CN112559760B - 一种面向文本描述的cps资源能力知识图谱构建方法 - Google Patents

Abstract

本发明属于知识图谱技术领域，具体为一种面向文本描述的CPS资源能力知识图谱构建方法。本发明针对不同类型的信息物理资源，首先从资源相关代码与文档中提取与资源能力有关的文本描述信息，基于预定义的动宾短语模式生成规范化表达的能力短语；然后基于动宾结构的关键成分对能力短语进行划分、聚合与抽象，生成不同资源类型的能力层次化抽象描述；最后构建出资源能力知识图谱。本发明基于资源能力的文本描述，自动化构建资源能力知识图谱，减少了人工构建工作量。本发明是信息物理融合系统领域知识图谱的补充，增加了关于资源服务与能力描述，提高了图谱的知识完备性。

Description

一种面向文本描述的CPS资源能力知识图谱构建方法

技术领域

本发明属于知识图谱技术领域，具体涉及一种面向文本描述的资源能力知识图谱构建方法。

背景技术

随着移动互联网技术和集成电路制造技术的不断发展，物联网(IoT)设备应用越来越广泛，硬件和软件也越来越智能化。一方面，这些设备部署时通常只为特定的应用服务，只开发了它们的部分能力。另一方面，一些用户虽基于这些设备有一些奇思妙想，却很难把这些设备利用起来。如果用户能自由对这些设备进行编排，可能会涌现出更为丰富的应用形态，进而改善人们的日常生活。一种解决方法是将这些智能设备作为不同类型的资源，可以在资源层面对相关领域的概念和关系进行建模，包括资源本身、资源属性、资源能够执行的动作以及资源与资源之间的关系。其中，清晰地定义、描绘设备资源的能力有助于应用的建模与实际执行。

知识图谱是一种用于描述实体和实体间关系的语义知识库，其中的知识可以是描述概念的通用知识，也可以是描述某个具体对象的实例知识。知识图谱的构建已经形成了一套包含知识挖掘、知识表示与存储、知识融合和知识推理等过程的方法论，研究者可以从实际情况出发构建通用的百科知识图谱或领域特定的知识图谱。一些百科知识图谱通过定义“UsedFor”、“CapableOf”等关系词汇描述资源的能力信息。在CPS和IoT等相关领域，资源能力知识一般采用人工建模的方式进行上层概念的定义，这种定义方式依赖于领域专家经验，且较为耗时。另一方面，一些学者从相关语料库中抽取信息并构建物联网能力知识图谱，但这些工作专注于知识图谱领域中的知识抽取与关系抽取过程，没有围绕不同类型资源对资源能力的表示及组织形式进行系统地定义。因此，目前仍缺少高效的针对不同类型资源能力的抽取与表达的技术。为了解决该问题，提出一种面向文本描述的自动化资源能力知识图谱构建方法，减少人工构建工作量，并补充信息物理融合系统领域知识图谱中关于资源服务与能力的描述，提高了图谱的知识完备性。

发明内容

本发明的目的在于提供一种面向文本描述的CPS领域资源能力知识图谱的自动构建方法，以减少人工构建工作量，提高图谱的知识完备性。

本发明提出的面向文本描述的CPS领域资源能力知识图谱的自动构建方法，以自底向上的方式，分别针对不同类型资源，首先从资源相关代码与文档中提取与资源能力有关的文本描述信息，基于预定义的动宾短语模式生成规范化表达的能力短语；然后基于动宾结构的关键成分对能力短语进行划分、聚合与抽象，生成不同资源类型的能力层次化抽象描述；最后构建出资源能力知识图谱。整体流程如图1所示，具体步骤如下。

（1）定义能力表达形式。通过分析资源能力的表达习惯定义能力的规范化表达形式为动宾短语模式，具体为“动词（词组）修饰语宾语修饰语”。

（2）提取资源能力文本描述。从设备资源相关平台或执行环境（例如HomeAssistant）的文档、代码、配置文件等数据中提取与不同类型资源能力相关的文本描述信息，以句子片段或短语形式表示，将其按照资源类型进行分组。

（3）生成规范化能力短语。针对某特定类型资源，分析其能力的文本描述信息中词与词之间的依赖关系并确定句法结构（即进行依存句法分析），然后结合动宾短语模式的匹配和转化规则，生成规范化表达的能力短语；具体包括以下子步骤：

（3.1）针对某特定类型资源，对其文本描述信息应用依存句法分析技术，得到文本描述中词语的依存关系，从而确定其中的谓语、宾语、定语和补足语等句法成分，并尝试与动宾短语模式中的“动词（词组）”、“宾语”、“修饰语”等进行匹配；

（3.2）对于可以直接匹配动宾短语模式的文本描述，直接抽取对应的词语生成规范化表达的动宾短语；

（3.3）对于不可直接匹配动宾短语模式的文本描述，对符合转化条件的部分，按照转化规则转化为规范化表达的动宾短语；

所述转化条件和转化规则，是指当文本描述中包含“修饰语核心名词”结构，且满足以下条件之一时，将该部分转化为动宾短语进行表示：

条件一：“核心名词”是动名词形式，表示对其之前的修饰语施加的某一动作或过程，可以通过词形还原获取对应的动词形式；

条件二：“核心名词”是名词形式，表示对其之前的修饰语施加的某一动作或过程，可以结合英语的构词规律获取其同义的动词形式。

（4）生成能力的层次化抽象描述。针对特定类型资源，根据动宾结构中的动词和宾语成分对能力短语进行划分，得到多个并列的最小短语集合，然后对于每个最小短语集合生成其中短语间关系与相似度的有向加权图，最后基于最小树形图算法以及抽象短语生成规则得到以树形结构进行组织的能力描述。具体包括以下子步骤：

（4.1）对于规范化表达的动宾短语集合，首先按照同义“宾语”对其进行划分，再按照同义“动词（词组）”进行划分，得到多个并列的最小短语集合；

（4.2）对于每个最小短语集合，同时从结构和语义角度判断集合中两两短语的修饰语间的关系，从而得出短语的同义、上下位、并列等关系，生成短语间的关系矩阵；将基于词向量的短语相似度计算结果作为权重参考，生成短语间关系的有向加权图；基于扩展的最小树形图算法，生成短语的森林形式的组织结构，作为对应的最小短语集合中短语的聚合结果；

（4.3）对于每个最小短语集合的聚合结果，以“动词（词组）宾语”形式生成抽象短语，作为该聚合结果中短语的公共上位短语；

（4.4）对于每个宾语对应的聚合结果，以“宾语”后缀“relatedcapability”格式生成抽象短语，作为具有相同宾语的能力短语的公共上位短语；最终形成对应资源能力的层次化抽象描述。

（5）构建资源能力知识图谱。整合不同类型资源的能力层次化描述，构建出资源能力知识图谱。具体包括以下子步骤：

（5.1）对于每一种资源类型，将其中的每个能力短语构建为知识图谱中表示能力概念的节点；基于其能力的层次化抽象描述，为具有上下位关系的能力短语所对应的节点间建立“subCapabilityOf”关系；

（5.2）将特定类型的资源构建为知识图谱中表示资源概念的节点，与该资源对应的最上层的能力概念节点间建立“hasCapability”关系。

本发明以自动化的方式，通过自底向上的手段，从资源能力的文本描述出发，对规范化表达的能力短语进行聚合与抽象，构建出资源能力知识图谱，从而补充信息物理融合系统领域知识图谱中关于资源服务、资源能力的描述，提高知识完备性与图谱的描述能力，减少人工构建工作量。

附图说明

图1为本发明的资源能力知识图谱构建方法的流程图。

图2为本发明所构建的资源能力知识图谱的部分示例。

具体实施方式

以下介绍基于HomeAssistant平台进行资源能力知识图谱构建的具体实施方法。

（1）提取资源能力文本描述。将Home Assistant平台官方支持的组件类别作为不同的资源类型，对每种组件类别下包含的每个具体组件，从文档、示例代码和YAML配置文件中提取出与能力相关的文本描述信息，以短语或句子片段的形式表达。

（2）生成规范化能力短语；

（2.1）针对特定类型资源，使用StanfordNLP工具包对其文本描述信息应用依存句法分析技术，得到文本描述中词语的依存关系；

（2.2）基于动宾短语模式的匹配和转化规则，生成规范化表达的能力短语。

（3）生成能力的层次化抽象描述；

（3.1）针对某特定类型资源，对其规范化表达的动宾短语集合，首先按照同义“宾语”进行划分，再按照同义“动词（词组）”进行划分，得到多个并列的最小短语集合；

（3.2）对于每个最小短语集合，利用词袋模型和WordNet比较不同短语的修饰语间的关系，从而得出两两短语间关系，形成关系矩阵；利用spaCy工具包计算短语间词向量相似度数值w，以 (1-w) 作为权重，生成短语间关系的有向加权图；通过扩展生成最小树形图的“朱刘”算法得到森林形式的短语的聚合结果；

所述判断短语修饰语间关系，具体做法为：

a、对修饰语进行分词操作，基于词袋模型（BOW）得到词袋；

b、基于WordNet同义词集及单词上下位关系，标记词袋中单词间的同义、上下位关系；

c、基于词袋模型获取修饰语的向量化表示；

d、结合词袋中单词的标记关系，比较修饰语向量间关系，得出修饰语间的同义、上下位关系；

所述扩展最小树形图算法，具体做法为：

a、在所构建的有向加权图中增加一个“虚拟顶点”，从该“虚拟顶点”出发，到其余每个顶点的有向边的权值都设定为无穷大；

b、在添加了“虚拟顶点”的有向加权图上应用最小树形图生成算法，生成权值之和最小的树，树根必为“虚拟顶点”；

c、在生成树中删去“虚拟顶点”，得到森林形式的结果；

（3.3）对于每个最小短语集合的聚合结果，以“动词宾语”形式生成抽象短语，连接森林中每棵树的树根，即作为该聚合结果中所有短语的公共上位短语；

（3.4）对于每个宾语所对应的聚合结果，以“宾语”后缀“relatedcapability”格式生成抽象短语，连接森林中每棵树的树根，作为具有相同宾语的能力短语的公共上位短语；最终形成对应类型资源的能力的层次化抽象描述。

（4）构建资源能力知识图谱；

（4.1）重复进行上述步骤（2）和（3）的过程，为每种类型的资源生成其对应的能力的层次化抽象描述；

（4.2）基于每种资源的能力层次化描述，首先构建“资源”概念节点；将能力层次化描述中的每个能力短语构建为知识图谱中的“资源能力”节点并为具有上下位关系的能力短语对应的节点建立“subCapabilityOf”关系；在“资源”和“资源能力”节点之间建立“hasCapability”关系；最终构建出描述HomeAssistant中所有类型资源能力的知识图谱。

Claims (4)

1.一种面向文本描述的CPS资源能力知识图谱构建方法，其特征在于，针对不同类型信息物理资源，首先从资源相关代码与文档中提取与资源能力有关的文本描述信息，基于预定义的动宾短语模式生成规范化表达的能力短语；然后基于动宾结构的关键成分对能力短语进行划分、聚合与抽象，生成不同资源类型的能力层次化抽象描述；最后构建出资源能力知识图谱；具体步骤如下：

（1）定义能力表达形式：通过分析资源能力的表达习惯定义能力的规范化表达形式为动宾短语模式，具体为“动词修饰语宾语修饰语”；

（2）提取资源能力文本描述：从设备资源相关平台或执行环境的文档、代码、配置文件数据中提取与不同类型资源能力相关的文本描述信息，以句子或短语形式表示，将其按照资源类型进行分组；

（3）生成规范化能力短语：针对特定类型资源，对其文本描述信息应用依存句法分析技术，依存句法分析指的是通过分析句子中词与词之间的依赖关系从而确定句子的句法结构的过程；然后结合动宾短语模式的匹配和转化规则，生成规范化表达的能力短语；

（4）生成能力的层次化抽象描述：针对特定类型资源，根据动宾结构中的动词和宾语成分对能力短语进行划分，得到多个并列的最小短语集合；然后对于每个最小短语集合生成其中短语间关系与相似度的有向加权图，最后基于最小树形图算法以及抽象短语生成规则得到以树形结构进行组织的能力描述；

（5）构建资源能力知识图谱：整合不同类型资源的能力层次化描述，构建出资源能力知识图谱。

2.根据权利要求1所述的资源能力知识图谱构建方法，其特征在于，步骤（3）所述生成规范化能力短语，具体流程为：

（3.1）针对某特定类型资源，对其文本描述信息应用依存句法分析技术，得到文本描述中词语的依存关系，从而确定其中的谓语、宾语、定语和补足语等句法成分，并尝试与动宾短语模式中的“动词”、“宾语”、“修饰语”进行匹配；

（3.2）对于可以直接匹配动宾短语模式的文本描述，直接抽取对应的词语生成规范化表达的动宾短语；

（3.3）对于不可直接匹配动宾短语模式的文本描述，对符合转化条件的部分，按照转化规则转化为规范化表达的动宾短语；

所述转化条件和转化规则，是指当文本描述中包含“修饰语核心名词”结构，且满足以下条件之一时，将该部分转化为动宾短语进行表示：

条件一：“核心名词”是动名词形式，表示对其之前的修饰语施加的某一动作或过程，可以通过词形还原获取对应的动词形式；

条件二：“核心名词”是名词形式，表示对其之前的修饰语施加的某一动作或过程，可以结合英语的构词规律获取其同义的动词形式。

3.根据权利要求2所述的资源能力知识图谱构建方法，其特征在于，步骤（4）所述生成能力的层次化抽象描述的具体流程为：

（4.1）对于规范化表达的动宾短语集合，首先按照同义“宾语”对其进行划分，再按照同义“动词”进行划分，得到多个并列的最小短语集合；

（4.2）对于每个最小短语集合，同时从结构和语义角度判断集合中两两短语的修饰语间的关系，从而得出短语的同义、上下位、并列关系，生成短语间的关系矩阵；将基于词向量的短语相似度计算结果作为权重参考，生成短语间关系的有向加权图；基于扩展的最小树形图算法，生成短语的森林形式的组织结构，作为对应的最小短语集合中短语的聚合结果；

（4.3）对于每个最小短语集合的聚合结果，以“动词宾语”形式生成抽象短语，作为该聚合结果中短语的公共上位短语；

（4.4）对于每个宾语对应的聚合结果，以“宾语”后缀“relatedcapability”格式生成抽象短语，作为具有相同宾语的能力短语的公共上位短语；最终形成对应资源能力的层次化抽象描述。

4.根据权利要求1所述的资源能力知识图谱构建方法，其特征在于，步骤（5）所述构建资源能力知识图谱的具体流程为：

（5.1）对于每一种资源类型，将其中的每个能力短语构建为知识图谱中表示能力概念的节点；基于其能力的层次化抽象描述，为具有上下位关系的能力短语所对应的节点间建立“subCapabilityOf”关系；

（5.2）将特定类型的资源构建为知识图谱中表示资源概念的节点，与该资源对应的最上层的能力概念节点间建立“hasCapability”关系。

Images