CN113449114A - 基于知识图谱的构建自然人生命周期全息画像方法 - Google Patents

Abstract

本发明公开了一种基于知识图谱的构建自然人生命周期全息画像方法，包括如下步骤：S1、从数据中抽取实体、实体间的关系及实体属性；S2、将抽取的实体链接至知识库中对应的实体对象；S3、构建人名实体与人名实体、与场所实体、证件实体及时间实体的数组；S4、形成人名实体与其他人名实体、人名实体与场所实体、人名实体与证件实体、人名实体与时间实体之间的关系。直观地表达出自然人、场所、证照、事件要素等实体层级和关联关系；可以不断沉淀知识逻辑和模型，降低经验依赖；以生命阶段、人生事件为核心的动态知识的刻画和构建。

Description

基于知识图谱的构建自然人生命周期全息画像方法

技术领域

本发明属大数据技术领域，更具体地，本发明涉及一种基于知识图谱的构建自然人生命周期全息画像方法。

背景技术

本发明涉及知识图谱多源异构数据实体认知技术领域，基于 Knowledgegraph为核心的知识图谱框架而研发。知识图谱服务 (KnowledgeGraph，简称KG)为自然语言处理服务(NaturalLanguageProcessingService，简称NLP)的子服务，通过语义链接帮助理解相关数据项语义识别，建立大规模实体之间的映射关系构建知识库。

人工通过研究《电子政务总体框架》、《政务信息资源目录》和多个省市政府门户网址涉人服务的基础上，建立人口业务体系，将人口业务分成户籍身份、教育、等大类，然后人工按照政府业务对象模型，对每一项人口业务事项进行业务流程分析得到相应的数据实体，建立对应的数据模型，一般构建以用户为中心的政务模型——“X-Y-Z三轴模型”，该模型包括服务的时间轴(X)——生命周期，深度轴(Y)——办理流程，广度轴(Z)——服务延伸，覆盖并匹配用户服务需求。但无法直观展示更多层级关系。

发明内容

本发明提供一种基于知识图谱的构建自然人生命周期全息画像方法，旨在改善上述问题。

本发明是这样实现的，一种基于知识图谱的构建自然人生命周期全息画像方法，所述方法具体包括如下步骤：

S1、从数据中抽取实体、实体间的关系及实体属性；

S2、将抽取的实体链接至知识库中对应的实体对象；

S3、构建人名实体与人名实体、与场所实体、证件实体及时间实体的数组；

S4、形成人名实体与其他人名实体、人名实体与场所实体、人名实体与证件实体、人名实体与时间实体之间的关系。

进一步的，在步骤S3之后还包括：

检测当前构建的数组是否为已有数组，若检测结果为否，则将当前构建的数组加入对应的本体，每个人名本体对相应一个本体；

从本体取出可信本体(即准确率高的本体)，执行步骤S4。

进一步的，所述实体链接的方法具体如下：

S21、获取实体的实体指称项；

S22、将含义相同的不同名实体更改为指定的实体名；

S23、将相同实体名的不同含义实体以不同的实体名进行区分；

S24在知识库中查找各实体名对应的实体对象，将实体名链接至知识库中对应的实体对象。

进一步的，在步骤S1中，对数据依次进行如下操作：

分词，识别实体，特征的识别、实体的词性标注、实体间关系的识别及实体属性的获取。

进一步的，基于生命阶段形成人名实体与其他人名实体之间的关系、人名实体与场所实体之间的关系、人名实体与证件实体之间的关系、人名实体与时间实体之间的关系。

本发明基于知识图谱的构建自然人生命周期全息画像方法具有如下有益技术效果：

1)直观地表达出自然人、场所、证照、事件要素等实体层级和关联关系； 2)可以不断沉淀知识逻辑和模型，降低经验依赖；3)以生命阶段、人生事件为核心的动态知识的刻画和构建。

附图说明

图1为本发明实施例提供的基于知识图谱的构建自然人生命周期全息画像方法流程图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

自然人指基于自然出生而依法在民事上享有权利和承担义务的个人。政务人口业务主要涉及自然人、场所、证照、事件要素。包括人与人的关系、人与证照的关系，人与场所的关系和人与事件的关系。

自然人全息生命周期(LifecycleModel)指自然人业务对象从出生、保健、教育、出行、居住、家庭、就业、生活、生育、健康、养老、死亡涉及的过程管理思想，通过对自然人全息生命周期过程各人生事件状态及其相关属性进行细致分析，捋顺每一个生命周期模型中的内在关系和事件，即对自然人对象从出生到死亡的历史变化过程进行全方位梳理。

政务服务事项产生了大量数据，如民生服务、政务服务、营商环境等，其事项、材料、信息项等由数据元进行关联，而这部分数据元通常使用某一个部门标准进行构建。事项梳理的标准化需要对每个表单的数据元都进行标准化，同时基于知识图谱关联相似实体、本体之间的关系。基于政务领域丰富的政务数据体系，让机器具有政务领域知识的认知能力，通过梳理服务事项清单，提供对政务领域实体、概念、领域关系等泛化知识解析能力。

以政务的核心技术元数据为例，“政务部门”的属性数据应该有“标识ID、名称、描述”以及联系方式等信息；“部门服务”的属性数据应该有“服务ID、名称、描述、语言、访问地址、绑定结构”以及约束限制等信息；“服务模型”的属性数据应该有“标识、名称、描述、描述语言、描述文档”等信息。

步骤一：知识获取

知识抽取是知识图谱构建的第一步，是一种自动化地从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息的技术，根据知识获取情况使用包装容器处理非结构化数据、半结构化数据、结构化数据生成知识结构库

使用爬虫或者kettle工具对互联网进行内容进行抽取，主要抽取内容有：中文百科知识库、政务公开数据、政务服务网站。

实体抽取：从文本数据集中自动识别出命名实体。实体抽取的质量(准确率和召回率)影响后续的知识获取效率和质量，因此是信息抽取中最为基础和关键的部分。本专利主要基于规则与词典的方法、以及面向政务开放数据进行抽取，主要使用。

关系抽取(RelationExtraction)的目标是解决实体间语义链接的问题，实体间的关系模型逐渐替代了人工预定义的语法与规则。关系抽取技术的目的，是解决如何从文本语料中抽取实体间的关系。本专利关系抽取主要基于开放式实体关系抽取和基于联合推理的实体关系抽取。

属性抽取(AttributeExtraction)的目标是从不同信息源中采集特定实体的属性信息。依据政务服务平台自然人生命周期划分，属性抽取技术能够从多种数据来源中汇集这些信息，实现对实体属性的完整勾画。由于可以将实体的属性视为实体与属性值之间的一种名词性关系，因此也可以将属性抽取问题视为关系抽取问题。

主要抽取内容如下：

百科知识库作为从维基百科，DBpedia，百度百科等多个来源自动收集知识形成的知识库，有自己的类别体系和谓词体系。

政务公开数据作为国家政府数据统一开放平台，在信用、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、资源、农业、环境、安监、金融、质量、统计、气象、海洋、企业登记监管等重要领域实现公共数据资源合理适度向社会开放。

以浙江开放平台为例可以下载《浙江政务公共数据资源开放清单》，主要涉及内容如下：资源提供方、信息资源名称、信息资源代码、信息资源摘要、信息资源格式、标签、数据领域、行业分类、更新频率、数据容量、数据范围、所属行政区域、发布日期、信息项中文名称、信息项英文名称、字段描述、数据类型、是否向社会开放、开放条件、是否为空、是否字典项、是否主键

以浙江开放平台为例可以下载《浙江政务服务事项清单》,主要涉及内容如下：清单编码、清单版本、清单名称、标准化基本编码、目录清单编码、目录清单版本号、标准化范围、编制区划编码、编制区划名称、编制部门编码、编制部门名称、事项类型、事项主状态、审核状态、阶段性办理、是否收费、是否有特殊程序、是否有中介服务、是否有联办机构、服务对象、是否有数量限制、是否权限划分、法定办结时限、承诺办结时限、删除标记、行使层级、数据来源方式、数据来源ID、个人主题、法人主题、个人对象、法人对象、人生事件分类、经营活动分类、面向自然人常用分类、面向法人常用分类。

步骤二：自然语言处理包

通过信息抽取，实现了从非结构化和半结构化数据中获取实体、关系以及实体属性信息的目标。但是这些结果中可能包含大量的冗余和错误信息，数据之间的关系也是扁平化的，缺乏层次性和逻辑性，因此有必要对其进行清理和整合。

本专利使用NLP技术进行分词、实体识别、特征提取、信息抽取，并且使用词性标注、语法分析、关系识别、同义词构建等方法建立对应的数据项关系。

若邮件是有发件人和地址、时间等主体的，通过“邮箱@”特征可以识别出来发件人；如地址里面出现“安徽省芜湖市”特征可以进行地址识别；时间存在时间戳规则特征可以进行识别。针对怀孕这个事项，“怀孕+孕检时间”特征进行识别。

实体链接(EntityLinking)是指对于从文本中抽取得到的实体对象，将其链接到知识库中对应的正确实体对象的操作。

实体链接的一般流程是：

1.从文本中通过实体抽取得到实体指称项；

2.进行实体消歧和共指消解：判断知识库中的同名实体与之是否代表不同的含义以及知识库中是否存在其他命名实体与之表示相同的含义；

3.在确认知识库中对应的正确实体对象之后，将该实体指称项链接到知识库中对应实体。

知识合并又可分为合并外部知识库、合并关系数据库两个层面。

自然人相关三元组可以识别成：

服务对象->生命阶段->人生事项->数据来源->所属部门->责任依据->权力清单->政务服务清单->政务信息资源目录->信息项

自然人->就业->高校毕业->芜湖市政务服务网->芜湖市人力资源和社会保障局->《关于做好人才集体户口管理服务工作的通知》...->高等学校等毕业生接收手续办理->高校毕业生信息->业院校、公民身份号码、民族、联系用固定电话、微信、常住住址、毕业日期...

其中所属部门、政务服务清单、政务信息资源目录、信息项等信息中存在一对多的同名实体

步骤三：知识加工

基于面相政务服务的全息数据模型处理涉及到自然人、事件、场所、证照等相关实体进行知识计算，运用词向量分词计算文本相似度，运用Glove模型、 word2vec模型、Bert模型训练生成词向量，生成相应的新知识点，对于经过融合的新知识，经过质量评估之后(部分需要人工干预)，将合格的部分加入到知识库中，以确保知识库的质量。

为了减少分析误差和提高研究的精确度，需要对数据进行清洗，对泛义词、近义词进行剔除合并。从不同来源、不同结构的多源异构数据中进行信息提取，形成知识存入知识图谱中，实现对生命周期模型的实例化。

如：常住地址、家庭地址、户籍地址、居住地址、实际地址可能均表示自然人所有在地址信息。

自动化本体构建过程包含三个阶段：实体并列关系相似度计算、实体上下位关系抽取、本体的生成。

如出生医学证明中存在：新生儿姓名、母亲姓名、父亲姓名等姓名字段，需要使用自动化本体构建知识推理技术，去完成进一步的知识发现，去关联健康家庭一卡通中女方姓名、男方姓名字段。

步骤四：生成全息生命周期画像

以人-人关系，人-证照关系，人-场所关系，人-事件关系结合，关联政务事项中存在比较多的生命阶段、人生事件。生成基于政务事项提供所有事项(多个地市)最大集合的单个事项办事指南、事项场景化及事项、材料、证照等之间关系的生命阶段、人生事件的全息画像。

本发明根据以上步骤通过对自然人全息生命周期过程中，生命阶段及各人生事件状态及其相关属性进行知识关联形成知识库，从而实现对自然人对象从出生到死亡的历史变化过程进行全方位梳理。

主要的保护点利用知识图谱构建自然人全息生命周期的构建方法，利用自然语言处理技术及知识图谱构建自动生成相应的数据目录和数据项相关关系，基于政务全息事项服务标准体系、政务标准数据元、数据集内容质量规则生成后的知识图谱，可以对已有的数据资产进行质量检测。包括不限于数据目录、数据元、数据项的同义、重复、错误、遗漏等数据错误类型，进行数据标准化程度的评估，最终生成评估报告。

本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (5)

1.一种基于知识图谱的构建自然人生命周期全息画像方法，其特征在于，所述方法具体包括如下步骤：

S1、从数据中抽取实体、实体间的关系及实体属性；

S2、将抽取的实体链接至知识库中对应的实体对象；

S3、构建人名实体与人名实体、与场所实体、证件实体及时间实体的数组；

S4、形成人名实体与其他人名实体、人名实体与场所实体、人名实体与证件实体、人名实体与时间实体之间的关系。

2.如权利要求1所述基于知识图谱的构建自然人生命周期全息画像方法，其特征在于，在步骤S3之后还包括：

检测当前构建的数组是否为已有数组，若检测结果为否，则将当前构建的数组加入对应的本体，每个人名本体对相应一个本体；

从本体取出可信本体，执行步骤S4。

3.如权利要求1所述基于知识图谱的构建自然人生命周期全息画像方法，其特征在于，所述实体链接的方法具体如下：

S21、获取实体的实体指称项；

S22、将含义相同的不同名实体更改为指定的实体名；

S23、将相同实体名的不同含义实体以不同的实体名进行区分；

S24在知识库中查找各实体名对应的实体对象，将实体名链接至知识库中对应的实体对象。

4.如权利要求1所述基于知识图谱的构建自然人生命周期全息画像方法，其特征在于，在步骤S1中，对数据依次进行如下操作：

分词，识别实体，特征的识别、实体的词性标注、实体间关系的识别及实体属性的获取。

5.如权利要求1所述基于知识图谱的构建自然人生命周期全息画像方法，其特征在于，基于生命阶段形成人名实体与其他人名实体之间的关系、人名实体与场所实体之间的关系、人名实体与证件实体之间的关系、人名实体与时间实体之间的关系。

Images