CN113344405A - 基于知识图谱生成信息的方法、装置、设备、介质和产品 - Google Patents
基于知识图谱生成信息的方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN113344405A CN113344405A CN202110680086.7A CN202110680086A CN113344405A CN 113344405 A CN113344405 A CN 113344405A CN 202110680086 A CN202110680086 A CN 202110680086A CN 113344405 A CN113344405 A CN 113344405A
- Authority
- CN
- China
- Prior art keywords
- information
- event
- determining
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims 1
- 238000012549 training Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000013145 classification model Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 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
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于知识图谱生成信息的方法、装置、设备、介质和产品,涉及计算机领域,尤其涉及知识图谱技术领域。具体实现方案为:获取目标对象的数据信息;基于数据信息,确定事件信息和对象信息;基于对象信息和预设的知识图谱,确定目标对象信息;基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。本实现方式可以提高信息生成的准确度。
Description
技术领域
本公开涉及计算机领域,尤其涉及知识图谱技术领域,尤其涉及基于知识图谱生成信息的方法、装置、设备、介质和产品。
背景技术
目前,随着信息技术的不断发展,各类对象的信息数据日益增多。基于这些信息数据生成相应的风险信息,用于评估对象的风险情况,已经成为尤为重要的环节。
在实践中发现,现在基于信息数据评估对象的风险情况时,经常需要预先构建风险数据库,基于将当前信息数据与风险数据库中数据进行匹配的方式,生成当前信息数据的风险信息。然而,由于风险数据库需要依赖人为经验构造,因而,现在的风险信息生成方式存在着准确度较差的问题。
发明内容
本公开提供了一种基于知识图谱生成信息的方法、装置、设备、介质和产品。
根据第一方面,提供了一种基于知识图谱生成信息的方法,包括:获取目标对象的数据信息;基于数据信息,确定事件信息和对象信息;基于对象信息和预设的知识图谱,确定目标对象信息;基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。
根据第二方面,提供了一种基于知识图谱生成信息的装置,包括:数据获取单元,被配置成获取目标对象的数据信息;第一信息确定单元,被配置成基于数据信息,确定事件信息和对象信息;第二信息确定单元,被配置成基于对象信息和预设的知识图谱,确定目标对象信息;信息生成单元,被配置成基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。
根据第三方面,提供了一种执行基于知识图谱生成信息的方法的电子设备,包括:一个或多个处理器;存储器,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上任意一项基于知识图谱生成信息的方法。
根据第四方面,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,其中,计算机指令用于使计算机执行如上任意一项基于知识图谱生成信息的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上任意一项基于知识图谱生成信息的方法。
根据本公开的技术,提供一种基于知识图谱生成信息的方法,能够提高信息生成的准确度。
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1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的基于知识图谱生成信息的方法的一个实施例的流程图;
图3是根据本公开的基于知识图谱生成信息的方法的一个应用场景的示意图;
图4是根据本公开的基于知识图谱生成信息的方法的另一个实施例的流程图;
图5是根据本公开的基于知识图谱生成信息的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的基于知识图谱生成信息的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。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
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可以为手机、电脑以及平板等电子设备,终端设备101、102、103中可以输出网站页面信息,网站页面信息可以包括各类资讯数据,尤其的,可以包括某类目标对象的数据信息,如企业的数据信息、特定人物的数据信息、特定活动的数据信息等。
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,可以是各种电子设备,包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。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),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可以是提供各种服务的服务器,例如,在终端设备101、102、103获取到目标对象的数据信息之后,可以将这些数据信息通过网络104传输给服务器105,以使服务器105对这些数据信息进行数据分析,确定数据信息对应的事件信息和对象信息,再基于对象信息和预设的知识图谱,确定目标对象信息,以及基于事件信息、目标对象信息和预设的信息生成模型,生成目标对象的目标信息。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,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),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的基于知识图谱生成信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,基于知识图谱生成信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、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终端设备、网络和服务器。
继续参考图2,示出了根据本公开的基于知识图谱生成信息的方法的一个实施例的流程200。本实施例的基于知识图谱生成信息的方法,包括以下步骤:
步骤201,获取目标对象的数据信息。
在本实施例中,目标对象可以包括但不限于企业对象、人物对象、活动对象等需要评估风险信息的对象,本实施例对此不做限定。执行主体(如图1中的服务器105或者终端设备101、102、103)可以基于预设的数据接口获取目标对象的数据信息,或者采用现有的网络爬虫技术从网站等资讯平台获取目标对象的数据信息,或者读取预先存储在本地的目标对象的数据信息,本实施例对此不做限定。其中,目标对象的数据信息可以为与目标对象有关的资讯数据,例如,相关资讯媒体发布的与企业对象相关的资讯数据。
步骤202,基于数据信息,确定事件信息和对象信息。
在本实施例中,事件信息指的是资讯数据中与事件相关的信息,可以包括但不限于事件类型、事件标题和/或事件关键句等,本实施例对此不做限定。对象信息指的是资讯数据中与目标对象相关的信息,可以包括但不限于目标对象的相关信息,如目标对象的对象名称、对象属性、对象历史风险信息等,本实施例对此不做限定。在执行主体获取到数据信息之后,执行主体可以对数据信息进行数据分析,确定上述的事件信息和对象信息。这里可以采用各类现有的数据分析手段进行数据分析,如数据聚类、数据匹配、数据分类、数据统计等各类技术手段。
举例来说,如果目标对象为企业对象,则基于企业对象相关的资讯数据,可以确定该企业对象对应的事件类型、事件标题和/或事件关键句,其中,事件类型如企业亏损、管理变动等,事件标题如企业对象相关的资讯数据的资讯标题,事件关键句如从企业对象相关的资讯数据中提取的若干关键句。以及,执行主体还可以基于企业对象相关的资讯数据,确定企业对象的企业名称、企业股东信息、企业行业信息、企业竞品信息、企业合作信息、企业历史风险信息等对象信息。
步骤203,基于对象信息和预设的知识图谱,确定目标对象信息。
在本实施例中,预设的知识图谱可以为执行主体预先构建的、用于表示各个对象之间关联关系的知识图谱,目标对象信息可以包括资讯数据中与目标对象相关的信息、与目标对象相关的关联对象的信息以及目标对象与关联对象之间的关联关系信息。执行主体可以先从数据信息中确定与目标对象相关的对象信息,再基于预设的知识图谱,确定与目标对象相关联的关联对象,并获取关联对象的关联对象信息。基于关联对象信息和目标对象的对象信息,确定目标对象信息。其中,在预设的知识图谱中,可以包含各个对象对应的知识图谱节点,以及各个知识图谱节点之间的连接关系和各个知识图谱节点的节点属性信息。执行主体可以基于预设的知识图谱确定与目标对象所在知识图谱节点相关联的其他知识图谱节点,从而基于相关联的其他知识图谱节点,确定得到与目标对象相关联的其他对象的相关信息、以及用于表示对象之间关系的信息。从而基于其他对象的相关信息、目标对象的相关信息以及各个对象之间的关系信息,确定上述的目标对象信息。
步骤204,基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。
在本实施例中,预设的信息生成模型用于根据输入的事件信息、目标对象信息,输出相应的目标信息。其中,目标信息用于描述目标对象的风险程度,可以表示为相应的风险数值,也可以表示为相应的风险等级,也可以表示为相应的风险描述文字,本实施例对此不做限定。
其中,预设的信息生成模型可以基于预训练模型的深度学习模型训练得到,具体基于以下步骤进行训练得到:获取预训练模型;预训练模型指的是已经用数据集训练好的模型,能够识别通用的语义特征;获取训练样本集合以及标注信息;训练样本集合包含各个样本事件信息和样本目标对象信息,标注信息包含与每个样本事件信息、样本目标对象信息对应的标注风险信息;将训练样本集合中的各个训练样本输入预训练模型,得到预训练模型输出的风险预测信息;基于标注信息和风险预测信息之间的差值情况,不断调整预训练模型的参数,直至预训练模型收敛,得到训练好的信息生成模型。优选的,这里的信息生成模型采用深度学习模型。
继续参见图3,其示出了根据本公开的基于知识图谱生成信息的方法的一个应用场景的示意图。在图3的应用场景中,执行主体可以获取网站资讯数据301,例如,网站资讯数据301可以为与目标企业亏损相关的资讯数据。此时的网站资讯数据301相当于目标对象的数据信息,目标对象可以为企业对象。进一步的,执行主体可以从网站资讯数据301中确定企业亏损信息302和目标企业信息303。其中,企业亏损信息302可以包括企业亏损类别、企业亏损相关的资讯关键句、企业亏损相关的资讯标题;目标企业信息303可以包括亏损的目标企业的名称、目标企业的股东信息、行业信息、竞品信息、合作信息等。之后,执行主体可以基于目标企业信息303和预设的知识图谱304,确定关联企业信息305。关联企业信息305可以包括与目标企业信息303相关联的关联企业的名称、风险信息,以及关联企业与目标企业之间的关联程度、关联影响方向等关联关系信息。之后,执行主体可以将目标企业信息303和关联企业信息305共同确定为目标对象信息,以及将企业亏损信息302确定为事件信息。将企业亏损信息302、目标企业信息303和关联企业信息305输入预设的信息生成模型306,得到信息生成模型306输出的目标企业的企业风险信息307,如目标企业的风险指数数值。
本公开上述实施例提供的基于知识图谱生成信息的方法,能够基于对目标对象的数据信息进行分析,得到相应的事件信息和对象信息,再结合预设的知识图谱,确定目标对象信息,从而基于事件信息、目标对象信息和预设的信息生成模型,生成目标对象的目标信息。这一过程无需依赖于人为设定的风险数据库,而是结合数据分析技术、知识图谱以及预设的信息生成模型,确定目标信息,能够提高生成信息的准确度。
继续参见图4,其示出了根据本公开的基于知识图谱生成信息的方法的另一个实施例的流程400。如图4所示,本实施例的基于知识图谱生成信息的方法可以包括以下步骤:
步骤401,在目标对象对应的资讯数据中,确定包含预设字段的数据信息;和/或,在目标对象对应的资讯数据中,确定指定来源的数据信息。
在本实施例中,在执行主体获取目标对象的数据信息之前,可以预先设定需要获取的资讯类型集合,资讯类型集合可以包括以下资讯类型的任意组合:资讯标题、资讯发布事件、资讯发布媒体、资讯正文。在执行主体获取目标对象的数据信息时,可以按照资讯类型集合中的各个资讯类型,获取相应的资讯数据。进一步可选的,执行主体对于目标对象对应的资讯数据中的各个候选数据,可以确定每个候选数据是否包括资讯类型集合中的所有资讯类型对应的资讯数据,如果包括,则将该候选数据作为获取到的目标对象的数据信息。如果不包括,则将该候选数据丢弃。另一种可选的,可以预设有资讯数据的指定来源,如指定资讯媒体、指定资讯平台等。在获取目标对象的数据信息时,只从指定来源获取目标对象的数据信息。另一种可选的,在获取目标对象的数据信息时,可以从指定来源获取包含资讯类型集合中所有资讯类型对应的资讯数据,将获取到的资讯数据作为上述的数据信息。采用这些获取数据方式能够提高数据信息精准度。
步骤402,基于数据信息,确定事件类型和对象信息。
在本实施例中,事件信息至少包括事件类型和事件句。其中,事件类型是指与风险事件相关的类型。在目标对象为企业对象时,事件类型可以包括但不限于企业亏损、管理变动、企业市值变动等;在目标对象为人物对象时,事件类型可以包括但不限于失约、失信、失联等;在目标对象为活动对象时,事件类型可以包括但不限于活动参与率较低、活动内容变更、活动场所变更等,本实施例对此不做限定。进一步的,事件句指的是与事件类型相关的句子,能够详细解释事件。具体的,执行主体可以利用结构化数据抽取技术,从大量的数据信息中确定每个资讯数据对应的事件类型和对象信息。结构化数据抽取技术是现有技术,在此不再赘述。可选的,对于对象信息的获取,还可以采用已有的命名实体识别技术实现。其中,命名实体识别技术指的是识别文本中具有特定意义的实体的技术,如识别对象名称、对象属性关键词等。另一种可选的,对于事件类型的获取,可以将基于结构化数据抽取抽取出的关键词与预设的各个事件类型进行匹配,从预设的各个事件类型中确定出匹配度最高的事件类型作为上述的事件类型。
步骤403,基于事件类型、数据信息和预设的事件句确定模型,确定事件句。
在本实施例中,执行主体可以从数据信息中确定与事件类型相匹配的资讯数据,并确定该资讯数据的资讯标题和资讯正文。之后,执行主体可以基于资讯标题、资讯正文、事件类型、数据信息以及预设的事件句确定模型,确定事件句。
在本实施例的一些可选的实现方式中,基于事件类型、数据信息和预设的事件句确定模型,确定事件句,包括:从数据信息中确定事件资讯信息;其中,事件资讯信息包括资讯标题和资讯正文;对于资讯正文中的每个资讯语句,基于该资讯语句、事件类型、资讯标题和预设的事件句确定模型,确定该资讯语句的类别;基于各个资讯语句的类别,从各个资讯语句中确定事件句。
在本实现方式中,数据信息中可以包含多个事件资讯信息,对于每个事件资讯信息,可以确定与该事件资讯信息相对应的事件类型和对象信息。再基于每个事件资讯信息对应的事件类型、数据信息和预设的事件句确定模型,确定事件句。其中,对于每个事件资讯信息的事件句的确定,可以先确定该事件资讯信息的资讯标题和资讯正文。并且,资讯正文包含多个资讯语句。将每个资讯语句、该资讯语句在资讯正文中的位置信息、该事件资讯信息的事件类型、该事件资讯信息的资讯标题输入预设的事件句确定模型,以使事件句确定模型输出该资讯语句的类别,如事件句类别或者非事件句类别。再将每个资讯语句的类别为事件句的资讯语句进行汇总,得到事件句。其中,预设的事件句确定模型可以为二分类模型,输出每个资讯语句是否为事件句。预设的事件句确定模型也可以为多分类模型,输出每个资讯语句的类别,如事件句、观点句、过渡句等各种类别。可选的,可以预设抽取的事件句数量,在确定事件句时,抽取预设数量个事件句,以此提高事件句确定效率。
可选的,事件句确定模型可以基于以下步骤训练得到:获取样本资讯数据、该样本资讯数据对应的事件类型以及该样本资讯数据已标注的事件句;确定样本资讯数据中的样本资讯标题和样本资讯正文;分别将样本资讯正文中的每个样本资讯正文、该样本资讯正文在样本资讯正文中的位置信息、该样本资讯数据对应的事件类型以及样本资讯标题输入初始的二分类模型,得到初始的二分类模型输出的分类结果,分类结果为属于事件句或者不属于事件句;基于分类结果和该样本资讯数据已标注的事件句,对初始的二分类模型进行训练,直至模型满足预设的收敛条件,得到训练好的事件句确定模型。
步骤404,在预设的知识图谱中确定对象信息对应的目标节点。
在本实施例中,由于对象信息用于描述目标对象对应的信息,并且预设的知识图谱用于描述各个对象之间的关联信息以及每个对象的属性信息,因而可以根据对象信息在预设的知识图谱中确定出相对应的目标节点,即,目标对象在知识图谱中对应的目标节点。例如,对象信息中包括企业对象名称,可以将预设的知识图谱中节点名称确定为该企业对象名称的节点,确定为对象信息对应的目标节点。
步骤405,确定与目标节点具有关联关系的关联节点。
在本实施例中,预设的知识图谱中与目标节点具有关联关系的关联节点可以为与目标节点相连接的节点,连接关系可以包括单向连接关系、双向连接关系等。
步骤406,确定目标节点与关联节点之间的风险影响方向,以及关联节点的关联风险信息。
在本实施例中,关联节点对应着相应的关联对象,目标节点与关联节点之间的风险影响方向用于描述关联对象对目标对象的影响趋势。例如,关联对象和目标对象属于合作关系,则目标节点与关联节点之间的风险影响方向为正向,表示关联对象与目标对象之间的风险信息相互影响趋势为正相关。又或者,关联对象和目标对象属于竞争关系,则目标节点与关联节点之间的风险影响方向为负向,表示关联对象与目标对象之间的风险信息相互影响趋势为负相关。执行主体可以通过在知识图谱中,确定目标节点与关联节点之间的边关系信息,读取上述的风险影响方向。或者,执行主体也可以基于对目标节点的节点属性信息以及关联节点的节点属性信息进行分析,确定目标节点与关联节点之间的关系类别,再基于关系类别,确定上述的风险影响方向。进一步的,执行主体还可以获取关联节点的属性信息,得到关联节点的关联风险信息。其中,关联风险信息用于描述关联对象的历史风险信息。关联对象的历史风险信息可以基于关联对象的各个历史事件资讯数据,按照本公开的信息生成方式,将各个历史事件资讯数据作为数据信息,将关联对象作为上述的目标对象,计算各个历史事件资讯数据分别对应的风险信息,再对这些风险信息进行加权求和等整合运算,得到关联对象的历史风险信息。
步骤407,基于风险影响方向和关联风险信息,确定目标对象信息。
在本实施例中,执行主体可以将上述的风险影响方向、关联风险信息、目标对象的名称和/或属性共同确定为目标对象信息。
步骤408,基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。
在本实施例中,事件信息可以包括事件类型、事件句和/或资讯标题。执行主体可以将事件类型、事件句、资讯标题、风险影响方向、关联凤霞信息、目标对象的名称作为预设的信息生成模型的输入数据,以使预设的信息生成模型生成目标对象的目标信息。对于步骤408的详细描述,请一并参照对于步骤204的详细描述,在此不再赘述。
步骤409,基于目标信息,在预设的知识图谱中更新对象信息对应的目标节点信息。
在本实施例中,执行主体可以在确定得到目标对象的目标信息之后,在预设的知识图谱中更新对象信息对应的目标节点信息。这里的目标节点信息可以是对象信息对应的目标节点的节点属性信息。
本公开的上述实施例提供的基于知识图谱生成信息的方法,还可以基于资讯数据的字段和/或来源,确定数据信息,能够提高数据信息的确定可靠性。并且在确定事件信息时,可以先确定事件类型,再确定事件句,提高了事件信息的丰富度。以及基于预设的知识图谱确定与对象信息对应的目标节点,将与目标节点具有关联关系的关联节点的关联目标信息、目标节点与关联节点之间的风险影响方向,均确定为目标对象信息,使得目标对象信息能够反映对象的外部特征,即与关联对象之间的联系。并且在确定目标信息时,除了基于对象的外部特征,还基于事件信息和目标对象自身的信息等内部特征,提高了目标信息确定的可靠性。以及基于目标对象的目标信息,更新预设的知识图谱中对应的目标节点信息,能够提高目标节点信息的实时性与准确度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种基于知识图谱生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种服务器或者终端设备中。
如图5所示,本实施例的基于知识图谱生成信息的装置500包括:数据获取单元501、第一信息确定单元502、第二信息确定单元503、信息生成单元504。
数据获取单元501,被配置成获取目标对象的数据信息。
第一信息确定单元502,被配置成基于数据信息,确定事件信息和对象信息。
第二信息确定单元503,被配置成基于对象信息和预设的知识图谱,确定目标对象信息。
信息生成单元504,被配置成基于事件信息、目标对象信息以及预设的信息生成模型,生成目标对象的目标信息。
在本实施例的一些可选的实现方式中,事件信息至少包括事件类型和事件句;以及,第一信息确定单元502进一步被配置成:基于数据信息,确定事件类型和对象信息;基于事件类型、数据信息和预设的事件句确定模型,确定事件句。
在本实施例的一些可选的实现方式中,第一信息确定单元502进一步被配置成:从数据信息中确定事件资讯信息;其中,事件资讯信息包括资讯标题和资讯正文;对于资讯正文中的每个资讯语句,基于该资讯语句、事件类型、资讯标题和预设的事件句确定模型,确定该资讯语句的类别;基于各个资讯语句的类别,从各个资讯语句中确定事件句。
在本实施例的一些可选的实现方式中,第二信息确定单元503进一步被配置成:在预设的知识图谱中确定对象信息对应的目标节点;确定与目标节点具有关联关系的关联节点;确定目标节点与关联节点之间的风险影响方向,以及关联节点的关联风险信息;基于风险影响方向和关联风险信息,确定目标对象信息。
在本实施例的一些可选的实现方式中,上述装置还包括:知识图谱更新单元,被配置成基于目标信息,在预设的知识图谱中更新对象信息对应的目标节点信息。
在本实施例的一些可选的实现方式中,数据获取单元501进一步被配置成:在目标对象对应的资讯数据中,确定包含预设字段的数据信息;和/或,在目标对象对应的资讯数据中,确定指定来源的数据信息。
应当理解,基于知识图谱生成信息的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用车载通话的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的目标对象的数据信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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6示出了用来实现本公开实施例的基于知识图谱生成信息的方法的电子设备600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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601可以是各种具有处理和计算能力的通用和/或专用车载通话。计算单元601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601执行上文所描述的各个方法和处理,例如基于知识图谱生成信息的方法。例如,在一些实施例中,基于知识图谱生成信息的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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的基于知识图谱生成信息的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于知识图谱生成信息的方法。
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)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。服务器可以是云服务器,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。
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)
1.一种基于知识图谱生成信息的方法,包括:
获取目标对象的数据信息;
基于所述数据信息,确定事件信息和对象信息;
基于所述对象信息和预设的知识图谱,确定目标对象信息;
基于所述事件信息、所述目标对象信息以及预设的信息生成模型,生成所述目标对象的目标信息。
2.根据权利要求1所述的方法,其中,所述事件信息至少包括事件类型和事件句;以及
所述基于所述数据信息,确定事件信息和对象信息,包括:
基于所述数据信息,确定所述事件类型和所述对象信息;
基于所述事件类型、所述数据信息和预设的事件句确定模型,确定所述事件句。
3.根据权利要求2所述的方法,其中,所述基于所述事件类型、所述数据信息和预设的事件句确定模型,确定所述事件句,包括:
从所述数据信息中确定事件资讯信息;其中,所述事件资讯信息包括资讯标题和资讯正文;
对于所述资讯正文中的每个资讯语句,基于该资讯语句、所述事件类型、所述资讯标题和所述预设的事件句确定模型,确定该资讯语句的类别;
基于各个资讯语句的类别,从各个资讯语句中确定所述事件句。
4.根据权利要求1所述的方法,其中,所述基于所述对象信息和预设的知识图谱,确定目标对象信息,包括:
在所述预设的知识图谱中确定所述对象信息对应的目标节点;
确定与所述目标节点具有关联关系的关联节点;
确定所述目标节点与所述关联节点之间的风险影响方向,以及所述关联节点的关联风险信息;
基于所述风险影响方向和所述关联风险信息,确定所述目标对象信息。
5.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述目标信息,在所述预设的知识图谱中更新所述对象信息对应的目标节点信息。
6.根据权利要求1所述的方法,其中,所述获取目标对象的数据信息,包括:
在所述目标对象对应的资讯数据中,确定包含预设字段的所述数据信息;和/或
在所述目标对象对应的资讯数据中,确定指定来源的所述数据信息。
7.一种基于知识图谱生成信息的装置,包括:
数据获取单元,被配置成获取目标对象的数据信息;
第一信息确定单元,被配置成基于所述数据信息,确定事件信息和对象信息;
第二信息确定单元,被配置成基于所述对象信息和预设的知识图谱,确定目标对象信息;
信息生成单元,被配置成基于所述事件信息、所述目标对象信息以及预设的信息生成模型,生成所述目标对象的目标信息。
8.根据权利要求7所述的装置,其中,所述事件信息至少包括事件类型和事件句;以及
所述第一信息确定单元进一步被配置成:
基于所述数据信息,确定所述事件类型和所述对象信息;
基于所述事件类型、所述数据信息和预设的事件句确定模型,确定所述事件句。
9.根据权利要求8所述的装置,其中,所述第一信息确定单元进一步被配置成:
从所述数据信息中确定事件资讯信息;其中,所述事件资讯信息包括资讯标题和资讯正文;
对于所述资讯正文中的每个资讯语句,基于该资讯语句、所述事件类型、所述资讯标题和所述预设的事件句确定模型,确定该资讯语句的类别;
基于各个资讯语句的类别,从各个资讯语句中确定所述事件句。
10.根据权利要求7所述的装置,其中,所述第二信息确定单元进一步被配置成:
在所述预设的知识图谱中确定所述对象信息对应的目标节点;
确定与所述目标节点具有关联关系的关联节点;
确定所述目标节点与所述关联节点之间的风险影响方向,以及所述关联节点的关联风险信息;
基于所述风险影响方向和所述关联风险信息,确定所述目标对象信息。
11.根据权利要求7所述的装置,其中,所述装置还包括:
知识图谱更新单元,被配置成基于所述目标信息,在所述预设的知识图谱中更新所述对象信息对应的目标节点信息。
12.根据权利要求7所述的装置,其中,所述数据获取单元进一步被配置成:
在所述目标对象对应的资讯数据中,确定包含预设字段的所述数据信息;和/或
在所述目标对象对应的资讯数据中,确定指定来源的所述数据信息。
13.一种执行基于知识图谱生成信息的方法的电子设备,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 |
---|---|---|---|
CN202110680086.7A CN113344405B (zh) | 2021-06-18 | 2021-06-18 | 基于知识图谱生成信息的方法、装置、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680086.7A CN113344405B (zh) | 2021-06-18 | 2021-06-18 | 基于知识图谱生成信息的方法、装置、设备、介质和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113344405A true CN113344405A (zh) | 2021-09-03 |
CN113344405B CN113344405B (zh) | 2024-05-17 |
Family
ID=77477469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680086.7A Active CN113344405B (zh) | 2021-06-18 | 2021-06-18 | 基于知识图谱生成信息的方法、装置、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344405B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377759A (zh) * | 2019-07-22 | 2019-10-25 | 中国工商银行股份有限公司 | 事件关系图谱构建方法及装置 |
CN110489520A (zh) * | 2019-07-08 | 2019-11-22 | 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 |
CN111402064A (zh) * | 2020-06-03 | 2020-07-10 | 天云融创数据科技(北京)有限公司 | 一种风险值的评估方法及装置 |
WO2020232879A1 (zh) * | 2019-05-20 | 2020-11-26 | 平安科技(深圳)有限公司 | 风险传导关联图谱优化方法、装置、计算机设备和存储介质 |
-
2021
- 2021-06-18 CN CN202110680086.7A patent/CN113344405B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020232879A1 (zh) * | 2019-05-20 | 2020-11-26 | 平安科技(深圳)有限公司 | 风险传导关联图谱优化方法、装置、计算机设备和存储介质 |
CN110489520A (zh) * | 2019-07-08 | 2019-11-22 | 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 |
CN110377759A (zh) * | 2019-07-22 | 2019-10-25 | 中国工商银行股份有限公司 | 事件关系图谱构建方法及装置 |
CN111402064A (zh) * | 2020-06-03 | 2020-07-10 | 天云融创数据科技(北京)有限公司 | 一种风险值的评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
王学锋;杨若鹏;李雯;: "基于深度学习的作战文书事件抽取方法", 信息工程大学学报, no. 05 * |
蒲梅: "基于加权TextRank的新闻关键事件主题句提取", 《计算机工程》, vol. 43, no. 8, pages 219 - 224 * |
Also Published As
Publication number | Publication date |
---|---|
CN113344405B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
CN115481227A (zh) | 人机交互对话方法、装置以及设备 | |
CN115481229A (zh) | 一种应答话术推送方法、装置、电子设备及存储介质 | |
CN115202847A (zh) | 任务的调度方法和装置 | |
CN114186681A (zh) | 用于生成模型簇的方法、装置及计算机程序产品 | |
CN114037059A (zh) | 预训练模型、模型的生成方法、数据处理方法及装置 | |
CN113392920A (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
CN113157877A (zh) | 多语义识别方法、装置、设备和介质 | |
CN116955561A (zh) | 问答方法、装置、电子设备以及存储介质 | |
CN114461665B (zh) | 用于生成语句转换模型的方法、装置及计算机程序产品 | |
CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN115080739A (zh) | 用于训练对话模型的方法以及用于输出应答信息的方法 | |
CN113408269A (zh) | 文本情感分析方法和装置 | |
CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
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 | |
CN114117248A (zh) | 数据处理方法、装置及电子设备 | |
CN114238611A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113590774A (zh) | 事件查询方法、装置以及存储介质 | |
CN112632999A (zh) | 命名实体识别模型获取及命名实体识别方法、装置及介质 | |
CN113076080B (zh) | 模型训练方法和装置、意图识别方法和装置 | |
CN113360346B (zh) | 用于训练模型的方法和装置 |
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 |