CN112784591A - 数据的处理方法、装置、电子设备和存储介质 - Google Patents
数据的处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112784591A CN112784591A CN202110139502.2A CN202110139502A CN112784591A CN 112784591 A CN112784591 A CN 112784591A CN 202110139502 A CN202110139502 A CN 202110139502A CN 112784591 A CN112784591 A CN 112784591A
- Authority
- CN
- China
- Prior art keywords
- text
- data
- data set
- entity
- knowledge
- 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
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000000855 fermentation Methods 0.000 description 5
- 230000004151 fermentation Effects 0.000 description 5
- 241000282693 Cercopithecidae Species 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了一种数据的处理方法、装置、电子设备和存储介质,涉及大数据和知识图谱等人工智能技术领域。其中,具体实现方案为:获取历史查询数据集,其中,所述数据集中包括各种类型的数据;依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本;对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集;根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。由此,通过将不同类型的数据整理生成知识图谱,不仅便于用户查阅,而且节省了用户的时间。
Description
技术领域
本公开涉及计算机技术领域,具体涉及大数据和知识图谱等人工智能技术领域,尤其涉及一种数据的处理方法、装置、电子设备和存储介质。
背景技术
随着计算机技术的发展,越来越多的用户习惯于通过互联网查找各种资料,但又无暇将搜集到的诸多资料整理汇总,以至于再遇到类似问题时,仍然需要花费大量时间进行查找。如何快速、准确的整理各种数据,成为目前亟待解决的问题。
发明内容
本公开提供了一种数据的处理方法、装置、电子设备和存储介质。
本公开一方面,提供了一种数据的处理方法,包括:
获取历史查询数据集,其中,所述数据集中包括各种类型的数据;
依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本;
对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集;
根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
根据本公开的另一方面,提供了一种装置,包括:
第一获取模块,用于获取历史查询数据集,其中,所述数据集中包括各种类型的数据;
第二获取模块,用于依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本;
第一确定模块,用于对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集;
第一生成模块,用于根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
根据本公开的另一方面,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上述一方面实施例所述的数据的处理方法。
根据本公开的另一方面,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,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数据的处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述一方面实施例所述的数据的处理方法。
本公开提供的数据的处理方法、装置、电子设备和存储介质,存在如下有益效果:
首先获取历史查询数据集,然后依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本,进而对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集,然后根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。由此,通过对不同类型的历史查询数据采用不同的预处理和实体识别,即可将不同类型的数据整理生成知识图谱,从而不仅便于用户查阅,而且节省了用户的时间。
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,不构成对本公开的限定。其中:
图1A为本公开一实施例提供的一种数据的处理方法的流程示意图;
图1B为本公开一实施例提供的一种知识图谱的示意图;
图2为本公开另一实施例提供的一种数据的处理方法的流程示意图;
图3为本公开一实施例提供的一种数据的处理装置的结构示意图;
图4为本公开另一实施例提供的一种数据的处理装置的结构示意图;
图5为用来实现本公开实施例的数据的处理方法的电子设备的框图;
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
大数据技术是指通过多种渠道实现对大量数据的采集,并通过使用云计算技术来实现对数据的深度挖掘和分析,确保能够及时的找出数据之间的规律和特点,总结和归纳出数据所存在的价值。大数据技术对于了解数据特征,预测发展趋势具有十分重要的意义。
知识图谱本质上是语义网络,是一种基于图的数据结构,由节点和边组成。在知识图谱中,每个节点表示现实世界中存在的实体,每条边为实体与实体之间的关系。通俗地讲,知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络,知识图谱提供了从“关系”的角度去分析问题的能力。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
下面参考附图描述本公开实施例的数据的处理方法、装置、电子设备和存储介质。
本公开实施例的数据的处理方法,可由本公开实施例提供的数据的处理装置执行,该装置可配置于电子设备中。
图1A为本公开实施例提供的一种数据的处理方法的流程示意图。
如图1A所示,该数据的处理方法,可以包括以下步骤:
步骤101,获取历史查询数据集,其中,数据集中包括各种类型的数据。
其中,数据集可以是用户在提交数据整理请求时,直接提供的,或者,也可以是本公开中的数据处理装置,根据自动记录的用户的检索、阅读等轨迹,自动生成的,本公开对此不做限定。
另外,数据集中每个数据的类型可以为以下任一:语音、图片、页面地址、文本,本公开对此不做限定。
步骤102,依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本。
其中,数据所属的类型不同,采用的预处理方式可能也不相同。
举例来说,对于语音类型的数据,语音信号多为模拟信号,对其进行预处理时,可以先将模拟语音信号进行周期采样,以使其离散化,从而得到语音数据,之后可以对该语音数据进行预加重和加窗分帧等,并获得该语音数据对应的文本。
或者,对于图片类型的数据,可以使用OCR(Optical Character Recognition,光学字符识别)技术,对图片进行预处理,从而可将图片转换为对应的文本。
另外,在对图片进行预处理之前,还可以先对图片进行灰度化、几何变换、图像增强等处理,提高图片的清晰度,从而可以进一步提高预处理结果的准确性。
或者,对于文本类型的数据,可以先对获取到的原始文本进行分词处理、文本清洗、标准化等预处理,从而可以获得该文本数据对应的更为准确的文本。
需要说明的是,上述各种预处理方式只是举例说明,不能作为对本公开实施例中预处理方式的限定。
步骤103,对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集。
其中,三元组的基本形式可以为(实体1-关系-实体2),或者,为(实体-属性-属性值)等,本公开对此不做限定。
另外,确定实体三元组时可以有多种方式,比如可以根据实体及其关系进行确定,或者,也可以根据句子主干等方法确定,本公开对此不做限定。
举例来说,获取到的文本为“唐僧是孙悟空的师父”,根据句子主干等确定出的实体三元组可以为“唐僧”、“孙悟空”、“师父”。
或者,获取到的文本为“唐僧孙悟空师徒”,对其进行实体识别,根据实体及其关系确定出的实体三元组可以为“唐僧”、“孙悟空”、“师徒”。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中确定实体三元组数据集的限定。
步骤104,根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。
举例来说,获取到的实体三元组数据集有“唐僧、孙悟空、师父”、“孙悟空、猪八戒、师兄”、“唐僧、猪八戒、师父”,从而生成的与数据集对应的知识图谱可能为如图1B所示。其中,唐僧和孙悟空、唐僧和猪八戒都是师徒关系,孙悟空和猪八戒是师兄弟关系。
可以理解的是,本公开通过对用户历史查询的各种类型的数据集进行整理,以生成对应的知识图谱,不仅方便了用户对历史查询内容的翻阅,而且减少了用户自己整理查询数据的操作,节省了用户的时间。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中生成与数据集对应的知识图谱的限定。
本公开实施例,首先获取历史查询数据集,然后依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本,进而对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集,然后根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。由此,通过对不同类型的历史查询数据采用不同的预处理和实体识别,即可将不同类型的数据整理生成知识图谱,从而不仅便于用户查阅,而且节省了用户的时间。
上述实施例通过对不同类型的历史查询数据集进行预处理、实体识别等处理,从而可以根据确定出的实体三元组数据集生成对应的知识图谱,为了进一步提高生成的知识图谱的准确性和完整性,还可以根据文本所属的类型对知识图谱进行更新,下面结合图2对上述过程进行详细说明。
如图2所示,该数据的处理方法,可以包括以下步骤:
步骤201,获取历史查询数据集,其中,数据集中包括各种类型的数据。
步骤202,依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本。
可以理解的是,为了使获取到的文本条理更加清晰,层次更加明了,可以对文本进行整理,以生成清晰明了的知识文档。
一种可能的实现方式为,可以确定每个文本对应的摘要。
其中,生成摘要的方法有多种,比如可以根据关键词生成摘要,或者,也可以借助其他软件生成摘要等,本公开实施例中可以采用任意一种方法生成摘要,对此不做限定。
之后,可以根据每个文本对应的摘要,确定各个文本间的关系。
其中,各个文本的关系可以为不同层级的包含关系,或者,也可以为同一层级的并列关系,或者,也可能没有关系等,本公开对此不做限定。
举例来说,三个文本的摘要分别是“如何制作葡萄酒”、“如何处理葡萄”、“葡萄酒发酵注意事项”,可以确定出“如何制作葡萄酒”包括“如何处理葡萄”、“葡萄酒发酵注意事项”这两项内容,即“如何制作葡萄酒”是大层级,“如何处理葡萄”、“葡萄酒发酵注意事项”是处于同一小层级的两项内容。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中确定各个文本间的关系的限定。
进一步地,可以根据各个文本间的关系,生成数据集对应的知识文档。
举例来说,确定出的文本关系为“如何制作葡萄酒”包括“如何处理葡萄”、“葡萄酒发酵注意事项”这两项内容,从而生成的知识文档可以为“第1章如何制作葡萄酒、1.1如何处理葡萄、1.2葡萄酒发酵注意事项”。
或者,当前每个文本对应的摘要分别为“写好作文的第一步”、“写好作文的第二步”、“写好作文的第三步”,从而可以确定出各个文本间为同一层级、有前后连接顺序的关系,从而可以将三个文本进行合并以生成数据集对应的知识文档。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中生成数据集对应的知识文档的限定。
本公开实施例中,可以根据每个文本对应的摘要,确定出各个文本间的关系,以生成数据集对应的知识文档,从而可以将数据汇总为条理清晰、层次分明的知识文档,节省了用户的时间,提高了整理效率。
步骤203,对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集。
步骤204,根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。
步骤205,对每个文本进行分类,确定每个文本所属的类别。
其中,确定每个文本所属的类别时,可以有多种方式。
比如,可以根据每个文本对应的实体三元组数据集中每个实体对应的候选类别,确定每个文本所属的类别。
其中,每个实体对应的候选类别可能有一个,也可能有多个,本公开对此不做限定。
举例来说,文本1对应的实体三元组数据集中的一个实体为“铁”,其对应的候选类别可能属于化学,或者,也可能属于医药,从而该文本可能属于化学类别,或者,也可能属于医药类别。
或者,文本1对应的实体三元组数据集,可能有6个实体,其中,实体1、实体3、实体4、实体5、实体6均属于生物类别,实体2属于医药类别,从而可以确定该文本可能属于生物类别。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中每个文本对应的实体三元组数据集中实体的数量、实体对应的候选类别、以及文本所属的类别的限定。
或者,可以对每个文本进行词频-逆文本频率指数分析,以确定每个文本所属的类别。
其中,TF-IDF(Term Frequency-Inverse Document Frequency,词频-逆文本频率),是一种用于资讯检索与文本挖掘的常用加权技术,可以用来评估一个词对于一个文档集或语料库中某个文本的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。如果某个词比较少见,但是它在当前文本中多次出现,那么它很可能就反映了当前文本的特性,从而可以确定出文本所属的类别。
举例来说,对当前文本进行词频-逆文本频率指数分析后,得出“原子能”的权重为0.88,“应用”权重为“0.12”,可以确定出当前文本所属的类别可能为“原子能”所属的“核行业”。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中对文本进行词频-逆文本频率指数分析、确定文本所属的类别的限定。
步骤206,根据每个文本所属的类别,确定参考知识库。
其中,参考知识库可能为一个,或者,也可能为多个,本公开对此不做限定。
举例来说,当前文本所属的类别可能为化学类,或者,也可能为医药类,从而参考知识库可能为化学库1,或者也可能为医药库1。
或者,当前文本所属的类别为生物类,确定出的参考知识库可能为1个,可能为生物库2,或者也可能为生物库5等。
需要说明的是,上述示例只是举例说明,不能作为对本公开实施例中文本所属的类别、以及确定参考知识库的限定。
步骤207,根据每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度,从参考知识库中获取参考知识。
其中,每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度越大,表明当前参考知识库与该文本相关度越高,从该参考知识库中获取到的参考知识越准确,可以从匹配度最大的参考知识库中获取参考知识。
举例来说,根据当前文本所属的类别,确定出的参考知识库有2个,分别为知识库1和知识库2,当前文本对应的实体三元组数据集与2个参考知识库中各参考知识的匹配度分别为0.81、0.32,从而可以确定出从知识库1中获取参考知识。
或者,也可以预先设置一个阈值,当每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度大于该阈值时,即可从该参考知识库中获取参考知识。
比如说,根据当前文本所属的类别,确定出的参考知识库有3个,分别为知识库1、知识库2、知识库3,当前文本对应的实体三元组数据集与2个参考知识库中各参考知识的匹配度分别为0.81、0.32、0.73,预先设置的阈值为0.65,从而可以确定出应从知识库1和知识库3中获取参考知识。
需要说明的是,上述参考知识库、匹配度、阈值等只是示意性说明,不能作为对本公开实施例中每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度、以及从参考知识库中获取参考知识的限定。
步骤208,根据参考知识,对知识图谱进行更新。
举例来说,获取到的参考知识可能为“A是B的老师,B是C的学生”,可以将其添加到知识图谱中,从而可以对知识图谱进行更新,以使知识图谱的内容更加完善。
另外,本公开实施例中,还可以根据知识图谱为用户推荐相关内容,从而可以节约用户时间,提高效率,并给予用户良好的使用感。
具体地,可以根据知识图谱中各个节点间的关系,确定知识图谱中的核心节点,进而根据核心节点的类型和/或内容,获取待推荐对象,之后可以将待推荐对象发送给用户。
其中,核心节点可以为一个,或者也可以为多个,本公开对此不做限定。
另外,待推荐对象,可以为书籍、教程、博客等任意形式的内容,本公开对此不做限定。
可以理解的是,将待推荐对象发送给用户时,可以使用多种方式,比如可以为邮件、短信提醒、应用软件推送等任意方式,本公开对此不做限定。
举例来说,当前知识图谱中一共有7个节点,其中,与节点A有关系的节点有5个,与节点B有关系的节点有2个,从而,可以确定出节点A为知识图谱中的核心节点。之后,根据核心节点A的内容,获取到的待推荐对象可以为书籍C,从而可以将该书籍C发送给用户。
需要说明的是,上述数字7、5、2、节点A、节点B、书籍C等只是示意性说明,不能作为对本公开实施例中各个节点间关系、确定知识图谱中的核心节点、待推荐对象的限定。
本公开实施例中,可以根据知识图谱中各个节点间的关系,确定出核心节点,进而确定出待推荐对象,并可以将待推荐对象发送给用户,从而为用户提供相关的推荐内容,减少了用户查询检索的时间,提高了效率,可以给予用户良好的使用感。
本公开实施例,对于生成的知识图谱,还可以根据每个文本所属的类别确定出参考知识库,之后根据每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度,从参考知识库中获取参考知识,根据参考知识对知识图谱进行更新,从而进一步节省了用户查询资料的时间,提高了用户获取的内容的完整性。
根据本公开的实施例,本公开还提供了一种数据的处理装置。
图3是根据本公开一实施例的数据的处理装置的结构示意图。如图3所示,该数据的处理装置300包括:第一获取模块310、第二获取模块320、第一确定模块330、第一生成模块340。
其中,第一获取模块310,用于获取历史查询数据集,其中,所述数据集中包括各种类型的数据。
第二获取模块320,用于依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本。
第一确定模块330,用于对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集。
第一生成模块340,用于根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
本公开实施例中的上述各模块的功能及具体实现原理,可参照上述各方法实施例,此处不再赘述。
本公开实施例的数据的处理装置,首先获取历史查询数据集,然后依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本,进而对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集,然后根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。由此,通过对不同类型的历史查询数据采用不同的预处理和实体识别,即可将不同类型的数据整理生成知识图谱,从而不仅便于用户查阅,而且节省了用户的时间。
图4是根据本公开另一实施例的数据的处理装置的结构示意图。
如图4所示,该数据的处理装置400包括:第一获取模块410、第二获取模块420、第一确定模块430、第一生成模块440、第二确定模块450、第三获取模块460、发送模块470。
其中,第一获取模块410,用于获取历史查询数据集,其中,所述数据集中包括各种类型的数据。
第二获取模块420,用于依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本。
第一确定模块430,用于对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集。
第一生成模块440,用于根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
在一种可能的实现方式中,第一确定模块430,还用于对每个所述文本进行分类,确定每个所述文本所属的类别。
在一种可能的实现方式中,第一确定模块430,还用于根据每个所述文本所属的类别,确定参考知识库。
在一种可能的实现方式中,第一获取模块410,还用于根据每个所述文本对应的实体三元组数据集与所述参考知识库中各参考知识的匹配度,从所述参考知识库中获取参考知识。
在一种可能的实现方式中,第一生成模块440,还用于根据所述参考知识,对所述知识图谱进行更新。
在一种可能的实现方式中,第一确定模块430,可具体用于根据每个所述文本对应的实体三元组数据集中每个实体对应的候选类别,确定每个所述文本所属的类别;或者,还可具体用于对每个所述文本进行词频-逆文本频率指数分析,以确定每个所述文本所属的类别。
在一种可能的实现方式中,第一确定模块430,还用于确定每个所述文本对应的摘要。
在一种可能的实现方式中,第一确定模块430,还用于根据每个所述文本对应的摘要,确定各个所述文本间的关系。
在一种可能的实现方式中,第一生成模块440,还用于根据所述各个文本间的关系,生成所述数据集对应的知识文档。
第二确定模块450,用于根据所述知识图谱中各个节点间的关系,确定所述知识图谱中的核心节点。
第三获取模块460,,用于根据所述核心节点的类型和/或内容,获取待推荐对象。
发送模块470,用于将所述待推荐对象发送给用户。
在一种可能的实现方式中,所述数据集中每个数据的类型为以下任一:语音、图片、页面地址、文本。
可以理解的是,本实施例中的第一获取模块410、第二获取模块420、第一确定模块430、第一生成模块440,与上述实施例中的第一获取模块310、第二获取模块320、第一确定模块330、第一生成模块340,可以分别具有相同的功能和结构。
本公开实施例中的上述各模块的功能及具体实现原理,可参照上述各方法实施例,此处不再赘述。
本公开实施例的数据的处理装置,对于生成的知识图谱,还可以根据每个文本所属的类别确定出参考知识库,之后根据每个文本对应的实体三元组数据集与参考知识库中各参考知识的匹配度,从参考知识库中获取参考知识,根据参考知识对知识图谱进行更新,从而进一步节省了用户查询资料的时间,提高了用户获取的内容的完整性。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如数据的处理方法。例如,在一些实施例中,数据的处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的数据的处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据的处理方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、互联网和区块链网络。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开的技术方案,首先获取历史查询数据集,然后依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个数据对应的文本,进而对每个文本进行实体识别,以确定每个文本对应的实体三元组数据集,然后根据每个文本对应的实体三元组数据集,生成与数据集对应的知识图谱。由此,通过对不同类型的历史查询数据采用不同的预处理和实体识别,即可将不同类型的数据整理生成知识图谱,从而不仅便于用户查阅,而且节省了用户的时间。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种数据的处理方法,包括:
获取历史查询数据集,其中,所述数据集中包括各种类型的数据;
依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本;
对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集;
根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
2.如权利要求1所述的方法,其中,在所述生成与所述数据集对应的知识图谱之后,还包括:
对每个所述文本进行分类,确定每个所述文本所属的类别;
根据每个所述文本所属的类别,确定参考知识库;
根据每个所述文本对应的实体三元组数据集与所述参考知识库中各参考知识的匹配度,从所述参考知识库中获取参考知识;
根据所述参考知识,对所述知识图谱进行更新。
3.如权利要求2所述的方法,其中,所述对每个所述文本进行分类,确定每个所述文本所属的类别,包括:
根据每个所述文本对应的实体三元组数据集中每个实体对应的候选类别,确定每个所述文本所属的类别;
或者,
对每个所述文本进行词频-逆文本频率指数分析,以确定每个所述文本所属的类别。
4.如权利要求1所述的方法,其中,在所述获取每个所述数据对应的文本之后,还包括:
确定每个所述文本对应的摘要;
根据每个所述文本对应的摘要,确定各个所述文本间的关系;
根据所述各个文本间的关系,生成所述数据集对应的知识文档。
5.如权利要求1所述的方法,其中,在所述生成与所述数据集对应的知识图谱之后,还包括:
根据所述知识图谱中各个节点间的关系,确定所述知识图谱中的核心节点;
根据所述核心节点的类型和/或内容,获取待推荐对象;
将所述待推荐对象发送给用户。
6.如权利要求1-4任一所述的方法,所述数据集中每个数据的类型为以下任一:语音、图片、页面地址、文本。
7.一种数据的处理装置,包括:
第一获取模块,用于获取历史查询数据集,其中,所述数据集中包括各种类型的数据;
第二获取模块,用于依次采用与每个数据所属的类型对应的预处理方式,对每个数据进行预处理,以获取每个所述数据对应的文本;
第一确定模块,用于对每个所述文本进行实体识别,以确定每个所述文本对应的实体三元组数据集;
第一生成模块,用于根据每个所述文本对应的实体三元组数据集,生成与所述数据集对应的知识图谱。
8.如权利要求7所述的装置,其中,
所述第一确定模块,还用于对每个所述文本进行分类,确定每个所述文本所属的类别;
所述第一确定模块,还用于根据每个所述文本所属的类别,确定参考知识库;
所述第一获取模块,还用于根据每个所述文本对应的实体三元组数据集与所述参考知识库中各参考知识的匹配度,从所述参考知识库中获取参考知识;
所述第一生成模块,还用于根据所述参考知识,对所述知识图谱进行更新。
9.如权利要求8所述的装置,其中,所述第一确定模块,具体用于:
根据每个所述文本对应的实体三元组数据集中每个实体对应的候选类别,确定每个所述文本所属的类别;
或者,
对每个所述文本进行词频-逆文本频率指数分析,以确定每个所述文本所属的类别。
10.如权利要求7所述的装置,其中,
所述第一确定模块,还用于确定每个所述文本对应的摘要;
所述第一确定模块,还用于根据每个所述文本对应的摘要,确定各个所述文本间的关系;
所述第一生成模块,还用于根据所述各个文本间的关系,生成所述数据集对应的知识文档。
11.如权利要求7所述的装置,其中,还包括:
第二确定模块,用于根据所述知识图谱中各个节点间的关系,确定所述知识图谱中的核心节点;
第三获取模块,用于根据所述核心节点的类型和/或内容,获取待推荐对象;
发送模块,用于将所述待推荐对象发送给用户。
12.如权利要求7-11任一所述的装置,所述数据集中每个数据的类型为以下任一:语音、图片、页面地址、文本。
13.一种电子设备,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,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110139502.2A CN112784591B (zh) | 2021-02-01 | 2021-02-01 | 数据的处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110139502.2A CN112784591B (zh) | 2021-02-01 | 2021-02-01 | 数据的处理方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784591A true CN112784591A (zh) | 2021-05-11 |
CN112784591B CN112784591B (zh) | 2024-07-05 |
Family
ID=75760417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110139502.2A Active CN112784591B (zh) | 2021-02-01 | 2021-02-01 | 数据的处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784591B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792344A (zh) * | 2021-09-17 | 2021-12-14 | 平安国际智慧城市科技股份有限公司 | 数据的脱敏处理方法、装置、设备及存储介质 |
CN114201493A (zh) * | 2021-12-13 | 2022-03-18 | 北京百度网讯科技有限公司 | 数据接入方法、装置、设备以及存储介质 |
CN115220608A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市人马互动科技有限公司 | 互动小说中多媒体数据的处理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014018321A1 (en) * | 2012-07-23 | 2014-01-30 | Facebook, Inc. | Structured search queries based on social-graph information |
CN109189942A (zh) * | 2018-09-12 | 2019-01-11 | 山东大学 | 一种专利数据知识图谱的构建方法及装置 |
CN110209828A (zh) * | 2018-02-12 | 2019-09-06 | 北大方正集团有限公司 | 案件查询方法及案件查询装置、计算机设备和存储介质 |
US20200097861A1 (en) * | 2018-09-25 | 2020-03-26 | International Business Machines Corporation | Noise detection in knowledge graphs |
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 |
CN111950285A (zh) * | 2020-07-31 | 2020-11-17 | 合肥工业大学 | 多模态数据融合的医疗知识图谱智能自动构建系统和方法 |
WO2021004333A1 (zh) * | 2019-07-08 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于知识图谱的事件处理方法、装置、设备和存储介质 |
-
2021
- 2021-02-01 CN CN202110139502.2A patent/CN112784591B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014018321A1 (en) * | 2012-07-23 | 2014-01-30 | Facebook, Inc. | Structured search queries based on social-graph information |
CN110209828A (zh) * | 2018-02-12 | 2019-09-06 | 北大方正集团有限公司 | 案件查询方法及案件查询装置、计算机设备和存储介质 |
CN109189942A (zh) * | 2018-09-12 | 2019-01-11 | 山东大学 | 一种专利数据知识图谱的构建方法及装置 |
US20200097861A1 (en) * | 2018-09-25 | 2020-03-26 | International Business Machines Corporation | Noise detection in knowledge graphs |
WO2021004333A1 (zh) * | 2019-07-08 | 2021-01-14 | 平安科技(深圳)有限公司 | 基于知识图谱的事件处理方法、装置、设备和存储介质 |
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 |
CN111950285A (zh) * | 2020-07-31 | 2020-11-17 | 合肥工业大学 | 多模态数据融合的医疗知识图谱智能自动构建系统和方法 |
Non-Patent Citations (1)
Title |
---|
刘菁华;夏定元;: "基于多媒体融合的图像检索系统的实现", 电视技术, no. 02, pages 88 - 89 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792344A (zh) * | 2021-09-17 | 2021-12-14 | 平安国际智慧城市科技股份有限公司 | 数据的脱敏处理方法、装置、设备及存储介质 |
CN113792344B (zh) * | 2021-09-17 | 2024-06-04 | 平安国际智慧城市科技股份有限公司 | 数据的脱敏处理方法、装置、设备及存储介质 |
CN114201493A (zh) * | 2021-12-13 | 2022-03-18 | 北京百度网讯科技有限公司 | 数据接入方法、装置、设备以及存储介质 |
CN115220608A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市人马互动科技有限公司 | 互动小说中多媒体数据的处理方法及装置 |
CN115220608B (zh) * | 2022-09-20 | 2022-12-20 | 深圳市人马互动科技有限公司 | 互动小说中多媒体数据的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112784591B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825882B (zh) | 一种基于知识图谱的信息系统管理方法 | |
CN112784591B (zh) | 数据的处理方法、装置、电子设备和存储介质 | |
CN112541070B (zh) | 槽位更新语料的挖掘方法、装置、电子设备和存储介质 | |
CN112784589B (zh) | 一种训练样本的生成方法、装置及电子设备 | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN113220835A (zh) | 文本信息处理方法、装置、电子设备以及存储介质 | |
CN113792153A (zh) | 问答推荐方法及其装置 | |
CN116401345A (zh) | 智能问答方法、装置、存储介质和设备 | |
JP7369228B2 (ja) | ユーザ興味画像の生成方法、装置、電子機器及び記憶媒体 | |
CN116467461A (zh) | 应用于配电网的数据处理方法、装置、设备及介质 | |
CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN117688946A (zh) | 基于大模型的意图识别方法、装置、电子设备和存储介质 | |
CN112560480A (zh) | 任务社区发现方法、装置、设备和存储介质 | |
CN113139558A (zh) | 确定物品的多级分类标签的方法和装置 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN113051396B (zh) | 文档的分类识别方法、装置和电子设备 | |
CN114417886A (zh) | 热点数据的处理方法、装置、电子设备及存储介质 | |
CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
CN113641724A (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
CN110781283A (zh) | 连锁品牌词库生成方法、装置以及电子设备 | |
CN114925185B (zh) | 交互方法、模型的训练方法、装置、设备及介质 | |
CN113032540B (zh) | 人机交互方法、装置、设备和存储介质 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN113360602A (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
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 |