CN111694943A - 一种精准信息查询方法及系统 - Google Patents

一种精准信息查询方法及系统 Download PDF

Info

Publication number
CN111694943A
CN111694943A CN202010481761.9A CN202010481761A CN111694943A CN 111694943 A CN111694943 A CN 111694943A CN 202010481761 A CN202010481761 A CN 202010481761A CN 111694943 A CN111694943 A CN 111694943A
Authority
CN
China
Prior art keywords
information
query
format
fact
data structure
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
CN202010481761.9A
Other languages
English (en)
Other versions
CN111694943B (zh
Inventor
刘韩
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010481761.9A priority Critical patent/CN111694943B/zh
Publication of CN111694943A publication Critical patent/CN111694943A/zh
Application granted granted Critical
Publication of CN111694943B publication Critical patent/CN111694943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • 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
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种精准信息查询方法及系统，包括：获取信息；构建信息数据结构,将获取的信息变换为事实语句的格式，即，S：P：O（q1:v1,q2:v2……qn:vn），将事实语句按S：P：O（q1:v1,q2:v2……qn:vn）的格式存储，qn:vn表示qn和vn配对使用；输入查询信息；查询信息的变换；查询信息,将含有待查询量的查询语句格式S：P：O（q1:v1,q2:v2……qn:vn）与数据结构S：P：O（q1:v1,q2:v2……qn:vn）中的信息进行对应匹配，获取数据结构S：P：O（q1:v1,q2:v2……qn:vn）中能匹配查询信息格式S：P：O（q1:v1,q2:v2……qn:vn）中已知信息的条目；输出查询结果。本技术方案一种精准信息查询方法及系统，在设计上采用极简原则，方便快速学习使用，确保实现高速精准的信息搜索。

Description

一种精准信息查询方法及系统
技术领域
本发明涉及一种查询方法及系统，尤其涉及一种用于知识图谱的精准信息查询方法及系统。
背景技术
人类社会进入信息时代以来，人类拥有的数据呈指数级别增长。特别是互联网和移动互联网的发展，更加速了数据爆炸的趋势。然而，人们查询数据的语言已经有多年没有进步，最常用的数据查询语言仍是1974年由BOyce和Chamberlin提出的SQL语言，SQL语言算是专业的关系数据库查询语言，但是除了程序员和数据库管理员外，基本上很少用户能够掌握。
近年来，在google公司的引领之下，知识图谱领域有了较大进展，知识图谱中的知识和数据在数量和质量上都有了很大提升。但是，知识图谱的查询语言仍然是用户使用中的重要瓶颈，知识图谱领域常用的SPARQL语言于2008年首次面世，复杂性与SQL语言基本相当。用于图数据库的Cypher查询语言，于2011年面世，和SPARQL难度差不多，对普通人来说，仍然很难掌握。
发明内容
本发明解决的技术问题是：构建一种精准信息查询方法及系统，克服现有技术数据结构复杂，学习和使用不方便的技术问题。
本发明的技术方案是：构建一种精准信息查询方法，包括如下步骤：
获取信息：通过多种方式获取信息；
构建信息数据结构：将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用，其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v2表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数；
输入查询信息：输入查询信息；
查询信息的变换：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息；
查询信息：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目；
输出查询结果：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出。
本发明的进一步技术方案是：所述配对的qn和vn中一次只能有一个为待查询量。
本发明的进一步技术方案是：将含有待查询量的查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配时，数据结构和查询信息格式对应的信息为包含关系，即数据结构中包含查询信息中对应的信息为匹配。
本发明的进一步技术方案是：在构建信息数据结构步骤中，将信息按主语、谓语、宾语的形式分别与S：P：O对应构建。
本发明的进一步技术方案是：当S：P的结果为一个新的事实主体时，事实属性P多个串联，形成S：P1：P2：……Pn格式，其中：P1表示第一个事实属性，P2表示第一个事实属性，Pn表示第一个事实属性，n为自然数。
本发明的进一步技术方案是：待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，再将查询结果进行逻辑运算。
本发明的进一步技术方案是：在输出查询结果过程中，还包括输出查询结果作为事实主体的相关信息。
本发明的进一步技术方案是：在构建信息数据结构时，针对多个不同事实主体的相同信息设置缺省值，在输出查询结果时，针对查询结果中有多个不同事实主体的相同信息，输出标注为缺省值的查询结果条目。
本发明的进一步技术方案是：在构建查询信息时，还包括设置查询子句，所述查询子句包括条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
本发明的技术方案是：构建一种精准信息查询系统，包括获取信息的信息获取单元、构建信息数据结构的信息构建单元、输入查询信息的输入单元、对待查询信息进行变换的查询信息变换单元、根据变换的查询信息进行查询的查询单元、输出查询结果的输出单元，所述信息获取单元通过多种方式获取信息，所述信息构建单元将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用；所述输入单元输入查询信息；所述查询信息变换单元将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息；所述查询单元将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，所述查询单元获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目，所述输出单元将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出；其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v1表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。
本发明的进一步技术方案是：所述查询单元还包括逻辑运算模块，待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，所述逻辑运算模块再将查询结果进行逻辑运算。
本发明的进一步技术方案是：所述输出单元还包括相关信息生成模块，在输出查询结果过程中，所述相关信息生成模块输出查询结果作为事实主体的相关信息。
本发明的进一步技术方案是：所述信息构建单元还包括缺省值设置模块，在构建信息数据结构时，所述缺省值设置模块针对多个不同事实主体的相同信息设置缺省值。
本发明的进一步技术方案是：所述查询单元还包括查询子句模块，所述查询子句模块构建条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
本发明的技术效果是：构建一种精准信息查询方法及系统，包括：获取信息：通过多种方式获取信息。构建信息数据结构：将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用，其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v2表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。输入查询信息：输入查询信息。查询信息的变换：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……q2：vn)格式中的部分设为待查询量，其余部分为已知信息。查询信息：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目。输出查询结果：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出。本技术方案一种精准信息查询方法及系统，在设计上采用极简原则，方便快速学习使用，确保实现高速精准的信息搜索。
附图说明
图1为本发明的结构示意图。
具体实施方式
下面结合具体实施例，对本发明技术方案进一步说明。
本发明的具体实施方式是：构建一种精准信息查询方法，包括如下步骤：
获取信息：通过多种方式获取信息。
具体实施过程：首先获取构建数据结构的信息，这些信息可以采用手动编辑、自动编辑、数据库导入等多种方式获取，也可以通过其它语言转换或者其它形式的方式获取，如专利数据、地理信息数据、电商数据、企业ERP系统数据等数据信息，获取信息之后转换为电子文件。
构建信息数据结构：将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用，其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v2表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。
具体实施过程：将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用。通常以简单的数据库条目的形式作为数据结构进行存储、访问等使用。
比如：事实是“鲍勃迪伦获得2016年诺贝尔文学奖，奖金8000000瑞典克朗”，这一事实在本技术方案中，以SPO语句存放方式如下：鲍勃迪伦：所获奖项：诺贝尔文学奖(日期：2016年，奖金：8000000瑞典克朗)，其中：S＝鲍勃迪伦，P＝所获奖项，O＝诺贝尔文学奖，q1＝日期，v1＝2016年，q2＝奖金，v2＝8000000瑞典克朗。
在本技术方案中，所有的名词都可以作为主语充当S，本技术方案中定义为事实主体。实体可以是万事万物，可以是具体的事物，例如某一个具体的人物、动物、植物、天体、山脉等，也可以是抽象的事物，如时间、空间、概念、事件、属性、官职、公式、定理等。实体作为主语充当S，在本技术方案中定义为事实主体。
P定义为事实属性，是事实主体的属性，例如，当S为一个人时，属性P可以是人的生日、出生地、母亲、国籍、信仰、职位等等，抽象地说，有些属性实际反映了实体之间的关系，比如“张平：母亲：王云”中，“母亲”就表达了一种母子关系。当S为一个抽象的事物，例如“狭义相对论”时，属性可以是“发现人”、“发表时间”、“所属学科”等，完整的SPO语句为“狭义相对论：发现人：爱因斯坦”，“狭义相对论：发表时间：1905.9.26”，“狭义相对论：所属学科：物理学”。同样，“所属学科”这个事实属性，表达了“狭义相对论”与“物理学”之间的关系。
P也可以表示一种行为或者动作，通常为事实描述语句中的谓语，例如，“林肯：任职：美国总统”中，P就是动词“任职”。
O在本技术方案中定义为事实属性值，通常表示事实主体的性质。O可以是一个实体，或者是一个值或一组值。例如，在“林肯：任职：美国总统”中，O是“美国总统”，是一个实体。在“地球：半径：6371公里”中，O是“6371公里”，是一个值。在“北京：经纬度：(东经116.46，北纬39.92)”中，O是(东经116.46，北纬39.92)，是一组值。
总结起来，S：P：O可以理解为事实主体：事实属性：事实属性值，或者主语：谓语：宾语(英文为Subject：Predicate：Object)。
一个SPO语句代表一条事实，S：P：O是这一事实的主体描述部分，称为SPO子句。(q1：v1，q2：v2……qn：vn)部分称为修饰语，简称qv子句。修饰语说明了这一事实的细节部分。qv子句中的q和v相对出现，配对使用。q1：v1或qn：vn称为一个修饰语，每个事实可以有0-n个修饰语(n为自然数)。当n为0时，spo语句呈现为S：P：O的简单模式，比如：“中国：首都：北京”，“鸟：善于：飞行”。
输入查询信息：输入查询信息。
具体实施过程：输入查询信息，该待查询信息通常为问句形式。比如：谁获得了1925年的诺贝尔文学奖？萧伯纳和都柏林是什么关系？萧伯纳的出生地点在哪里？
查询信息的变换：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息。
具体实施过程：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息。比如，查询信息：谁获得了1925年的诺贝尔文学奖？该待查询信息变换为查询语句为：？X：所获奖项：诺贝尔文学奖(日期：1925年)，X为待查询量，？为查询。其中，查询信息中谁为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为X，X对应S，其它信息：所获奖项：诺贝尔文学奖(日期：1925年)均为已知信息，所获奖项对应P，诺贝尔文学奖对应O，日期对应q1，1925年对应V1。比如，查询信息：萧伯纳和都柏林是什么关系？其中，什么关系为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为Y，Y对应P，其它信息：萧伯纳和都柏林均为已知信息，该查询语句为萧伯纳：？Y：都柏林，萧伯纳对应S，都柏林对应O。再比如：查询信息为萧伯纳的出生地点在哪里？变换为查询语句为萧伯纳：出生地点：？Z，在哪里为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为Z，Z对应O，其它信息：萧伯纳和出生地点均为已知信息，萧伯纳对应S，出生地点对应P。
查询信息：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目。
具体实施过程：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中已知信息都能对应的条目列出，该结果就是查询的结果。
查询信息为：都有谁获得过诺贝尔文学奖？
转换成查询语句为：？X：所获奖项：诺贝尔文学奖
通过在S：P：O(q1：v1，q2：v2……qn：vn)格式的数据结构中查找，查找过程中，X为待查询量，对应S，所获奖项为已知量，对应P，诺贝尔文学奖为已知量，对应O，在在S：P：O(q1：v1，q2：v2……qn：vn)格式的数据结构中，对P为所获奖项，O为诺贝尔文学奖进行匹配查询，查询结果为所有所获奖项为诺贝尔文学奖信息，
比如，结果为：
萧伯纳；
鲍勃迪伦；
石黑一雄；
……
输出查询结果：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出。
具体实施过程为：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中已知信息都能对应的条目列出，该结果就是查询的结果，将该查询结果的条目信息部分输出或全部输出。
比如：查询结果为所有所获奖项为诺贝尔文学奖信息，
输出部分查询信息的结果为：
萧伯纳；
鲍勃迪伦；
石黑一雄；
……
本发明的优选实施方式是：所述配对的qn和vn中一次只能有一个为待查询量，由于配对的qn和vn中，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，vn是对qn的进一步说明，因此，合在一起才表示一个明确的意思，因此，在查询时，不能同时查询配对的qn和vn，所述配对的qn和vn中一次只能有一个为待查询量。
本发明的优选实施方式是：将含有待查询量的查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配时，数据结构和查询信息格式对应的信息为包含关系，即数据结构中包含查询信息中对应的信息为匹配。待查询信息相当于关键词，在存储的数据结构的对应项中包含有待查询信息即为匹配。
本发明的优选实施方式是：在构建信息数据结构步骤中，将信息按主语、谓语、宾语的形式分别与S：P：O对应构建。S表示事实主体，主语通常也用于表示事实主体，也可以采用描述信息中的主语构建S：P：O数据结构中的S。P表示事实属性，谓语通常表示事实属性，还可以表示行为或动作，也可以采用描述信息中的谓语构建S：P：O数据结构中的P。O表示事实属性值，宾语通常表示谓语说明的对象，相当于事实属性值，也可以采用描述信息中的宾语构建S：P：O数据结构中的O。
本发明的优选实施方式是：当S：P的结果为一个新的事实主体时，事实属性P多个串联，形成S：P1：P2：……Pn格式，其中：P1表示第一个事实属性，P2表示第一个事实属性，Pn表示第一个事实属性，n为自然数。
比如：
S：P1表示一个含义，S：P1：P2表示一个新的含义，依次类推，S：P1：P2：……Pn最终表示某个具体的含义。有多个事实属性层次时，事实属性P可以进行多个串联。
本发明的优选实施方式是：待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，再将查询结果进行逻辑运算。
比如：谁同时获得了诺贝尔奖和奥斯卡金像奖？
变换为查询语句即为：
？X：所获奖项：诺贝尔奖
\and
？X：所获奖项：奥斯卡金像奖
将“？X：所获奖项：诺贝尔奖”的查询结果与“？X：所获奖项：奥斯卡金像奖”的查询结果进行与运算。
可以采用\and、\or、\not来进行逻辑与、或、非的计算，\true和\false表示逻辑的真与假，采用\or、\not、\true、\false对查询结果进行逻辑运算与上述\and类似。
本发明的优选实施方式是：在输出查询结果过程中，还包括输出查询结果作为事实主体的相关信息。
比如：谁获得了1925年的诺贝尔文学奖？
查询语句为“？X：所获奖项：诺贝尔文学奖(日期：1925年)”
查询结果为：萧伯纳，在查询结果中增加一个链接或者一个指引，该链接或指引点击后用于显示该查结果事实主体的相关信息，
比如：谁获得了1925年的诺贝尔文学奖？
？X：所获奖项：诺贝尔文学奖(日期：1925年)。
查询结果：萧伯纳，ehm001001。ehm001001即为链接或指引，这里ehm001001是“萧伯纳”在知识图谱系统中的编号，点击这个编号可以显示关于“萧伯纳”的知识卡片，提供类似维基百科那样的丰富信息。
本发明的优选实施方式是：在构建信息数据结构时，针对多个不同事实主体的相同信息设置缺省值，在输出查询结果时，针对查询结果中有多个不同事实主体的相同信息，输出标注为缺省值的查询结果条目。
如下例：哪些作家出生在都柏林？
查询语句为：？X：职业：作家
\and
？X：出生地：都柏林
查询结果为：
萧伯纳ehm001001，
詹姆斯·乔伊斯ehm001088，
……
上述语汇中，都柏林有至少两个，设置其中一个为缺省值，即：
1.都柏林 都柏林_爱尔兰 缺省值
2.都柏林 都柏林_加州
以上查询结果按缺省值“都柏林＝都柏林_爱尔兰”执行获取
人名或地名经常有重名的情况，如果其中一个是明显更知名，我们可以将其认为是缺省的选项。例如，都柏林通常指爱尔兰首都都柏林，我们在特指“加州的都柏林”时，采用“都柏林加州”的形式。地名的重名情况，我们通常在后面加上其所属更高一级的行政区域来区分。
人名我们通常用职业来区分，例如：
1.姚明姚明_篮球运动员缺省值
2.姚明姚明_作曲家
如果查询篮球运动员姚明的情况，我们直接用“姚明”来表示，如：
查询语句为：(姚明：妻子)：毕业学校：？X
如果查询作曲家姚明的情况，我们用“姚明_作曲家”来表示，如：
查询语句为：姚明_作曲家：出生地：？Y
在人名和职业都相同的情况下，我们可以继续用更多的内容来区分，如：
1.宋佳 宋佳_演员_80后女演员 缺省值 别名：小宋佳
2.宋佳 宋佳_演员_60后女演员
3.宋佳 宋佳_排球运动员
如果查询80后女演员宋佳的情况，我们可以用“宋佳”或“小宋佳”来表示，因重名情况较多，推荐用“小宋佳”来查询，以方便其它用户理解你的查询语句的真实含义，如：小宋佳：主要作品：？Z。
本发明的优选实施方式是：在构建查询信息时，所述查询子句包括条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
比如：设置条件子句，通过设置过滤条件，形成条件子句进行条件查询，并用Filter进行筛选，
比如：1940年后，美国有谁获得过诺贝尔文学奖？
查询语句：？X：所获奖项：诺贝尔文学奖(日期：？Y)
\filter？X.国籍＝美国
\fi1ter？Y＞1940年
查询结果：X＝威廉·福克纳 ehm001023 Y＝1949年，
X＝欧内斯特·海明威ehm001024 Y＝1954年，
……
注：\filter查询子句也称为Filter筛选子句，可以有多条筛选子句，它们之间是逻辑与的关系，也就是第一条筛选子句得到的结果，要交给第二条子句继续筛选，依次类推。
“\fi1ter？y＞1940年”是正确的筛选子句，查询语句会自动地分析“1940年“，提取其中的1940，用于大小比较的计算。
EQL中的比较运算符包括：等于、不等于、大于、大于等于、小于、小于等于。
再比如：诺贝尔文学奖得主中，有名叫“威廉”的吗？哪年得的奖？
？X：所获奖项：诺贝尔文学奖(日期：？Y)
\filter？X\match’％威廉％’
查询结果：X＝威廉·福克纳 ehm001023 Y＝1949年
X＝威廉·戈尔丁 ehm001067 Y＝1983年
……
\match查询子句表示匹配字符串，后面跟的是字符串匹配模版，如’％威廉％’。％可以匹配0-n个字符，也就是任意的字符串或空字符串。如果要匹配“威廉”在开头或结尾的字符串，匹配模版可以写成’威廉％’或’％威廉’。
如图1所示，本发明的具体实施方式是：构建一种精准信息查询系统，包括获取信息的信息获取单元1、构建信息数据结构的信息构建单元2、输入查询信息的输入单元3、对待查询信息进行变换的查询信息变换单元4、根据变换的查询信息进行查询的查询单元5、输出查询结果的输出单元6，所述信息获取单元1通过多种方式获取信息，所述信息构建单元2将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用；所述输入单元3输入查询信息；所述查询信息变换单元4将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息；所述查询单元5将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，所述查询单元6获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目，所述输出单元7将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出；其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v1表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。
如图1所示，本发明的具体实施过程是：首先信息获取单元1获取构建数据结构的信息，这些信息可以采用手动编辑、自动编辑、数据库导入等多种方式获取，也可以通过其它语言转换或者其它形式的方式获取，如专利数据、地理信息数据、电商数据、企业ERP系统数据等数据信息，获取信息之后转换为电子文件。信息构建单元2将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用。通常以简单的数据库条目的形式作为数据结构进行存储、访问等使用。输入单元3输入查询信息，该待查询信息通常为问句形式。比如：谁获得了1925年的诺贝尔文学奖？萧伯纳和都柏林是什么关系？萧伯纳的出生地点在哪里？查询信息变换单元4将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息。比如，查询信息：谁获得了1925年的诺贝尔文学奖？该待查询信息变换为查询语句为：？X：所获奖项：诺贝尔文学奖(日期：1925年)，其中，查询信息中谁为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为X，X对应S，其它信息：所获奖项：诺贝尔文学奖(日期：1925年)均为已知信息，所获奖项对应P，诺贝尔文学奖对应O，日期对应q1，1925年对应V1。比如，查询信息：萧伯纳和都柏林是什么关系？其中，什么关系为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为Y，Y对应P，其它信息：萧伯纳和都柏林均为已知信息，该查询语句为萧伯纳：？Y：都柏林，萧伯纳对应S，都柏林对应O。再比如：查询信息为萧伯纳的出生地点在哪里？变换为查询语句为萧伯纳：出生地点：？Z，在哪里为待查询信息，为对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的待查询量，这里设为Z，Z对应O，其它信息：萧伯纳和出生地点均为已知信息，萧伯纳对应S，出生地点对应P。查询单元5将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中已知信息都能对应的条目列出，该结果就是查询的结果。输出单元6将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中已知信息都能对应的条目列出，该结果就是查询的结果，将该查询结果的条目信息部分输出或全部输出。
如图1的所示，本发明的优选实施方式是：所述查询单元5还包括逻辑运算模块51，待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，所述逻辑运算模块51再将查询结果进行逻辑运算。
比如：谁同时获得了诺贝尔奖和奥斯卡金像奖？
变换为查询语句即为：
？X：所获奖项：诺贝尔奖
\and
？X：所获奖项：奥斯卡金像奖
将“？X：所获奖项：诺贝尔奖”的查询结果与“？X：所获奖项：奥斯卡金像奖”的查询结果进行与运算。
可以采用\and、\or、\not来进行逻辑与、或、非的计算，\true和\false表示逻辑的真与假，采用\or、\not、\true、\false对查询结果进行逻辑运算与上述\and类似。
如图1的所示，本发明的优选实施方式是：所述输出单元6还包括相关信息生成模块61，在输出查询结果过程中，所述相关信息生成模块61输出查询结果作为事实主体的相关信息。
比如：谁获得了1925年的诺贝尔文学奖？
查询语句为“？X：所获奖项：诺贝尔文学奖(日期：1925年)”
查询结果为：萧伯纳，在查询结果中增加一个链接或者一个指引，该链接或指引点击后用于显示该查结果事实主体的相关信息，
比如：谁获得了1925年的诺贝尔文学奖？
？X：所获奖项：诺贝尔文学奖(日期：1925年)。
查询结果：萧伯纳，ehm001001。ehm001001即为链接或指引，这里ehm001001是“萧伯纳”在知识图谱系统中的编号，点击这个编号可以显示关于“萧伯纳”的知识卡片，提供类似维基百科那样的丰富信息。
如图1的所示，本发明的优选实施方式是：所述信息构建单元2还包括缺省值设置模块21，在构建信息数据结构时，所述缺省值设置模块21针对多个不同事实主体的相同信息设置缺省值。
如下例：哪些作家出生在都柏林？
查询语句为：？X：职业：作家
\and
？X：出生地：都柏林
查询结果为：
萧伯纳ehm001001，
詹姆斯·乔伊斯ehm001088，
……
上述语汇中，都柏林有至少两个，设置其中一个为缺省值，即：
1.都柏林 都柏林_爱尔兰 缺省值
2.都柏林 都柏林_加州
以上查询结果按缺省值“都柏林＝都柏林爱尔兰”执行获取
人名或地名经常有重名的情况，如果其中一个是明显更知名，我们可以将其认为是缺省的选项。例如，都柏林通常指爱尔兰首都都柏林，我们在特指“加州的都柏林”时，采用“都柏林加州”的形式。地名的重名情况，我们通常在后面加上其所属更高一级的行政区域来区分。
如图1的所示，本发明的优选实施方式是：所述查询单元5还包括查询子句模块52，所述查询子句模块52构建条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
比如：设置条件子句，通过设置过滤条件，形成条件子句进行条件查询，并用Filter进行筛选，
比如：1940年后，美国有谁获得过诺贝尔文学奖？
查询语句：？X：所获奖项：诺贝尔文学奖(日期：？Y)
\filter？X.国籍＝美国
\filter？Y＞1940年
查询结果：X＝威廉·福克纳 ehm001023 Y＝1949年，
X＝欧内斯特·海明威 ehm001024 Y＝1954年，
……
注：\filter查询子句也称为Filter筛选子句，可以有多条筛选子句，它们之间是逻辑与的关系，也就是第一条筛选子句得到的结果，要交给第二条子句继续筛选，依次类推。
“\filter？y＞1940年”是正确的筛选子句，查询语句会自动地分析“1940年“，提取其中的1940，用于大小比较的计算。
EQL中的比较运算符包括：等于、不等于、大于、大于等于、小于、小于等于。
再比如：诺贝尔文学奖得主中，有名叫“威廉”的吗？哪年得的奖？
？X：所获奖项：诺贝尔文学奖(日期：Y)
\filter？X\match’％威廉％’
查询结果：X＝威廉·福克纳 ehm001023 Y＝1949年
X＝威廉·戈尔丁 ehm001067 Y＝1983年
……
\match查询子句表示匹配字符串，后面跟的是字符串匹配模版，如’％威廉％’。％可以匹配0-n个字符，也就是任意的字符串或空字符串。如果要匹配“威廉”在开头或结尾的字符串，匹配模版可以写成’威廉％’或’％威廉’。
本发明的技术效果是：构建一种精准信息查询方法及系统，包括：获取信息：通过多种方式获取信息。构建信息数据结构：将获取的信息变换为事实语句的格式，即，S：P：0(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用，其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v2表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。输入查询信息：输入查询信息。查询信息的变换：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息。查询信息：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目。输出查询结果：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出。本技术方案一种精准信息查询方法及系统，在设计上采用极简原则，方便快速学习使用，确保实现高速精准的信息搜索。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (14)

1.一种精准信息查询方法，其特征在于，包括如下步骤：
获取信息：通过多种方式获取信息；
构建信息数据结构：将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用，其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v2表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数；
输入查询信息：输入查询信息；
查询信息的变换：将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息；
查询信息：将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目；
输出查询结果：将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出。
2.根据权利要求1所述精准信息查询方法，其特征在于，所述配对的qn和vn中一次只能有一个为待查询量。
3.根据权利要求1所述精准信息查询方法，其特征在于，将含有待查询量的查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配时，数据结构和查询信息格式对应的信息为包含关系，即数据结构中包含查询信息中对应的信息为匹配。
4.根据权利要求1所述精准信息查询方法，其特征在于，在构建信息数据结构步骤中，将信息按主语、谓语、宾语的形式分别与S：P：O对应构建。
5.根据权利要求1所述精准信息查询方法，其特征在于，当S：P的结果为一个新的事实主体时，事实属性P多个串联，形成S：P1：P2：……Pn格式，其中：P1表示第一个事实属性，P2表示第一个事实属性，Pn表示第一个事实属性，n为自然数。
6.根据权利要求1所述精准信息查询方法，其特征在于，待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，再将查询结果进行逻辑运算。
7.根据权利要求1所述精准信息查询方法，其特征在于，在输出查询结果过程中，还包括输出查询结果作为事实主体的相关信息。
8.根据权利要求1所述精准信息查询方法，其特征在于，在构建信息数据结构时，针对多个不同事实主体的相同信息设置缺省值，在输出查询结果时，针对查询结果中有多个不同事实主体的相同信息，输出标注为缺省值的查询结果条目。
9.根据权利要求1所述精准信息查询方法，其特征在于，在构建查询信息时，还包括设置查询子句，所述查询子句包括条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
10.一种精准信息查询系统，其特征在于，包括获取信息的信息获取单元、构建信息数据结构的信息构建单元、输入查询信息的输入单元、对待查询信息进行变换的查询信息变换单元、根据变换的查询信息进行查询的查询单元、输出查询结果的输出单元，所述信息获取单元通过多种方式获取信息，所述信息构建单元将获取的信息变换为事实语句的格式，即，S：P：O(q1：v1，q2：v2……qn：vn)，将事实语句按S：P：O(q1：v1，q2：v2……qn：vn)的格式存储，qn：vn表示qn和vn配对使用；所述输入单元输入查询信息；所述查询信息变换单元将查询信息变换为S：P：O(q1：v1，q2：v2……qn：vn)格式的查询语句，查询语句中待查询信息对应S：P：O(q1：v1，q2：v2……qn：vn)格式中的部分设为待查询量，其余部分为已知信息；所述查询单元将含有待查询量的查询语句格式S：P：O(q1：v1，q2：v2……qn：vn)与数据结构S：P：O(q1：v1，q2：v2……qn：vn)中的信息进行对应匹配，所述查询单元获取数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目，所述输出单元将数据结构S：P：O(q1：v1，q2：v2……qn：vn)中能匹配查询信息格式S：P：O(q1：v1，q2：v2……qn：vn)中已知信息的条目部分输出或全部输出；其中：S表示事实主体，P表示事实属性，O表示事实属性值，q1表示第一个修饰属性，v1表示第一个修饰属性的修饰属性值，q2表示第二个修饰属性，v1表示第二个修饰属性的修饰属性值，qn表示第n个修饰属性，vn表示第n个修饰属性的修饰属性值，n为自然数。
11.根据权利要求10所述精准信息查询系统，其特征在于，所述查询单元还包括逻辑运算模块，待查询信息中含有逻辑运算时，先将其逻辑运算的信息分别变换为S：P：O(q1：v1，q2：v2……qn：vn)的格式进行查询，所述逻辑运算模块再将查询结果进行逻辑运算。
12.根据权利要求10所述精准信息查询系统，其特征在于，所述输出单元还包括相关信息生成模块，在输出查询结果过程中，所述相关信息生成模块输出查询结果作为事实主体的相关信息。
13.根据权利要求10所述精准信息查询系统，其特征在于，所述信息构建单元还包括缺省值设置模块，在构建信息数据结构时，所述缺省值设置模块针对多个不同事实主体的相同信息设置缺省值。
14.根据权利要求10所述精准信息查询系统，其特征在于，所述查询单元还包括查询子句模块，所述查询子句模块构建条件子句、排序子句、分组子句、匹配子句、统计子句中的一个或多个查询子句。
CN202010481761.9A 2020-05-29 2020-05-29 一种精准信息查询方法及系统 Active CN111694943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010481761.9A CN111694943B (zh) 2020-05-29 2020-05-29 一种精准信息查询方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010481761.9A CN111694943B (zh) 2020-05-29 2020-05-29 一种精准信息查询方法及系统

Publications (2)

Publication Number Publication Date
CN111694943A true CN111694943A (zh) 2020-09-22
CN111694943B CN111694943B (zh) 2021-03-23

Family

ID=72478650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010481761.9A Active CN111694943B (zh) 2020-05-29 2020-05-29 一种精准信息查询方法及系统

Country Status (1)

Country Link
CN (1) CN111694943B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722073A (zh) * 2022-04-06 2022-07-08 杭州悦数科技有限公司 有环图转换为图数据库查询语言的方法和装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077297A (zh) * 2013-03-27 2014-10-01 日电（中国）有限公司 基于本体的查询方法及装置
CN104123288A (zh) * 2013-04-24 2014-10-29 阿里巴巴集团控股有限公司 一种数据查询方法及装置
CN104572970A (zh) * 2014-12-31 2015-04-29 浙江大学 一种基于本体库内容的sparql查询语句生成系统
CN106997399A (zh) * 2017-05-24 2017-08-01 海南大学 一种基于数据图谱、信息图谱、知识图谱和智慧图谱关联架构的分类问答系统设计方法
CN107341215A (zh) * 2017-06-07 2017-11-10 北京航空航天大学 一种基于分布式计算平台的多源垂直知识图谱分类集成查询方法
CN107463649A (zh) * 2017-07-26 2017-12-12 北京师范大学珠海分校 一种基于具名图的知识图谱时间演化方法
CN107480183A (zh) * 2017-07-06 2017-12-15 广州索答信息科技有限公司 一种厨房领域知识图谱查询方法、装置和存储介质
CN109086376A (zh) * 2018-07-24 2018-12-25 北京大学 基于sparql查询语言的多查询方法和装置
CN109582799A (zh) * 2018-06-29 2019-04-05 北京百度网讯科技有限公司 知识样本数据集的确定方法、装置及电子设备
US10437804B1 (en) * 2012-09-21 2019-10-08 Comindware Ltd. Storing graph data representing workflow management

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10437804B1 (en) * 2012-09-21 2019-10-08 Comindware Ltd. Storing graph data representing workflow management
CN104077297A (zh) * 2013-03-27 2014-10-01 日电（中国）有限公司 基于本体的查询方法及装置
CN104123288A (zh) * 2013-04-24 2014-10-29 阿里巴巴集团控股有限公司 一种数据查询方法及装置
CN104572970A (zh) * 2014-12-31 2015-04-29 浙江大学 一种基于本体库内容的sparql查询语句生成系统
CN106997399A (zh) * 2017-05-24 2017-08-01 海南大学 一种基于数据图谱、信息图谱、知识图谱和智慧图谱关联架构的分类问答系统设计方法
CN107341215A (zh) * 2017-06-07 2017-11-10 北京航空航天大学 一种基于分布式计算平台的多源垂直知识图谱分类集成查询方法
CN107480183A (zh) * 2017-07-06 2017-12-15 广州索答信息科技有限公司 一种厨房领域知识图谱查询方法、装置和存储介质
CN107463649A (zh) * 2017-07-26 2017-12-12 北京师范大学珠海分校 一种基于具名图的知识图谱时间演化方法
CN109582799A (zh) * 2018-06-29 2019-04-05 北京百度网讯科技有限公司 知识样本数据集的确定方法、装置及电子设备
CN109086376A (zh) * 2018-07-24 2018-12-25 北京大学 基于sparql查询语言的多查询方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722073A (zh) * 2022-04-06 2022-07-08 杭州悦数科技有限公司 有环图转换为图数据库查询语言的方法和装置
CN114722073B (zh) * 2022-04-06 2023-03-14 杭州悦数科技有限公司 有环图转换为图数据库查询语言的方法和装置

Also Published As

Publication number Publication date
CN111694943B (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN109800284B (zh) 一种面向任务的非结构化信息智能问答系统构建方法
US8935272B2 (en) Curated answers community automatically populated through user query monitoring
US8024177B2 (en) Method of transforming natural language expression into formal language representation
Alexander et al. Natural language web interface for database (NLWIDB)
CN105701253A (zh) 中文自然语言问句语义化的知识库自动问答方法
WO2015149114A1 (en) Ontology mapping method and apparatus
Ta'a et al. Al-Quran ontology based on knowledge themes
Guldi Critical search: A procedure for guided reading in large-scale textual corpora
CN105631018A (zh) 基于主题模型的文章特征抽取方法
CN109522396B (zh) 一种面向国防科技领域的知识处理方法及系统
CN104346331A (zh) Xml数据库的检索方法及系统
Jeffrey et al. The Archaeotools project: faceted classification and natural language processing in an archaeological context
CN111694943B (zh) 一种精准信息查询方法及系统
Ta’a et al. Ontology-based approach for knowledge retrieval in Al-Quran holy book
Carmel et al. Entity oriented search and exploration for cultural heritage collections: the EU cultura project
Kumar et al. An Efficient Approach to Query Reformulation in Web Search
KR101662399B1 (ko) 키워드 입력 기반의 사용자 관심정보를 이용한 질의응답 장치 및 방법
CN110555196B (zh) 用于自动生成文章的方法、装置、设备和存储介质
KR101303363B1 (ko) 데이터 처리 시스템 및 방법
Krishnan et al. Retrieval of semantic concepts based on analysis of texts for automatic construction of ontology
Börner et al. Replicable Science of Science Studies
CN114780734A (zh) 一种基于知识图谱扩展的精准查询方法及系统
CN114528310A (zh) 基于知识图谱提问的精准查询方法及系统
Panse et al. Similarity-driven Schema Transformation for Test Data Generation.
KR20190084370A (ko) 지능형 법률정보 검색 방법

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