CN113342990A - 知识图谱的构建方法和装置 - Google Patents
知识图谱的构建方法和装置 Download PDFInfo
- Publication number
- CN113342990A CN113342990A CN202110606036.4A CN202110606036A CN113342990A CN 113342990 A CN113342990 A CN 113342990A CN 202110606036 A CN202110606036 A CN 202110606036A CN 113342990 A CN113342990 A CN 113342990A
- Authority
- CN
- China
- Prior art keywords
- entity
- information
- attribute
- knowledge
- target
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001347978 Major minor Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process 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
- 238000012360 testing method 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
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
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
本申请公开了知识图谱的构建方法和装置,涉及知识图谱、深度学习等人工智能技术领域。该方法包括:获取关键词以及信息集合;采用关键词,确定信息集合中的目标语句;采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值;采用实体的名称、实体的属性以及取值,确定实体的知识信息,采用至少一个实体的、至少一条知识信息,构建知识图谱。采用该方法可以提高构建知识图谱的准确性以及效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及知识图谱、深度学习技术领域,尤其涉及知识图谱的构建方法和装置。
背景技术
在构建知识图谱时,通常是基于开发人员的经验确定知识图谱中实体与属性的关系信息,或者基于开发人员所标注的样本训练模型,并通过训练好的模型确定知识图谱中实体与属性的关系信息。
然而,现有的构建知识图谱的方法存在效率低,以及所构建的知识图谱不准确的问题。
发明内容
本公开提供了一种知识图谱的构建方法、装置、电子设备以及计算机可读存储介质。
根据第一方面,提供了一种知识图谱的构建方法,该方法包括:获取关键词以及信息集合;采用关键词,确定信息集合中的目标语句;采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值;采用实体的名称、实体的属性以及取值,确定实体的知识信息;采用至少一个实体的、至少一条知识信息,构建知识图谱。
根据第二方面,提供了一种知识图谱的构建装置,该装置包括:获取单元,被配置为获取关键词以及信息集合;第一确定单元,被配置为采用关键词,确定信息集合中的目标语句;第二确定单元,被配置为采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值;第三确定单元,被配置为采用实体的名称、实体的属性以及取值,确定实体的知识信息;构建单元,被配置为采用至少一个实体的、至少一条知识信息,构建知识图谱。
根据第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器:存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面提供的知识图谱的构建方法。
根据第四方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的知识图谱的构建方法。
本公开提供的知识图谱的构建方法、装置,获取关键词以及信息集合;采用关键词,确定信息集合中的目标语句;采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值;采用实体的名称、实体的属性以及取值,确定实体的知识信息,并采用至少一个实体的至少一条知识信息构建知识图谱,可以提高构建知识图谱的准确性以及效率,以及可以提高对已经存在/已经形成的信息集合中数据的利用率。
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是本申请的实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的知识图谱的构建方法的一个实施例的流程图;
图3是根据本申请的知识图谱的构建方法的另一个实施例的流程图;
图4是根据本申请的知识图谱的构建方法的一个示例的流程图;
图5是根据本申请的知识图谱的构建方法的又一个实施例的流程图;
图6是根据本申请的知识图谱的构建装置的一个实施例的结构示意图;
图7是用来实现本申请实施例的知识图谱的构建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。
图1示出了可以应用本申请的用于验证系统的方法或用于验证系统的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装各种仿真类进程或者对系统进行测试的进程。终端设备101、102、103上还可以安装有各种客户端应用,例如,信息输入类应用、视频类应用、播放类应用、音频类应用、搜索类应用、购物类应用、金融类应用等。
终端设备101、102、103可以是具有显示屏并且支持接收服务器消息的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、电子播放器、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种待验证的硬件模组或者电子设备,当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以通过终端设备101、102、103获取关键词以及信息集合,采用关键词确定信息集合中的目标语句,采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与该属性对应的取值,并采用实体的名称、实体的属性以及关键词的、与该属性对应的取值确定实体的知识信息。
需要说明的是,本公开的实施例所提供的用于验证系统的方法一般由服务器105执行,相应地,用于验证系统的装置一般设置于服务器105中。
应该理解,图1中的设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的设备、网络和服务器。
继续参考图2,示出了根据本公开的知识图谱的构建方法的一个实施例的流程200。知识图谱的构建方法,包括以下步骤:
步骤201,获取关键词以及信息集合。
在本实施例中,知识图谱的构建方法的执行主体(例如图1所示的服务器)可以接收用户通过终端设备发送的关键词以及信息集合,也可以通过服务器本地或者云存储空间获取关键词以及信息集合。其中,关键词可以是实体的名称,如“建筑物”、“手机”,可以是技术领域的名称,如“计算机”、“人工智能”,可以是行业的名称,如“电力行业”、“教育行业”等;关键词可以是用于表征参数之间关系的词汇,如“大于”、“小于”、“包含”、“是”等。信息集合可以是行业信息,如行业标准信息、行业规范文档等,可以是数据库中存储的各种信息。
步骤202,采用关键词,确定信息集合中的目标语句。
在本实施例中,可以采用关键词,确定信息集合中的目标语句。可以采用语义匹配技术,在信息集合中确定出所表达的语义与关键词的语义相似的语句,并将所表达的语义与关键词的语义相似的语句确定为目标语句。
步骤203,采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值。
在本实施例中,可以采用语义分析模型确定出存在于目标语句中的实体的名称,该实体的属性,以及关键词的、与属性对应的取值(即,关键词在该属性下的取值)。
例如,若关键词为“不小于”,通过该关键词从信息集合中确定出的目标语句为“实体A的B参数不小于数值C”,则采用语义分析模型确定出存在于目标语句中的实体名称为“实体A”、实体的属性为“B参数”、关键词在该属性下的取值为“数值C”。
又如,若关键词为“包含”,通过该关键词从信息集合中确定出的目标语句为“网管系统的功能应包括配置管理、告警及故障管理、性能管理、安全管理等”,则,采用语义分析模型确定出存在于目标语句中的实体名称为“网管系统”,实体的属性为“功能”,关键词在该属性下的取值为“配置管理”、“告警”、“故障管理”、“性能管理”、“安全管理”。
步骤204,采用实体的名称、实体的属性以及取值,确定实体的知识信息。
在本实施例中,可以采用实体的名称、该实体的属性、以及关键词在该属性下的取值确定实体的知识信息。具体地,可以将实体的名称、该实体的属性、以及关键词在该属性下的取值以预设的形式存储,所存储的信息即为该实体的知识信息,例如,存储形式可以是“名称-属性-取值”,也可以将实体的名称、该实体的属性、以及关键词在该属性下的取值以知识图谱的三元组的表达方式存储于知识图谱中,作为该实体的一条知识信息。
步骤205,采用至少一个实体的、至少一条知识信息,构建知识图谱。
在本实施例中,可以采用一个实体的一条知识信息,构建知识图谱;可以采用一个实体的多条知识信息,构建知识图谱;也可以采用多个实体中每一个实体的多条知识信息/或者每一个实体的一条知识信息,构建知识图谱。
本实施例提供的知识图谱的构建方法,获取关键词以及信息集合,采用关键词,确定信息集合中的目标语句;采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值,之后,采用实体的名称、实体的属性以及取值,确定实体的知识信息,并采用至少一个实体的至少一条知识信息构建知识图谱,可以基于已经存在的信息集合确定实体的知识信息并构建知识图谱,提高构建的知识图谱的准确性以及效率。
其次,避免基于人工经验、或者基于人工标注的样本所训练的模型构建实体的知识信息,进一步提高确定知识信息的准确性以及效率。
再次,可以提高对已经存在/已经形成的信息集合中数据的利用率。
进一步参考图3,其示出了知识图谱的构建方法的另一个实施例的流程300。该知识图谱的构建方法的流程300,包括以下步骤:
步骤301,获取关键词以及信息集合。
步骤302,采用关键词,确定信息集合中的目标语句。
步骤303,采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值。
步骤304,采用实体的名称、实体的属性、取值以及关键词的类别,确定实体的知识信息。在本实施例中,可以采用实体的名称、该实体的属性、在该关键词下、与该属性对应的取值、以及关键词的类别,确定实体的知识信息。其中,关键词的类别可以是关键词所属于的领域,如“计算机”、“人工智能”等关键词是属于技术领域的词汇,如“电力行业”、“教育行业”等关键词是属于行业领域的词汇;关键词的类别也可以用于表征关键词所属于的逻辑规则,如“大于”、“小于”等关键词属于比较类逻辑规则,“包含”、“包括”等关键词属于包含类逻辑规则、“应”、“不应”等关键词属于是否类逻辑规则。
步骤305,采用至少一个实体的、至少一条知识信息,构建知识图谱。
本实施例中对步骤301、步骤302、步骤303、步骤305的描述与步骤201、步骤202、步骤203、步骤205的描述一致,此处不再赘述。本实施例提供的知识图谱的构建方法,与图2描述的实施例相比,增加了采用关键词的类别确定实体的知识信息的步骤,增加了实体的知识信息的维度,可以使所构建的知识图谱具有更广泛的应用场景。
在上述结合图2和图3描述的实施例的一些可选的实现方式中,采用关键词,确定信息集合中的目标语句,包括:在信息集合中确定与关键词匹配的目标信息;将目标信息所在的语句确定为目标语句。
在本实施例中,可以根据关键词本身或者关键词的语义,对信息集合中的信息进行遍历,确定出信息集合中与关键词本身或者关键词的语义的相似度满足相似度阈值的信息,并将该信息确定为目标信息,之后,将目标信息在信息集合中的语句、或者段落确定为目标语句。
本实施例通过关键词确定目标信息,再通过目标信息确定目标语句,可以提高确定目标语句的准确性以及效率。
在上述结合图2和图3描述的实施例的一些可选的实现方式中,采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值,包括:采用预先训练好的信息抽取模型,从目标语句中抽取实体的名称、实体的属性以及取值。
在本实施例中,可以采用预先训练好的信息抽取模型,从目标语句中抽取实体的名称,该实体的属性,以及关键词的、与该属性对应的取值。其中,预先训练好的信息抽取模型可以是主谓宾语抽取模型(SPO抽取模型)。
本实施例采用预先训练好的信息抽取模型,从目标语句中进行数据抽取。可以提高抽取数据的准确性以及效率。
在上述结合图2和图3描述的实施例的一些可选的实现方式中,知识图谱的构建方法还包括:响应于接收到包含目标实体的名称以及目标实体的属性的查询信息,将关键词的、与目标实体的属性对应的取值,发送至查询信息的发送方。
在本实施例中,当接收到包含目标实体的名称、以及目标实体的属性的查询信息后,可以将关键词的、与目标实体的属性对应的取值,发送至查询信息的发送方。
例如,服务器可以基于电力行业的行业标准文档建立知识图谱:获取关键词“不少于”以及行业标准文档,其中,行业标准文档中包括内容:“检修周期:
基准周期:35千伏设备不少于4年,110千伏至750千伏设备不少于3年,1000千伏设备年度检修;
可依据设备状态、地域环境、电网结构等特点,在基准周期的基础上酌情延长或缩短检修周期,调整后的检修周期一般不小于1年,也不大于基准周期的2倍”。
如图4所示,服务器可以首先基于关键词,从行业标准文档中提取出上述“检修周期:基准周期:35千伏设备不少于4年”作为行业标准文档中的一条目标语句(即,提取目标语句),针对该目标语句提取出实体的名称、实体的属性、关键词的取值,以形成知识信息“35千伏变电设备-基准检修周期-4年”(即,根据目标语句确定知识信息),根据行业标准文档中的全部目标语句,可以形成多条知识信息,并构建知识图谱(即,根据基于全量目标语句确定的多条知识信息,构建知识图谱)。
当系统接收到用户发送的查询信息“35千伏变电设备不少于多久进行基准周期检修”后,可以通过构建的知识图谱,将“4年”发送至用户的终端设备(即,接收查询信息并反馈查询结果)。
之后,服务器还可以接收用户的反馈信息,以使服务器或者开发人员对构建的知识图谱进行优化处理(即,基于查询结果的反馈信息优化知识图谱)。
本实施例基于构建的知识信息对用户的查询信息做出反馈,可以提高所反馈的信息的准确性、以及反馈信息的效率。
进一步参考图5,其示出了知识图谱的构建方法的又一个实施例的流程500。该知识图谱的构建方法的流程500,包括以下步骤:
步骤501,获取关键词以及预设行业的行业标准信息。
在本实施例中,知识图谱的构建方法的执行主体(例如图1所示的服务器)可以接收用户通过终端设备发送的关键词以及预设行业的行业标准信息,也可以通过服务器本地或者云存储空间获取关键词以及预设行业的行业标准信息。其中,预设行业可以是任意行业,行业标准信息可以是任意行业的标准信息,例如“风力发电机组安全系统设计技术规范”、“移动物联网(NB-IoT)工程技术规范”等。
步骤502,采用关键词,确定行业标准信息中的目标语句。
在本实施例中,可以采用关键词,确定行业标准信息中的目标语句。可以采用语义匹配技术,在行业标准信息中确定出所表达的语义与关键词的语义相似的语句,并将所表达的语义与关键词的语义相似的语句确定为目标语句。
步骤503,采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值。
步骤504,采用实体的名称、实体的属性以及取值,确定实体的知识信息。
本实施例中对503、步骤504的描述与步骤203、步骤204的描述一致,此处不再赘述。
步骤505,采用基于行业标准信息确定的至少一个实体的、至少一条知识信息,构建预设行业的行业知识图谱。
在本实施例中,可以采用基于预设行业的行业标准信息确定的一个实体的一条知识信息,构建预设行业的行业知识图谱;可以采用基于预设行业的行业标准信息确定的一个实体的多条知识信息,构建预设行业的行业知识图谱;可以采用基于预设行业的行业标准信息确定的多个实体、以及与每一个实体对应的一条或者多条知识信息,构建预设行业的行业知识图谱。其中,所采用的预设行业的行业标准信息可以是该预设行业的一篇或者多篇行业标准信息。
可以理解,除了采用行业标准信息作为信息集合外,还可以采用行业规范类文档、行业解决方案类文档等与预设行业相关的文档作为信息集合。
本实施例提供的知识图谱的构建方法,与图2描述的实施例相比,所采用的信息集合为行业标准信息,并且增加了采用确定的至少一条知识信息构建行业知识图谱的步骤,可以提高对行业标准信息等已有行业数据的利用率。另外,基于行业标准信息构建该行业的知识图谱,可以提高所构建的知识图谱的准确性、权威性以及行业适用性。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种知识图谱的构建装置的一个实施例,该装置实施例与图2和图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的知识图谱的构建装置600包括:获取单元601、第一确定单元602、第二确定单元603、第三确定单元604、构建单元605。其中,获取单元,被配置为获取关键词以及信息集合;第一确定单元,被配置为采用关键词,确定信息集合中的目标语句;第二确定单元,被配置为采用语义分析模型确定目标语句中的实体的名称,实体的属性,以及关键词的、与属性对应的取值;第三确定单元,被配置为采用实体的名称、实体的属性以及取值,确定实体的知识信息;构建单元,被配置为采用至少一个实体的、至少一条知识信息,构建知识图谱。
在一些实施例中,第一确定单元,包括:第一确定模块,被配置为在信息集合中确定与关键词匹配的目标信息;第二确定模块,被配置为将目标信息所在的语句确定为目标语句。
在一些实施例中,第二确定单元,包括:抽取模块,被配置为采用预先训练好的信息抽取模型,从目标语句中抽取实体的名称、实体的属性以及取值。
在一些实施例中,第三确定单元,包括:第三确定模块,被配置为采用实体的名称、实体的属性、取值以及关键词的类别,确定实体的知识信息。
在一些实施例中,知识图谱的构建装置还包括:反馈单元,被配置为响应于接收到包含目标实体的名称、以及目标实体的属性的查询信息,将关键词的、与目标实体的属性对应的取值,发送至查询信息的发送方。
在一些实施例中,信息集合包括预设行业的行业标准信息,构建单元包括:构建模块,被配置为采用基于行业标准信息确定的至少一个实体的、至少一条知识信息,构建预设行业的行业知识图谱。
上述装置600中的各单元与参考图2和图3描述的方法中的步骤相对应。由此上文针对知识图谱的构建方法描述的操作、特征及所能达到的技术效果同样适用于装置600及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请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7示出了可以用来实施本申请的实施例的示例电子设备700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/或者要求的本申请的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元705,例如网卡、调制解调器、无线通信收发机等。通信单元705允许设备700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701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701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701执行上文所描述的各个方法和处理,例如知识图谱的构建方法。例如,在一些实施例中,知识图谱的构建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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元705而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的知识图谱的构建方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行知识图谱的构建方法。
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。
用于实施本申请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。
在本申请的上下文中,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)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。
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数据,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 (15)
1.一种知识图谱的构建方法,包括:
获取关键词以及信息集合;
采用所述关键词,确定所述信息集合中的目标语句;
采用语义分析模型确定所述目标语句中的实体的名称,所述实体的属性,以及所述关键词的、与所述属性对应的取值;
采用所述实体的名称、所述实体的属性以及所述取值,确定所述实体的知识信息;
采用至少一个实体的、至少一条知识信息,构建知识图谱。
2.根据权利要求1所述的方法,其中,所述采用所述关键词,确定所述信息集合中的目标语句,包括:
在所述信息集合中确定与所述关键词匹配的目标信息;
将所述目标信息所在的语句确定为所述目标语句。
3.根据权利要求1所述的方法,其中,所述采用语义分析模型确定所述目标语句中的实体的名称,所述实体的属性,以及所述关键词的、与所述属性对应的取值,包括:
采用预先训练好的信息抽取模型,从所述目标语句中抽取实体的名称、所述实体的属性以及所述取值。
4.根据权利要求1所述的方法,其中,所述采用所述实体的名称、所述实体的属性以及所述取值,确定所述实体的知识信息,包括:
采用所述实体的名称、所述实体的属性、所述取值以及所述关键词的类别,确定所述实体的知识信息。
5.根据权利要求1所述的方法,其中,所述方法还包括:
响应于接收到包含目标实体的名称、以及所述目标实体的属性的查询信息,将所述关键词的、与所述目标实体的属性对应的取值,发送至所述查询信息的发送方。
6.根据权利要求1所述的方法,其中,所述信息集合包括预设行业的行业标准信息,所述采用至少一个实体的、至少一条知识信息,构建知识图谱,包括:
采用基于所述行业标准信息确定的至少一个实体的、至少一条知识信息,构建所述预设行业的行业知识图谱。
7.一种知识图谱的构建装置,包括:
获取单元,被配置为获取关键词以及信息集合;
第一确定单元,被配置为采用所述关键词,确定所述信息集合中的目标语句;
第二确定单元,被配置为采用语义分析模型确定所述目标语句中的实体的名称,所述实体的属性,以及所述关键词的、与所述属性对应的取值;
第三确定单元,被配置为采用所述实体的名称、所述实体的属性以及所述取值,确定所述实体的知识信息;
构建单元,被配置为采用至少一个实体的、至少一条知识信息,构建知识图谱。
8.根据权利要求7所述的装置,其中,所述第一确定单元,包括:
第一确定模块,被配置为在所述信息集合中确定与所述关键词匹配的目标信息;
第二确定模块,被配置为将所述目标信息所在的语句确定为所述目标语句。
9.根据权利要求7所述的装置,其中,所述第二确定单元,包括:
抽取模块,被配置为采用预先训练好的信息抽取模型,从所述目标语句中抽取实体的名称、所述实体的属性以及所述取值。
10.根据权利要求7所述的装置,其中,所述第三确定单元,包括:
第三确定模块,被配置为采用所述实体的名称、所述实体的属性、所述取值以及所述关键词的类别,确定所述实体的知识信息。
11.根据权利要求7所述的装置,其中,所述装置还包括:
反馈单元,被配置为响应于接收到包含目标实体的名称、以及所述目标实体的属性的查询信息,将所述关键词的、与所述目标实体的属性对应的取值,发送至所述查询信息的发送方。
12.根据权利要求7所述的装置,其中,所述信息集合包括预设行业的行业标准信息,所述构建单元包括:
构建模块,被配置为采用基于所述行业标准信息确定的至少一个实体的、至少一条知识信息,构建所述预设行业的行业知识图谱。
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 |
---|---|---|---|
CN202110606036.4A CN113342990A (zh) | 2021-05-25 | 2021-05-25 | 知识图谱的构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606036.4A CN113342990A (zh) | 2021-05-25 | 2021-05-25 | 知识图谱的构建方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113342990A true CN113342990A (zh) | 2021-09-03 |
Family
ID=77473689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110606036.4A Pending CN113342990A (zh) | 2021-05-25 | 2021-05-25 | 知识图谱的构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342990A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
CN111221983A (zh) * | 2020-01-15 | 2020-06-02 | 北京百度网讯科技有限公司 | 时序知识图谱生成方法、装置、设备和介质 |
CN111813963A (zh) * | 2020-09-10 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 知识图谱构建方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-25 CN CN202110606036.4A patent/CN113342990A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145102A (zh) * | 2018-09-06 | 2019-01-04 | 杭州安恒信息技术股份有限公司 | 智能问答方法及其知识图谱系统构建方法、装置、设备 |
CN111221983A (zh) * | 2020-01-15 | 2020-06-02 | 北京百度网讯科技有限公司 | 时序知识图谱生成方法、装置、设备和介质 |
CN111813963A (zh) * | 2020-09-10 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 知识图谱构建方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230004721A1 (en) | Method for training semantic representation model, device and storage medium | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113360711A (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
CN114881129A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
CN113806522A (zh) | 摘要生成方法、装置、设备以及存储介质 | |
CN114064925A (zh) | 知识图谱的构建方法、数据查询方法、装置、设备和介质 | |
CN113904943A (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN112926298A (zh) | 新闻内容识别方法、相关装置及计算机程序产品 | |
CN114330718B (zh) | 因果关系的提取方法、装置及电子设备 | |
CN113590447B (zh) | 埋点处理方法和装置 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN114756691A (zh) | 结构图生成方法、模型的训练方法、图谱生成方法及装置 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN114841172A (zh) | 文本匹配双塔模型的知识蒸馏方法、装置及程序产品 | |
CN113342990A (zh) | 知识图谱的构建方法和装置 | |
CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
CN113901316A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN113362111A (zh) | 一种内容发送方法、装置及电子设备 | |
CN113361621A (zh) | 用于训练模型的方法和装置 | |
CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
CN113360672A (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
CN112989797B (zh) | 模型训练、文本扩展方法,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 |