CN113656590B - 行业图谱的构建方法、装置、电子设备及存储介质 - Google Patents
行业图谱的构建方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113656590B CN113656590B CN202110808423.6A CN202110808423A CN113656590B CN 113656590 B CN113656590 B CN 113656590B CN 202110808423 A CN202110808423 A CN 202110808423A CN 113656590 B CN113656590 B CN 113656590B
- Authority
- CN
- China
- Prior art keywords
- industry
- data file
- data
- spo
- generate
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 claims description 50
- 238000000605 extraction Methods 0.000 claims description 43
- 238000006243 chemical reaction Methods 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000001228 spectrum Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000010926 purge Methods 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
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/83—Querying
- G06F16/832—Query formulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种行业图谱的构建方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及知识图谱和深度学习等人工智能技术领域。具体实现方案为：获取行业数据文件；将行业数据文件转换为半结构化行业数据文件；对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息；以及根据节点信息和行业SPO数据信息生成行业图谱。由此，可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
Description
技术领域
本公开涉及计算机技术领域，具体涉及知识图谱和深度学习等人工智能技术领域，尤其涉及一种行业图谱的构建方法、装置、电子设备及存储介质。
背景技术
随着近几年知识图谱技术的进步，越来越多关于知识图谱的研究与实践，从通用领域转向了垂直行业。
目前，通过知识图谱能力与行业场景的深度结合来提升行业的服务能力和服务效率已经成为一个重要趋势。
发明内容
本公开提供了一种行业图谱的构建方法、装置、电子设备及存储介质。
根据本公开的一方面，提供了一种行业图谱的构建方法，包括：
获取行业数据文件；
将所述行业数据文件转换为半结构化行业数据文件；
对所述半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO(Subject Predication Object，主语谓语宾语)数据信息；以及
根据所述节点信息和所述行业SPO数据信息生成行业图谱。
根据本公开的另一方面，提供了一种行业图谱的构建装置，包括：
获取模块，用于获取行业数据文件；
转换模块，用于将所述行业数据文件转换为半结构化行业数据文件；
解析模块，用于对所述半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息；以及
生成模块，用于根据所述节点信息和所述行业SPO数据信息生成行业图谱。
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行业图谱的构建方法。
根据本公开另一方面，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，其中，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行业图谱的构建方法。
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行业图谱的构建方法。
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为本公开实施例提供的一种行业图谱的构建方法的流程示意图；
图2为本公开实施例提供的行业图谱构建平台的示意图；
图3为本公开实施例提供的另一种行业图谱的构建方法的流程示意图；
图4为本公开实施例提供的另一种行业图谱的构建方法的流程示意图；
图5为本公开实施例提供的另一种行业图谱的构建方法的流程示意图；
图6为本公开实施例提供的一种行业图谱的构建装置的结构示意图；以及
图7为根据本申请实施例的行业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。
下面参考附图描述本公开实施例的行业图谱的构建方法、装置、电子设备及存储介质。
知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱，是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。知识图谱，它能为学科研究提供切实的、有价值的参考。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
人工智能是研究使用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领域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深度学习、大数据处理技术、知识图谱技术等几大方向。
本公开实施例提供的行业图谱的构建方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑或掌上电脑等，此处不做任何限定。
在本公开实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本公开实施例提供的行业图谱的构建方法。
图1为本公开实施例提供的一种行业图谱的构建方法的流程示意图。
本公开实施例的行业图谱的构建方法，还可由本公开实施例提供的行业图谱的构建装置执行，该装置可配置于电子设备中，以实现将获取到的行业数据文件转换为半结构化行业数据文件并对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，以及根据节点信息和行业SPO数据信息生成行业图谱，从而可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
作为一种可能的情况，本公开实施例的行业图谱的构建方法还可以在服务器端执行，服务器可以为云服务器，可以在云端执行该行业图谱的构建方法。
在本公开实施例中，本公开实施例的行业图谱的构建方法可应用于行业图谱构建平台，例如，airflow(工作流平台)，且该行业图谱构建平台可安装在电子设备中。
如图1所示，该行业图谱的构建方法，可包括：
步骤101，获取行业数据文件。
需要说明的是，该实施例中所描述的行业数据文件的文件类型可包括Word文件类型、Excel文件类型、txt(文本文档)文件类型和PDF(Portable Document Format，便携式文档格式)文件类型等。
在本公开实施例中，获取行业数据文件的途径可有多条，其中，可通过收集行业内部的各种数据，来获取行业数据并生成相关的行业数据文件，还可以从从事该行业的员工哪里获取相关的行业数据，并利用软件平台对这些行业数据进行整理，以生成对应的行业数据文件，以及可将其预先存储在电子设备的存储空间中，以便于调取使用。其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
举例而言，以电商行业的行业图谱的构建为例，电商行业图谱构建可采用行业内部的消费数据、电商平台相关的垂直领域数据、商品数据等相关数据作为数据来源。相关人员可对这些数据进行处理，以生成上述的行业数据文件。
其中，这些数据产生于电商平台运营或宣传过程中，与业务结合性较好，因此通常具有行业覆盖较广、行业深度可观、可靠性高、结构性强等优点。因此，在进行电商行业图谱构建时，可优先考虑使用行业中的内部结构化数据和开放的行业知识库中的数据，作为上述行业数据文件中数据的来源。
在本公开实施例中，在获取行业数据文件之前，可以首先定义行业图谱的数据模式(数据模型)，例如，构建schema(架构、提要、刚要)的结构。其中，数据模式是行业图谱(知识图谱)中的核心的部分，可以由人工专家定义数据模式，并采用自顶向下的行业图谱方式，定义好数据模式后，可以将从各种数据源获取到的行业数据中的实体、实体关系或实体属性等进行数据层面的填充，其中，通过人专家定义行业图谱的数据模式可以提高知识图谱数据的完整性和准确性。应说明的是，该实施例中所描述的数据模式。
具体地，相关人员在需要构建行业图谱(例如，医院的行业图谱、金融平台的行业图谱等)时，可先将收集到的该行业图谱对应的行业数据文件存储在电子设备中。而后，该电子设备在接收到行业图谱的构建指令时，可直接从自身的存储空间中调出(获取)行业数据文件。
步骤102，将行业数据文件转换为半结构化行业数据文件。
在本公开实施例中，可根据预设的转换策略将行业数据文件转换为半结构化行业数据文件，其中，预设的转换策略可根据实际情况进行标定。
具体地，电子设备在获取到行业数据文件之后，可根据预设的转换策略将行业数据文件转换为半结构化行业数据文件。
作为一种可能的情况，可通过文件转换模型将行业数据文件转换为半结构化行业数据文件。应说明的是，该实施例中所描述的文件转换模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该文件转换模型的训练与生成均可由相关的训练服务器执行，该训练服务器可以是云端服务器，也可以是一台电脑的主机，该训练服务器与可执行本公开实施例提供的行业图谱的构建方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。该训练服务器可将训练完成的文件转换模型发送给该电子设备，以便该电子设备在需要时调用，从而大大减少该电子设备的计算压力。
具体地，电子设备在获取到行业数据文件之后，可从自身的存储空间中调出文件转换模型，并将该行业数据文件输入至该文件转换模型，从而通过该文件转换模型转换该行业数据文件，以得到该文件转换模型输出的半结构化行业数据文件。
作为另一种可能的情况，电子设备还可利用多个转换工具(例如，多个插件)进行协同作业，以将行业数据文件转换为半结构化行业数据文件。
步骤103，对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO(Subject Predication Object，主语谓语宾语)数据信息。应说明的是，该实施例中所描述的行业SPO数据信息可为该行业中的实体属性、实体关系等。该实施例中所描述的计算节点可为多个，且每个计算节点的节点信息中可包括计算节点的依赖关系，其中，多个计算节点之间的依赖关系可为多个计算节点之间的上下游依赖关系。
在本公开实施例中，可根据预设的解析算法对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。其中，预设的解析算法可根据实际情况进行标定。
具体地，电子设备在得到上述的半结构化行业数据文件之后，可根据预设的解析算法对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。
作为一种可能的情况，还可根据解析模型对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。应说明的是，该实施例中所描述的解析模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，电子设备在得到上述的半结构化行业数据文件之后，可从自身的存储空间中调出解析模型，并将该半结构化行业数据文件输入至该解析模型，从而通过该解析模型解析该半结构化行业数据文件，以得到该解析模型输出的至少一个计算节点的节点信息和行业SPO数据信息。
作为另一种可能的情况，电子设备还可使用解析工具(例如，插件)，对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。
步骤104，根据节点信息和行业SPO数据信息生成行业图谱。
具体地，电子设备在得到至少一个计算节点的节点信息和行业SPO数据信息之后，可根据该节点信息和行业SPO数据信息进行建边，以生成行业图谱。
在本公开实施例中，首先获取行业数据文件，并将行业数据文件转换为半结构化行业数据文件，然后对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，最后根据节点信息和行业SPO数据信息生成行业图谱。由此，可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
为了清楚说明上一实施例，在本申请的一个实施例中，行业数据文件可包括基于行业图谱构建平台生成的数据源文件和外部数据源文件。
在本公开实施例中，电子设备可通过内置(安装)的行业图谱构建平台(例如，airflow(工作流平台))来执行本公开实施例的行业图谱的构建方法。
具体地，参见图2，相关人员可利用行业图谱构建平台对搜集来的行业数据进行预处理，从而得到行业数据文件(即，基于行业图谱构建平台生成的数据源文件)。另外，该行业图谱构建平台可具有数据引入机制可应用外部数据源文件，即将外部数据源文件作为行业数据文件。由此，可大大降低多项目间计算流程定制成本，且数据源定制支持可插拔(即，数据引入机制)，大大降低代码冗余及管理成本。
进一步地，在本申请的一个实施例中，如图3所示，将行业数据文件转换为半结构化行业数据文件，可包括：
步骤301，将行业数据文件转换为目标类型的数据文件。其中，目标类型可根据实际情况进行标定，例如，HTML(Hyper Text Markup Language，超文本标记语言)文件类型。
在本公开实施例中，可利用文档转换插件将行业数据文件转换为目标类型的数据文件。
需要说明的是，该实施例中所描述的文档转换插件可为基于airflow(工作流平台)制定的流程插件，即airflow插件，且该airflow插件可安装在电子设备的airflow(工作流平台)中，以便于后续的调取使用。
具体地，参见图2，电子设备在获取到行业数据文件(例如，外部数据源文件)之后，可将该行业数据文件输入至行业图谱构建平台，该行业图谱构建平台可调用文档转换插件对该行业数据文件进行转换，以得到HTML文件类型的数据文件。
步骤302，对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
在本公开实施例中，可利用行业SPO抽取插件对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
需要说明的是，该实施例中所描述的行业SPO抽取插件也可为基于airflow(工作流平台)制定的流程插件，即airflow插件，且该airflow插件可安装在电子设备的airflow(工作流平台)中，以便于后续的调取使用。
其中，在制定的流程插件(即，文档转换插件和行业SPO抽取插件)的过程中，还可定义插件间数据交互通用协议，以使各个插件之间可以进行数据的交互，同时使airflow插件能够具有处理行业图谱数据的能力。
其中，还可将基于airflow制定完成的流程插件，预先存储在电子设备的存储空间中，以便于后续的调取使用。
具体地，电子设备中的行业图谱构建平台在得到目标类型的数据文件之后，可调用行业SPO抽取插件对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
步骤303，基于属性映射策略对第一数据文件进行属性映射，以生成第二数据文件。其中，属性映射策略可根据实际情况进行标定。
在本公开实施例中，参见图2，可利用属性映射插件对第一数据文件进行属性映射，以生成第二数据文件，其中，该属性映射插件中继承了属性映射策略，即该属性映射插件的功能基于该属性映射策略展开。应说明的是，该实施例中所描述的属性映射插件也可为基于airflow(工作流平台)制定的流程插件，即airflow插件，且该airflow插件可安装在电子设备的airflow(工作流平台)中，以便于后续的调取使用。
具体地，参见图2，电子设备中的行业图谱构建平台在得到第一数据文件之后，可调用属性映射插件对第一数据文件进行属性映射，以生成第二数据文件。
作为一种可能的情况，上述实施例中所描述的第一数据文件还可由外部直接提供，即由相关人员直接提供。例如，参见图2，相关人员可通过电子设备中的行业图谱构建平台将外部结构化数据(即，第一数据文件)直接提供给属性映射插件进行后续的构建行业图谱的操作。由此，可大大提高行业图谱构建平台的灵活性。
步骤304，基于清洗策略对第二数据文件进行清洗，以生成半结构化行业数据文件。其中，清洗策略可根据实际情况进行标定。
在本公开实施例中，参见图2，可利用清洗插件对第二数据文件进行清洗，以生成半结构化行业数据文件。其中，该清洗插件中继承了清洗策略，即该清晰插件的功能基于该清晰策略展开。应说明的是，该实施例中所描述的清晰插件也可为基于airflow(工作流平台)制定的流程插件，即airflow插件，且该airflow插件可安装在电子设备的airflow(工作流平台)中，以便于后续的调取使用。
具体地，参见图2，电子设备中的行业图谱构建平台在得到第二数据文件之后，可调用清洗插件对第二数据文件进行清洗，以生成半结构化行业数据文件。
由此，通过多个不同功能插件对行业数据文件进行处理以得到半结构化行业数据文件，可以有效地降低多用户定制化支持成本，减少代码冗余，且灵活性高。
为了清楚说明上一实施例，在本申请的一个实施例中，如图4所示，对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件，可包括：
步骤401，获取抽取模型。
需要说明的是，该实施例中所描述的抽取模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。例如，参见图2，该抽取模型可预存在电子设备中对应行业SPO抽取插件的存空间中。
步骤402，将目标类型的数据文件输入至抽取模型。
步骤403，通过抽取模型对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
具体地，参见图2，电子设备中的行业图谱构建平台在得到目标类型的数据文件之后，可将该数据文件输入至行业SPO抽取插件中，该行业SPO抽取插件在接收到该数据文件之后，可从电子设备的存储空间中调出抽取模型，并利用该抽取模型对对该数据文件进行行业SPO抽取，以生成第一数据文件。由此，通过抽取模型辅助行业SPO抽取插件的行业SPO抽取，可以提高抽取的精确度。
进一步地，在本申请的一个实施例中，如图5所示，根据节点信息和行业SPO数据信息生成行业图谱，可包括：
步骤501，分别对节点信息和行业SPO数据信息进行归一化处理，以生成行业归一化数据。
在本公开实施例中，可根据预设的归一化策略分别对节点信息和行业SPO数据信息进行归一化处理，以生成行业归一化数据。其中，预设的归一化策略可根据实际情况进行标定。
步骤502，根据行业归一化数据进行建边，以生成行业图谱。
在本公开实施例中，可基于预设的建边策略并根据行业归一化数据进行建边，以生成行业图谱。其中，预设的建边策略可根据实际情况进行标定。
具体地，参见图2，可利用建边插件分别对节点信息和行业SPO数据信息进行归一化处理，以及根据该归一化处理得到的行业归一化数据进行建边，以生成行业图谱。其中，该建边插件中继承了归一化策略和建边策略，即该建边插件的功能基于该归一化策略和建边策略展开。应说明的是，该实施例中所描述的建边插件也可为基于airflow(工作流平台)制定的流程插件，即airflow插件，且该airflow插件可安装在电子设备的airflow(工作流平台)中，以便于后续的调取使用。
其中，电子设备中的行业图谱构建平台(例如，airflow)在得到半结构化行业数据文件之后，可先对该半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，然后将该节点信息和行业SPO数据信息输入至建边插件。建边插件在接收到该节点信息和行业SPO数据信息之后，可根据归一化策略分别对节点信息和行业SPO数据信息进行归一化处理，以及根据建边策略和该归一化处理得到的行业归一化数据进行建边，以生成行业图谱。
需要说明的是，该实施例中的建边插件在进行建边的过程中还可进行消歧操作，即将构建的行业图谱中多余(重复)的边去掉，从而保证最终得到的行业图谱的精确性。
作为一种可能的情况，电子设备中的行业图谱构建平台(例如，airflow)在得到半结构化行业数据文件之后，可直接将该半结构化行业数据文件输入至建边插件，由该建边插件对该半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。
由此，能够提高行业图谱的构建质量，且利用自定义的功能插件可提高构建行业图谱的速度。
根据本申请实施例的行业图谱的构建方法，首先获取行业数据文件，并将行业数据文件转换为半结构化行业数据文件，然后对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，最后根据节点信息和行业SPO数据信息生成行业图谱。由此，可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
图6为本公开实施例提供的一种行业图谱的构建装置的结构示意图。
本公开实施例的行业图谱的构建装置，可配置于电子设备中，以实现将获取到的行业数据文件转换为半结构化行业数据文件并对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，以及根据节点信息和行业SPO数据信息生成行业图谱，从而可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
在本公开实施例中，本公开实施例的行业图谱的构建装置600可配置于行业图谱构建平台中，例如，airflow(工作流平台)，且该行业图谱构建平台可安装在电子设备中。
如图6所示，该行业图谱的构建装置600，可包括：获取模块610、转换模块620、解析模块630和生成模块640。
其中，获取模块610用于获取行业数据文件。
需要说明的是，该实施例中所描述的行业数据文件的文件类型可包括Word文件类型、Excel文件类型、txt(文本文档)文件类型和PDF(Portable Document Format，便携式文档格式)文件类型等。
在本公开实施例中，获取行业数据文件的途径可有多条，其中，可通过收集行业内部的各种数据，来获取行业数据并生成相关的行业数据文件，还可以从从事该行业的员工哪里获取相关的行业数据，并利用软件平台对这些行业数据进行整理，以生成对应的行业数据文件，以及可将其预先存储在电子设备的存储空间中，以便于调取使用。其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
举例而言，以电商行业的行业图谱的构建为例，电商行业图谱构建可采用行业内部的消费数据、电商平台相关的垂直领域数据、商品数据等相关数据作为数据来源。相关人员可对这些数据进行处理，以生成上述的行业数据文件。
其中，这些数据产生于电商平台运营或宣传过程中，与业务结合性较好，因此通常具有行业覆盖较广、行业深度可观、可靠性高、结构性强等优点。因此，在进行电商行业图谱构建时，可优先考虑使用行业中的内部结构化数据和开放的行业知识库中的数据，作为上述行业数据文件中数据的来源。
在本公开实施例中，在获取行业数据文件之前，获取模块610可以首先定义行业图谱的数据模式(数据模型)，例如，构建schema(架构、提要、刚要)的结构。其中，数据模式是行业图谱(知识图谱)中的核心的部分，可以由人工专家定义数据模式，并采用自顶向下的行业图谱方式，定义好数据模式后，可以将从各种数据源获取到的行业数据中的实体、实体关系或实体属性等进行数据层面的填充，其中，通过人专家定义行业图谱的数据模式可以提高知识图谱数据的完整性和准确性。应说明的是，该实施例中所描述的数据模式。
具体地，相关人员在需要构建行业图谱(例如，医院的行业图谱、金融平台的行业图谱等)时，可先将收集到的该行业图谱对应的行业数据文件存储在电子设备中。而后，在该电子设备接收到行业图谱的构建指令时，获取模块610可直接从电子设备的存储空间中调出(获取)行业数据文件。
转换模块620用于将行业数据文件转换为半结构化行业数据文件。
在本公开实施例中，转换模块620可根据预设的转换策略将行业数据文件转换为半结构化行业数据文件，其中，预设的转换策略可根据实际情况进行标定。
具体地，在获取模块610获取到行业数据文件之后，转换模块620可根据预设的转换策略将行业数据文件转换为半结构化行业数据文件。
作为一种可能的情况，转换模块620可通过文件转换模型将行业数据文件转换为半结构化行业数据文件。应说明的是，该实施例中所描述的文件转换模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该文件转换模型的训练与生成均可由相关的训练服务器执行，该训练服务器可以是云端服务器，也可以是一台电脑的主机，该训练服务器与可配置本公开实施例提供的行业图谱的构建装置的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。该训练服务器可将训练完成的文件转换模型发送给该电子设备，以便该电子设备在需要时调用，从而大大减少该电子设备的计算压力。
具体地，在获取模块610获取到行业数据文件之后，转换模块620可从电子设备的存储空间中调出文件转换模型，并将该行业数据文件输入至该文件转换模型，从而通过该文件转换模型转换该行业数据文件，以得到该文件转换模型输出的半结构化行业数据文件。
作为另一种可能的情况，转换模块620还可利用多个转换工具(例如，多个插件)进行协同作业，以将行业数据文件转换为半结构化行业数据文件。
解析模块630用于对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。应说明的是，该实施例中所描述的行业SPO数据信息可为该行业中的实体属性、实体关系等。该实施例中所描述的计算节点可为多个，且每个计算节点的节点信息中可包括计算节点的依赖关系，其中，多个计算节点之间的依赖关系可为多个计算节点之间的上下游依赖关系。
在本公开实施例中，解析模块630可根据预设的解析算法对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。其中，预设的解析算法可根据实际情况进行标定。
具体地，在转换模块620得到上述的半结构化行业数据文件之后，解析模块630可根据预设的解析算法对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。
作为一种可能的情况，解析模块630还可根据解析模型对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。应说明的是，该实施例中所描述的解析模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
具体地，在转换模块620得到上述的半结构化行业数据文件之后，解析模块630可从电子设备的存储空间中调出解析模型，并将该半结构化行业数据文件输入至该解析模型，从而通过该解析模型解析该半结构化行业数据文件，以得到该解析模型输出的至少一个计算节点的节点信息和行业SPO数据信息。
作为另一种可能的情况，解析模块630还可使用解析工具(例如，插件)，对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息。
生成模块640用于根据节点信息和行业SPO数据信息生成行业图谱。
具体地，在解析模块630得到至少一个计算节点的节点信息和行业SPO数据信息之后，生成模块640可根据该节点信息和行业SPO数据信息进行建边，以生成行业图谱。
在本公开实施例中，通过获取模块获取行业数据文件，并通过转换模块将行业数据文件转换为半结构化行业数据文件，然后通过解析模块对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，最后通过生成模块根据节点信息和行业SPO数据信息生成行业图谱。由此，可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
在本申请的一个实施例中，如图6所示，转换模块620可包括：转换单元621、抽取单元622、属性映射单元623和清洗单元624。
其中，转换单元621用于将行业数据文件转换为目标类型的数据文件。
抽取单元622用于对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
属性映射单元623用于基于属性映射策略对第一数据文件进行属性映射，以生成第二数据文件。
清洗单元624用于基于清洗策略对第二数据文件进行清洗，以生成半结构化行业数据文件。
在本申请的一个实施例中，抽取单元622具体用于：获取抽取模型；将目标类型的数据文件输入至抽取模型；通过抽取模型对目标类型的数据文件进行行业SPO抽取，以生成第一数据文件。
在本申请的一个实施例中，生成模块640具体用于：分别对节点信息和行业SPO数据信息进行归一化处理，以生成行业归一化数据；根据行业归一化数据进行建边，以生成行业图谱。
在本申请的一个实施例中，行业数据文件包括基于行业图谱构建平台生成的数据源文件和外部数据源文件。
需要说明的是，前述对行业图谱的构建方法实施例的解释说明也适用于该实施例的行业图谱的构建装置，此处不再赘述。
本申请实施例的行业图谱的构建装置，通过获取模块获取行业数据文件，并通过转换模块将行业数据文件转换为半结构化行业数据文件，然后通过解析模块对半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息，最后通过生成模块根据节点信息和行业SPO数据信息生成行业图谱。由此，可以有效地降低多项目间计算流程定制成本，减少代码冗余，且灵活性高。
本公开的技术方案中，所涉及的用户个人信息的获取，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7示出了可以用来实施本公开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/或者要求的本公开的实现。
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RAM 703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709，例如网卡、调制解调器、无线通信收发机等。通信单元709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，例如行业图谱的构建方法。例如，在一些实施例中，行业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709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行业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)而被配置为执行行业图谱的构建方法。
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。
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，本发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 (8)
1.一种行业图谱的构建方法，包括：
获取行业数据文件；
将所述行业数据文件转换为目标类型的数据文件；
对所述目标类型的数据文件进行行业SPO抽取，以生成第一数据文件；
基于属性映射策略对所述第一数据文件进行属性映射，以生成第二数据文件；
基于清洗策略对所述第二数据文件进行清洗，以生成半结构化行业数据文件；
对所述半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息；以及
分别对所述节点信息和所述行业SPO数据信息进行归一化处理，以生成行业归一化数据；
根据所述行业归一化数据进行建边，以生成行业图谱。
2.根据权利要求1所述的方法，其中，所述对所述目标类型的数据文件进行行业SPO抽取，以生成第一数据文件，包括：
获取抽取模型；
将所述目标类型的数据文件输入至所述抽取模型；
通过所述抽取模型对所述目标类型的数据文件进行行业SPO抽取，以生成所述第一数据文件。
3.根据权利要求1-2中任一项所述的方法，其中，所述行业数据文件包括基于行业图谱构建平台生成的数据源文件和外部数据源文件。
4.一种行业图谱的构建装置，包括：
获取模块，用于获取行业数据文件；
转换模块，用于将所述行业数据文件转换为半结构化行业数据文件；
解析模块，用于对所述半结构化行业数据文件进行解析，以获取至少一个计算节点的节点信息和行业SPO数据信息；以及
生成模块，用于分别对所述节点信息和所述行业SPO数据信息进行归一化处理，以生成行业归一化数据；根据所述行业归一化数据进行建边，以生成行业图谱；
其中，所述转换模块，包括：
转换单元，用于将所述行业数据文件转换为目标类型的数据文件；
抽取单元，用于对所述目标类型的数据文件进行行业SPO抽取，以生成第一数据文件；
属性映射单元，用于基于属性映射策略对所述第一数据文件进行属性映射，以生成第二数据文件；
清洗单元，用于基于清洗策略对所述第二数据文件进行清洗，以生成所述半结构化行业数据文件。
5.根据权利要求4所述的装置，其中，所述抽取单元，具体用于：
获取抽取模型；
将所述目标类型的数据文件输入至所述抽取模型；
通过所述抽取模型对所述目标类型的数据文件进行行业SPO抽取，以生成所述第一数据文件。
6.根据权利要求4-5中任一项所述的装置，其中，所述行业数据文件包括基于行业图谱构建平台生成的数据源文件和外部数据源文件。
7.一种电子设备，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1-3中任一项所述的行业图谱的构建方法。
8.一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1-3中任一项所述的行业图谱的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110808423.6A CN113656590B (zh) | 2021-07-16 | 2021-07-16 | 行业图谱的构建方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110808423.6A CN113656590B (zh) | 2021-07-16 | 2021-07-16 | 行业图谱的构建方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113656590A CN113656590A (zh) | 2021-11-16 |
| CN113656590B true CN113656590B (zh) | 2023-12-15 |
Family
ID=78489618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110808423.6A Active CN113656590B (zh) | 2021-07-16 | 2021-07-16 | 行业图谱的构建方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113656590B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114661918A (zh) * | 2022-03-17 | 2022-06-24 | 北京百度网讯科技有限公司 | 知识图谱构建方法、装置、存储介质及电子设备 |
| CN114417020B (zh) * | 2022-03-29 | 2022-09-09 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心浙江省物品编码中心) | 一种产业链图谱构建系统及方法 |
| CN115203428B (zh) * | 2022-05-30 | 2023-09-26 | 北京百度网讯科技有限公司 | 一种知识图谱构建方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107491555A (zh) * | 2017-09-01 | 2017-12-19 | 北京纽伦智能科技有限公司 | 知识图谱构建方法和系统 |
| WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
| CN111274391A (zh) * | 2020-01-15 | 2020-06-12 | 北京百度网讯科技有限公司 | 一种spo的抽取方法、装置、电子设备及存储介质 |
| CN111949798A (zh) * | 2019-05-15 | 2020-11-17 | 北京百度网讯科技有限公司 | 图谱的构建方法、装置、计算机设备和存储介质 |
| CN112380356A (zh) * | 2020-11-30 | 2021-02-19 | 百度国际科技（深圳）有限公司 | 用于构建配餐知识图谱的方法、装置、电子设备及介质 |
| CN112434168A (zh) * | 2020-11-09 | 2021-03-02 | 广西壮族自治区图书馆 | 基于图书馆的知识图谱构建方法、碎片化知识生成方法 |
| CN112434811A (zh) * | 2019-08-26 | 2021-03-02 | 华为技术有限公司 | 知识图谱构建方法及装置、计算设备、存储介质 |
| CN113010688A (zh) * | 2021-03-05 | 2021-06-22 | 北京信息科技大学 | 知识图谱构建方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-07-16 CN CN202110808423.6A patent/CN113656590B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
| CN107491555A (zh) * | 2017-09-01 | 2017-12-19 | 北京纽伦智能科技有限公司 | 知识图谱构建方法和系统 |
| CN111949798A (zh) * | 2019-05-15 | 2020-11-17 | 北京百度网讯科技有限公司 | 图谱的构建方法、装置、计算机设备和存储介质 |
| CN112434811A (zh) * | 2019-08-26 | 2021-03-02 | 华为技术有限公司 | 知识图谱构建方法及装置、计算设备、存储介质 |
| CN111274391A (zh) * | 2020-01-15 | 2020-06-12 | 北京百度网讯科技有限公司 | 一种spo的抽取方法、装置、电子设备及存储介质 |
| CN112434168A (zh) * | 2020-11-09 | 2021-03-02 | 广西壮族自治区图书馆 | 基于图书馆的知识图谱构建方法、碎片化知识生成方法 |
| CN112380356A (zh) * | 2020-11-30 | 2021-02-19 | 百度国际科技（深圳）有限公司 | 用于构建配餐知识图谱的方法、装置、电子设备及介质 |
| CN113010688A (zh) * | 2021-03-05 | 2021-06-22 | 北京信息科技大学 | 知识图谱构建方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 装备保障性验证知识图谱构建方法研究;刘晨光;李星新;于永利;孙也尊;;软件工程(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113656590A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113705187B (zh) | 预训练语言模型的生成方法、装置、电子设备和存储介质 | |
| CN113656590B (zh) | 行业图谱的构建方法、装置、电子设备及存储介质 | |
| CN112560496B (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
| CN112507040B (zh) | 多元关系生成模型的训练方法、装置、电子设备及介质 | |
| CN113408299B (zh) | 语义表示模型的训练方法、装置、设备和存储介质 | |
| CN113220836B (zh) | 序列标注模型的训练方法、装置、电子设备和存储介质 | |
| US10073827B2 (en) | Method and system to generate a process flow diagram | |
| US20180365209A1 (en) | Artificial intelligence based method and apparatus for segmenting sentence | |
| CN113657100B (zh) | 实体识别方法、装置、电子设备及存储介质 | |
| WO2024036662A1 (zh) | 一种基于数据采样的并行图规则挖掘方法及装置 | |
| CN114281968A (zh) | 一种模型训练及语料生成方法、装置、设备和存储介质 | |
| CN114490116B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113553411B (zh) | 查询语句的生成方法、装置、电子设备和存储介质 | |
| CN112582073B (zh) | 医疗信息获取方法、装置、电子设备和介质 | |
| CN114201242A (zh) | 用于处理数据的方法、装置、设备以及存储介质 | |
| CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
| CN113033179B (zh) | 知识获取方法、装置、电子设备及可读存储介质 | |
| CN115222058A (zh) | 调控系统运行状态分析模型构建方法及装置、介质及设备 | |
| CN110795424B (zh) | 特征工程变量数据请求处理方法、装置及电子设备 | |
| CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
| JP2022000805A (ja) | 語句処理方法、機器及び記憶媒体 | |
| CN112632293B (zh) | 行业图谱的构建方法、装置、电子设备及存储介质 | |
| CN113448852A (zh) | 一种测试案例的获取方法、装置、电子设备及存储介质 | |
| CN114255427B (zh) | 视频理解方法、装置、设备以及存储介质 | |
| 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |