CN113918724A - 一种河湖健康知识图谱的构建方法 - Google Patents

Abstract

本发明公开了一种河湖健康知识图谱的构建方法，包括以下主要步骤：在分析相关水利行业标准和河湖健康相关数据资源类型的基础上，分别定义河湖健康元数据类型和基于目录分类的知识服务模式，确定河湖健康本体模型的本体集并明确属性，根据属性挖掘以及建立本体之间的关系，进行河湖健康本体库模型的建模；通过主题挖掘、远程监督、事理因果关系提取等多种手段，从海量异构数据资源中抽取出更多的实体与关联关系，进一步补充完善本体库模型：采用基于共有属性的概念相似度计算算法和基于出入链集合的相似度计算算法进行综合计算，减少实体冗余，实现知识融合；通过建立自适应更新机制，实现河湖健康知识图谱的半自动化更新。

Description

一种河湖健康知识图谱的构建方法

技术领域

本发明属于知识图谱构建技术领域，具体涉及一种河湖健康知识图谱的构建方法。

背景技术

河湖是水资源的重要载体，是生态系统的重要组成部分。我国河湖星罗棋布，管理保护任务重，难度大。各河湖管理单位在长期的河湖保护工作中累积了海量的河湖健康数据，主要包括水文、水环境、水生态、水资源、水安全监测数据、业务数据、遥感数据、基础地理信息数据和视频数据等，并且能为各级河湖管理相关部门提供数据资源的共享服务。但是这些数据资源存在着数据量大、来源复杂、结构各异并且缺乏知识性，而没有河湖健康知识的凝练，管理人员难以针对河湖健康现状和突发事件状况做出准确判断。因此，为更加高效的开展河湖管理工作，必须实现“数据—信息—知识—智慧”的智能转化，构建面向河湖健康的知识服务体系。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，本发明提供了一种河湖健康知识图谱的构建方法，旨在建立河湖健康领域数据与知识之间的沟通桥梁，以解决该领域数据丰富、分散、模糊、无指导性等问题，为河湖管理人员决策提供知识支持，在此基础上才能针对不同时期河湖面临的突出问题，精准发力，综合施策，不断探索出适合我国国情的良策。

为达到上述目的，本发明具体采用以下技术方案：

一种河湖健康知识图谱的构建方法，其特征在于，包括以下步骤：

步骤1：制定河湖健康数据资源类别和相关的元数据范式文件；

步骤2：制定《水利数据目录服务规范》要求的可查询元数据项 (索引配置文件)和可返回元数据项(摘要配置文件)，以及详细展示(详情配置文件)，以及其它进行元数据管理所需要的规则配置文件；

步骤3：定义对河湖健康相关的本体概念，确定河湖健康本体模型的本体集并明确属性，根据属性挖掘以及建立本体之间的关系，进行河湖健康本体库模型的建模，旨在组建知识图谱的骨干网；

步骤4：在步骤3的基础上，通过主题挖掘、远程监督、事理因果关系提取等多种手段，从海量异构数据资源中抽取出更多的实体与关联关系，作为常识性内容补充到骨干关系图中；

步骤5：对抽取的实体三元组数据进行概念实体之间的相似度计算，采用基于共有属性的概念相似度计算算法和基于出入链集合的相似度计算算法进行综合计算，消除歧义和重复实体；

步骤6：如图5所示建立河湖健康知识图谱的自适应更新机制。

进一步的，所述步骤3具体包括以下步骤：

步骤3-1：确定本体的专业领域和范畴，本方法构建的本体模型主要覆盖于河湖健康领域，参考《水利对象基础数据库表结构及标识符》中的河湖健康对象，明确在河湖健康本体中包含的对象或者设施等；

步骤3-2：考查复用现有河湖健康本体的可能性；

步骤3-3：列出河湖健康本体中的重要术语；

步骤3-4：定义河湖健康本体类和类的层次体系，在河湖健康层次体系中，总共划分为六层，父节点为河湖，它的子节点有河湖对象和涉水对象；

在河湖对象内，分为自然和非自然两个大类：

在自然的范围内，根据其所在的地理范围，将自然细分为地下和地表两个类，而在这两个范围内(地下和地表)再根据属性和各自的特点，又可以各自分为输水通道和集储水单元这两个类；

在非自然的层次内，分设施和非设施两个范围；在设施这个范围内可以划分出独立设施和组合工程两个范围；在非设施这个范围内可以划分出行为主体和行为客体两个范围，在行为主体范围内，河湖管理相关单位和自然人两个本体概念；

步骤3-5：定义河湖健康本体属性，根据上述定义的河湖健康本体类，确定河湖健康本体类的属性；一个河湖健康本体的属性通常包括了两种，分别是内在属性和外在属性；

步骤3-6：定义河湖健康本体属性的分面，该步骤确定河湖健康本体属性的范围值和它的数据类型；

步骤3-7：构建河湖健康本体实例，基于以上步骤的准备工作，创建具体的河湖健康本体实例，其中的骨干结点与关联关系由河湖对象分类目录和单位部门目录构成。

进一步的，步骤4，主要包含以下类别：

(1)主题提取与关联，通过LDA等主题挖掘方式，提取出学术/公文、网络與情等非结构化档案数据资源中包含的管理主题；在此基础上，通过文本挖掘、共现分析等手段，将河湖健康管理主题图谱与河湖对象目录中的本体结构进行关联；

(2)事理提取与关联，通过事理因果分析等方式，提取出学术 /公文档案中关于河湖健康在不同类别事件处置过程中的关键事件，以及事件间的影响关系；在此基础上，通过文本挖掘、共现分析等手段，将事理图谱与河湖健康对象目录中的本体结构进行关联；

(3)实体/关系词典，通过人工填报、文本挖掘等多种手段，提取出在河湖健康知识管理领域常见的专业词汇；

(4)OWL文件导入，通过OWL媒介，对河湖知识图谱概念层进行调整修正；

(5)多主题场景融合，通过表示学习等方式，基于关系层次、时序关系等，从河湖知识图谱中提取出特定管理主题下的场景图谱。

进一步的，步骤5，具体包括以下步骤：

步骤5-1：基于共有属性的概念相似度计算算法，计算公式为：

公式5-1通过河湖健康对象的共有属性数量计算河湖健康对象概念的相似度，其中|W1W2|表示河湖健康对象概念W1和河湖健康对象概念W2公共属性的数量，|W1|表示河湖健康对象概念W1的属性的数量，|W2|表示河湖健康对象概念W2的属性的数量；

步骤5-2：基于出入链集合的相似度计算算法，计算公式为：

把出链集合相似度和入链集合相似度分开计算，最后再综合两部分计算概念的相似度；

步骤5-3：概念的综合相似度计算，最后使用线性加权的方法综合河湖健康对象概念的共有属性相似度和出入链集合相似度计算两个河湖健康对象概念的相似度：

sim(W₁，W₂)＝α× sim₁(W₁，W₂)+ β× sim₁₂(W₁，W₂)

(5-3)；

公式5-3中d和β分别代表共有属性相似度和出入链集合相似度的所占权重，α和β的值通过多次试验获得，其中α+β＝1。

进一步的，步骤6，具体包括以下步骤：

步骤6-1：增量数据采集，针对Oracle数据库采用基于触发器、基于CDC、基于日志解析、基于快照差分法的四种增量数据采集方法从结构化数据源中获取增量数据；

步骤6-2：数据清洗与压缩，对捕获的增量数据进行压缩和清洗，采用基于日志分析的数据压缩算法，可以根据特定场景、用户的特定需求，解析出所需要实例的增量数据；

步骤6-3：数据同步，通过指令解析Oracle RowID映射表，实现异源同构数据库之间的数据同步，保证的是更新前后数据的一致性；

步骤6-4：知识图谱更新，基于远程监督的河湖健康管理语料的自动标注方法，利用模板泛化技术实现本体概念关系抽取，用以扩展河湖健康管理语料。通过结构化数据库抓取的变化知识以及扩展语料完成知识补全，实现知识图谱的半自动化更新。

本发明的有益效果：

(1)本发明用于河湖健康领域知识的存储及智能识别，能够解决河湖健康领域知识分散、模糊、无指导性等问题，具有合并及归纳整理知识并提供自我学习的服务能力；

(2)基于本发明构建的河湖健康知识图谱，采用了多重映射机制构建的目录服务模型，基于此知识图谱能够实现河湖健康数据的高效查询与索引；

(3)通过本发明的河湖健康知识图谱的构建方法，更便捷高效地实现河湖健康结构化数据及非结构化文本数据、主题和事理的抽取，并挂接河湖健康对象；

(4)本发明提出了一种河湖健康对象概念相似度的计算算法，使用河湖健康对象概念的共有属性相似度、出入链集合相似度综合计算两个河湖健康对象概念的相似度，把相似度高的河湖健康对象概念融合，对河湖健康对象概念向上抽象一层，减少水利对象概念的数量，从而减少知识图谱的存储代价，提高知识图谱的查询速度。

附图说明

图1为河湖健康知识图谱构建流程示意图。

图2为湖泊对象实例图。

图3为对象、属性及其关联图谱。

图4为事理图谱。

图5为河湖健康图谱更新机制。

具体施方式

实施例一

本实施例的一种河湖健康知识图谱的构建方法，其特征在于，包括以下步骤：

步骤1：制定河湖健康数据资源类别和相关的元数据范式文件；

步骤2：制定《水利数据目录服务规范》要求的可查询元数据项 (索引配置文件)和可返回元数据项(摘要配置文件)，以及详细展示(详情配置文件)，以及其它进行元数据管理所需要的规则配置文件；

步骤3：定义对河湖健康相关的本体概念，确定河湖健康本体模型的本体集并明确属性，根据属性挖掘以及建立本体之间的关系，进行河湖健康本体库模型的建模，旨在组建知识图谱的骨干网；

步骤4：在步骤3的基础上，通过主题挖掘、远程监督、事理因果关系提取等多种手段，从海量异构数据资源中抽取出更多的实体与关联关系，作为常识性内容补充到骨干关系图中；

步骤5：对抽取的实体三元组数据进行概念实体之间的相似度计算，采用基于共有属性的概念相似度计算算法和基于出入链集合的相似度计算算法进行综合计算，消除歧义和重复实体；

步骤6：如图5所示建立河湖健康知识图谱的自适应更新机制。

实施例二

本实施例的一种河湖健康知识图谱的构建方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3-1：确定本体的专业领域和范畴，本方法构建的本体模型主要覆盖于河湖健康领域，参考《水利对象基础数据库表结构及标识符》中的河湖健康对象，明确在河湖健康本体中包含的对象或者设施等；

步骤3-2：考查复用现有河湖健康本体的可能性；

步骤3-3：列出河湖健康本体中的重要术语；

步骤3-4：定义河湖健康本体类和类的层次体系，在河湖健康层次体系中，总共划分为六层，父节点为河湖，它的子节点有河湖对象和涉水对象；

在河湖对象内，分为自然和非自然两个大类：

在自然的范围内，根据其所在的地理范围，将自然细分为地下和地表两个类，而在这两个范围内(地下和地表)再根据属性和各自的特点，又可以各自分为输水通道和集储水单元这两个类；

在非自然的层次内，分设施和非设施两个范围；在设施这个范围内可以划分出独立设施和组合工程两个范围；在非设施这个范围内可以划分出行为主体和行为客体两个范围，在行为主体范围内，河湖管理相关单位和自然人两个本体概念；

步骤3-5：定义河湖健康本体属性，根据上述定义的河湖健康本体类，确定河湖健康本体类的属性；一个河湖健康本体的属性通常包括了两种，分别是内在属性和外在属性；

步骤3-6：定义河湖健康本体属性的分面，该步骤确定河湖健康本体属性的范围值和它的数据类型；

步骤3-7：构建河湖健康本体实例，基于以上步骤的准备工作，创建具体的河湖健康本体实例，其中的骨干结点与关联关系由河湖对象分类目录和单位部门目录构成。

实施例三

本实施例的一种河湖健康知识图谱的构建方法，其特征在于，步骤4，主要包含以下类别：

(1)主题提取与关联，通过LDA等主题挖掘方式，提取出学术/公文、网络與情等非结构化档案数据资源中包含的管理主题；在此基础上，通过文本挖掘、共现分析等手段，将河湖健康管理主题图谱与河湖对象目录中的本体结构进行关联；

(2)事理提取与关联，通过事理因果分析等方式，提取出学术 /公文档案中关于河湖健康在不同类别事件处置过程中的关键事件，以及事件间的影响关系；在此基础上，通过文本挖掘、共现分析等手段，将事理图谱与河湖健康对象目录中的本体结构进行关联；

(3)实体/关系词典，通过人工填报、文本挖掘等多种手段，提取出在河湖健康知识管理领域常见的专业词汇；

(4)OWL文件导入，通过OWL媒介，对河湖知识图谱概念层进行调整修正；

(5)多主题场景融合，通过表示学习等方式，基于关系层次、时序关系等，从河湖知识图谱中提取出特定管理主题下的场景图谱。

实施例四

本实施例的一种河湖健康知识图谱的构建方法，其特征在于，步骤5，具体包括以下步骤：

步骤5-1：基于共有属性的概念相似度计算算法，计算公式为：

公式5-1通过河湖健康对象的共有属性数量计算河湖健康对象概念的相似度，其中|W1W2|表示河湖健康对象概念W1和河湖健康对象概念W2公共属性的数量，|W1|表示河湖健康对象概念W1的属性的数量，|W2|表示河湖健康对象概念W2的属性的数量；

步骤5-2：基于出入链集合的相似度计算算法，计算公式为：

把出链集合相似度和入链集合相似度分开计算，最后再综合两部分计算概念的相似度；

步骤5-3：概念的综合相似度计算，最后使用线性加权的方法综合河湖健康对象概念的共有属性相似度和出入链集合相似度计算两个河湖健康对象概念的相似度：

sim(W₁，W₂)＝α× sim₁(W₁，W₂)+ β× sim₁₂(W₁，W₂)

(5-3)；

公式5-3中d和β分别代表共有属性相似度和出入链集合相似度的所占权重，α和β的值通过多次试验获得，其中α+β＝1。

实施例五

本实施例的一种河湖健康知识图谱的构建方法，其特征在于，步骤6，具体包括以下步骤：

步骤6-1：增量数据采集，针对Oracle数据库采用基于触发器、基于CDC、基于日志解析、基于快照差分法的四种增量数据采集方法从结构化数据源中获取增量数据；

步骤6-2：数据清洗与压缩，对捕获的增量数据进行压缩和清洗，采用基于日志分析的数据压缩算法，可以根据特定场景、用户的特定需求，解析出所需要实例的增量数据；

步骤6-3：数据同步，通过指令解析Oracle RowID映射表，实现异源同构数据库之间的数据同步，保证的是更新前后数据的一致性；

步骤6-4：知识图谱更新，基于远程监督的河湖健康管理语料的自动标注方法，利用模板泛化技术实现本体概念关系抽取，用以扩展河湖健康管理语料。通过结构化数据库抓取的变化知识以及扩展语料完成知识补全，实现知识图谱的半自动化更新。

基于上述实施例，本发明具有以下优点：(1)本发明用于河湖健康领域知识的存储及智能识别，能够解决河湖健康领域知识分散、模糊、无指导性等问题，具有合并及归纳整理知识并提供自我学习的服务能力；(2)基于本发明构建的河湖健康知识图谱，采用了多重映射机制构建的目录服务模型，基于此知识图谱能够实现河湖健康数据的高效查询与索引；(3)通过本发明的河湖健康知识图谱的构建方法，更便捷高效地实现河湖健康结构化数据及非结构化文本数据、主题和事理的抽取，并挂接河湖健康对象；(4)本发明提出了一种河湖健康对象概念相似度的计算算法，使用河湖健康对象概念的共有属性相似度、出入链集合相似度综合计算两个河湖健康对象概念的相似度，把相似度高的河湖健康对象概念融合，对河湖健康对象概念向上抽象一层，减少水利对象概念的数量，从而减少知识图谱的存储代价，提高知识图谱的查询速度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种河湖健康知识图谱的构建方法，其特征在于，步骤如下：

步骤1：制定河湖健康数据资源类别和相关的元数据范式文件；

步骤2：制定《水利数据目录服务规范》要求的可查询元数据项、可返回元数据项和详细展示，以及其它进行元数据管理所需要的规则配置文件；

步骤3：定义对河湖健康相关的本体概念，确定河湖健康本体模型的本体集并明确属性，根据属性挖掘以及建立本体之间的关系，进行河湖健康本体库模型的建模，旨在组建知识图谱的骨干网；

步骤4：在步骤3的基础上，通过主题挖掘、远程监督、事理因果关系提取的手段，从海量异构数据资源中抽取出更多的实体与关联关系，作为常识性内容补充到骨干关系图中；

步骤5：对抽取的实体三元组数据进行概念实体之间的相似度计算，采用基于共有属性的概念相似度计算算法和基于出入链集合的相似度计算算法进行综合计算，消除歧义和重复实体；

步骤6：建立河湖健康知识图谱的自适应更新机制。

2.根据权利要求1所述的一种河湖健康知识图谱的构建方法，其特征在于，所述步骤3具体包括：

步骤3-1：确定本体的专业领域和范畴，构建的本体模型主要覆盖于河湖健康领域，参考《水利对象基础数据库表结构及标识符》中的河湖健康对象，明确在河湖健康本体中包含的对象或者设施；

步骤3-2：考查复用现有河湖健康本体的可能性；

步骤3-3：列出河湖健康本体中的重要术语；

步骤3-4：定义河湖健康本体类和类的层次体系；

在河湖健康层次体系中，总共划分为六层，父节点为河湖，它的子节点有河湖对象和涉水对象；

在河湖对象内，分为自然和非自然两个大类：

在自然的范围内，根据其所在的地理范围，将自然细分为地下和地表两个类，而在上述的两个范围内再根据属性和各自的特点，各自分为输水通道和集储水单元这两个类；

在非自然的层次内，分设施和非设施两个范围，在设施这个范围内可以划分出独立设施和组合工程两个范围；在非设施这个范围内可以划分出行为主体和行为客体两个范围，在行为主体范围内，河湖管理相关单位和自然人两个本体概念；

步骤3-5：定义河湖健康本体属性，根据上述定义的河湖健康本体类，确定河湖健康本体类的属性；一个河湖健康本体的属性通常包括了两种，分别是内在属性和外在属性；

步骤3-6：定义河湖健康本体属性的分面，确定河湖健康本体属性的范围值和它的数据类型；

步骤3-7：构建河湖健康本体实例；基于以上步骤的准备工作，创建具体的河湖健康本体实例，其中的骨干结点与关联关系由河湖对象分类目录和单位部门目录构成。

3.根据权利要求1所述的一种河湖健康知识图谱的构建方法，其特征在于，所述步骤4具体包括：

(1)主题提取与关联，通过LDA等主题挖掘方式，提取出学术/公文、网络與情等非结构化档案数据资源中包含的管理主题；在此基础上，通过文本挖掘、共现分析等手段，将河湖健康管理主题图谱与河湖对象目录中的本体结构进行关联；

(2)事理提取与关联，通过事理因果分析等方式，提取出学术/公文档案中关于河湖健康在不同类别事件处置过程中的关键事件，以及事件间的影响关系；在此基础上，通过文本挖掘、共现分析的手段，将事理图谱与河湖健康对象目录中的本体结构进行关联；

(3)实体/关系词典，通过人工填报、文本挖掘等多种手段，提取出在河湖健康知识管理领域常见的专业词汇；

(4)OWL文件导入，通过OWL媒介，对河湖知识图谱概念层进行调整修正；

(5)多主题场景融合，通过表示学习等方式，基于关系层次、时序关系等，从河湖知识图谱中提取出特定管理主题下的场景图谱。

4.根据权利要求1所述的一种河湖健康知识图谱的构建方法，其特征在于，所述步骤5具体包括：

步骤5-1：基于共有属性的概念相似度计算算法，计算公式为：

公式5-1通过河湖健康对象的共有属性数量计算河湖健康对象概念的相似度，其中|W1W2|表示河湖健康对象概念W1和河湖健康对象概念W2公共属性的数量，|W1|表示河湖健康对象概念W1的属性的数量，|W2|表示河湖健康对象概念W2的属性的数量；

步骤5-2：基于出入链集合的相似度计算算法，计算公式为：

把出链集合相似度和入链集合相似度分开计算，最后再综合两部分计算概念的相似度；

步骤5-3：概念的综合相似度计算；最后使用线性加权的方法综合河湖健康对象概念的共有属性相似度和出入链集合相似度计算两个河湖健康对象概念的相似度：

sim(W₁,W₂)＝

α×sim₁(W₁，W₂)+

β×sim₁₂(W₁，W₂)

(5-3)；

公式5-3中α和β分别代表共有属性相似度和出入链集合相似度的所占权重，α和β的值通过多次试验获得，其中α+β＝1。

5.根据权利要求1所述的一种河湖健康知识图谱的构建方法，其特征在于，所述步骤6具体包括：

步骤6-1：增量数据采集，针对Oracle数据库采用基于触发器、基于CDC、基于日志解析、基于快照差分法的四种增量数据采集方法从结构化数据源中获取增量数据；

步骤6-2：数据清洗与压缩，对捕获的增量数据进行压缩和清洗，采用基于日志分析的数据压缩算法，可以根据特定场景、用户的特定需求，解析出所需要实例的增量数据。

步骤6-3：数据同步，通过指令解析Oracle RowID映射表，实现异源同构数据库之间的数据同步，保证的是更新前后数据的一致性。

步骤6-4：知识图谱更新，基于远程监督的河湖健康管理语料的自动标注方法，利用模板泛化技术实现本体概念关系抽取，用以扩展河湖健康管理语料。通过结构化数据库抓取的变化知识以及扩展语料完成知识补全，实现知识图谱的半自动化更新。

Images