018-02-13 北京三快在线科技有限公司 一种推荐信息的获取方法及装置，电子设备
CN109948073A (zh) * 2017-09-25 2019-06-28 腾讯科技（深圳）有限公司 内容检索方法、终端、服务器、电子设备及存储介质
WO2020063092A1 (zh) * 2018-09-30 2020-04-02 北京国双科技有限公司 知识图谱的处理方法及装置
CN110008355A (zh) * 2019-04-11 2019-07-12 华北科技学院 基于知识图谱的灾害场景信息融合方法及装置
CN110377676A (zh) * 2019-06-25 2019-10-25 北京百度网讯科技有限公司 一种语音指令的处理方法、装置、设备和计算机存储介质
CN110611651A (zh) * 2019-07-19 2019-12-24 中国工商银行股份有限公司 网络监控方法、网络监控装置和电子设备
CN110580516A (zh) * 2019-08-21 2019-12-17 厦门无常师教育科技有限公司 一种基于智能机器人的交互方法及装置
CN110543574A (zh) * 2019-08-30 2019-12-06 北京百度网讯科技有限公司 一种知识图谱的构建方法、装置、设备及介质
CN110825882A (zh) * 2019-10-09 2020-02-21 西安交通大学 一种基于知识图谱的信息系统管理方法
CN110955764A (zh) * 2019-11-19 2020-04-03 百度在线网络技术（北京）有限公司 场景知识图谱的生成方法、人机对话方法以及相关设备
CN111026965A (zh) * 2019-12-05 2020-04-17 中国银行股份有限公司 基于知识图谱的热点话题追溯方法及装置
CN110688495A (zh) * 2019-12-09 2020-01-14 武汉中科通达高新技术股份有限公司 一种事件信息的知识图谱模型构建方法、装置、存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
区域医疗专家预约云服务系统的建模与优化研究;何萍;中国优秀博士学位论文全文数据库;全文 *

Also Published As

Publication number Publication date
EP3905146A1 (en) 2021-11-03
CN111522967A (zh) 2020-08-11
KR20210132578A (ko) 2021-11-04
JP7269913B2 (ja) 2023-05-09
JP2021174516A (ja) 2021-11-01
KR102528748B1 (ko) 2023-05-03
US20210334669A1 (en) 2021-10-28

Similar Documents

Publication Publication Date Title
CN111522967B (zh) 知识图谱构建方法、装置、设备以及存储介质
CN111522994B (zh) 用于生成信息的方法和装置
CN111241282B (zh) 文本主题生成方法、装置及电子设备
CN111079442B (zh) 文档的向量化表示方法、装置和计算机设备
US11573992B2 (en) Method, electronic device, and storage medium for generating relationship of events
CN111488740B (zh) 一种因果关系的判别方法、装置、电子设备及存储介质
CN111737954B (zh) 文本相似度确定方法、装置、设备和介质
CN111582454B (zh) 生成神经网络模型的方法和装置
EP3961476A1 (en) Entity linking method and apparatus, electronic device and storage medium
CN111666751B (zh) 训练文本扩充方法、装置、设备以及存储介质
CN111523007B (zh) 用户感兴趣信息确定方法、装置、设备以及存储介质
JP7242994B2 (ja) ビデオイベント識別方法、装置、電子デバイス及び記憶媒体
CN112380847B (zh) 兴趣点处理方法、装置、电子设备及存储介质
CN111563198B (zh) 一种物料召回方法、装置、设备及存储介质
CN111756832B (zh) 推送信息的方法、装置、电子设备及计算机可读存储介质
CN111090991A (zh) 场景纠错方法、装置、电子设备和存储介质
CN111400456B (zh) 资讯推荐方法及装置
CN111241838B (zh) 文本实体的语义关系处理方法、装置及设备
CN111522928B (zh) 一种知识抽取方法、装置、设备和介质
CN111753195B (zh) 标签体系构建方法、装置、设备以及存储介质
CN111026916B (zh) 文本描述的转换方法、装置、电子设备及存储介质
CN111309872B (zh) 搜索处理方法、装置及设备
CN111125445B (zh) 社区主题生成方法、装置、电子设备及存储介质
CN111177479A (zh) 获取关系网络图中节点的特征向量的方法以及装置
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