CN114661918A - 知识图谱构建方法、装置、存储介质及电子设备 - Google Patents

Abstract

本公开提供了一种知识图谱构建方法、装置、存储介质及电子设备，涉及人工智能技术领域，尤其涉及深度学习技术、计算机视觉技术以及知识图谱技术领域。具体实现方案为：对获取到的初始数据进行处理，得到处理后数据，其中，处理包括：整合处理或信息抽取处理，处理后数据包括：结点和结点属性，边和边属性；确定与处理后数据对应的SPO数据，其中，SPO数据包括如下三元组信息：主语S、谓语P、宾语O；采用实体链接算法将SPO数据同步到图数据库；采用图数据库中的SPO数据构建得到知识图谱。

Description

知识图谱构建方法、装置、存储介质及电子设备

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习技术、计算机视觉技术以及知识图谱技术领域,具体涉及一种知识图谱构建方法、装置、存储介质及电子设备。

背景技术

近年来，随着人工智能的快速发展和各个行业领域内业务的不断升级，知识图谱应运而生，已经成为人工智能应用的强大助力。现有技术主要涉及知识图谱构建所需的基础知识库、模型算法服务以及知识图谱数据库服务等，即仅涉及知识图谱构建的部分环节。

当用户想要构建自身垂直业务领域的知识图谱时，前期需要花费大量的精力进行调研，了解图谱构建的详细过程，之后还要进行繁琐的基础设施及算法服务的采购等环节，知识图谱构建流程变得漫长且步骤繁琐。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本公开提供了一种知识图谱构建方法、装置、存储介质及电子设备。

根据本公开的一方面，提供了一种知识图谱构建方法，包括：对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；采用实体链接算法将所述SPO数据同步到图数据库；采用所述图数据库中的所述SPO数据构建得到知识图谱。

根据本公开的另一方面，提供了一种知识图谱构建装置，包括：处理模块，用于对获取到的初始数据进行处理，得到处理后数据，其中，所述处理包括：整合处理或信息抽取处理，所述处理后数据包括：结点和结点属性，边和边属性；确定模块，用于确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；同步模块，用于采用实体链接算法将所述SPO数据同步到图数据库；构建模块，用于采用所述图数据库中的所述SPO数据构建得到知识图谱。

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；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任一项上述的知识图谱构建方法。

根据本公开的另一方面，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，上述计算机指令用于使上述计算机执行任一项上述的知识图谱构建方法。

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，上述计算机程序在被处理器执行时实现任一项上述的知识图谱构建方法。

根据本公开的另一方面，提供了一种知识图谱构建产品，包括如上述的电子设备。

在本公开实施例中，通过对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；采用实体链接算法将所述SPO数据同步到图数据库；采用所述图数据库中的所述SPO数据构建得到知识图谱，达到了提供知识图谱构建的完整流程的目的，从而实现了提升知识图谱构建效率，简化构建步骤的技术效果，进而解决了相关技术中存在的知识图谱构建效率低，构建过程漫长且步骤繁杂的技术问题。

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是根据现有技术的一种知识图谱构建框图；

图2是根据本公开第一实施例的知识图谱构建方法的流程图；

图3a是根据本公开第一实施例的一种可选的边结构示意图；

图3b是根据本公开第一实施例的另一种可选的边结构示意图；

图4a是根据跟公开实施例的一种可选的数据库的结点分布示意图；

图4b是根据跟公开实施例的另一种可选的数据库的结点分布示意图；

图5是根据本公开第一实施例的一种可选的知识图谱构建方法的流程图；

图6是根据本公开第一实施例的一种可选的结构化数据分布示意图；

图7是根据本公开第一实施例的一种可选的知识图谱构建的总体技术框架图；

图8是根据本公开第二实施例的知识图谱构建装置的结构示意图；

图9是用来实现本公开实施例的知识图谱构建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，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

近年来，随着人工智能的快速发展和各个行业领域内业务的不断升级，知识图谱应运而生，已经成为人工智能应用的强大助力。知识图谱的核心价值在于对多源异构数据和多维复杂关系的处理与可视化展示，让上游大数据和下游AI任务形成有效连接，突破以往基于字符串匹配的浅层语义，更加便利、有效的帮助客户组织领域知识，为流程优化、辅助决策、预测分析等下游应用提供基础服务。

知识图谱当前的主要应用场景有智慧数据、医疗、公共安全与政务、能源和工业等。智慧数据知识图谱基于其广泛互联孤立数据、高度智能共享分析等优势，解决和打破信息茧房，为智慧数据建设提供了一种可行的方案。在医疗领域，医学知识图谱能够建立较系统完善的知识库并提供高效检索，推进海量数据的智能处理，催生上层智能医学的应用。在公共安全领域，可构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络，实现公安技术与业务的深度融合。工业知识图谱更是基于工业产品研发、生产、运行、保障、营销和企业管理等运行规律建立的关系网络，用于更好地组织、管理和理解工业体系的内部联系。

现有技术中的知识图谱构建方法需要经历较为复杂且繁琐的过程，主要分为数据获取、数据转换和数据输出三大流程，具体实现过程如图1所示，其中，数据获取主要分为结构化类数据获取、半结构化类数据和非结构化类数据获取，其中结构化类数据主要来源于存储形式为二维表的数据，半结构化数据的存在形式有树和图，非结构化数据主要来源于日常的文本，如网页、新闻、公告等。数据转换的主要目的是对源数据进行清洗整理，并借助一些NLP算法进行信息抽取，从而得到结点的属性信息和边之间的连接信息。对于半结构化的数据和非结构化的数据，需要借助实体抽取模型、关系抽取模型以及属性抽取模型对其进行加工，从而得到结构化的数据。进一步需要进行实体对齐，消解实体间的歧义，从而进行本体构建。通过质量评估后，即可输出。数据输出即将上一步处理完的数据存入知识图谱库中，以供上层业务进行知识检索等应用。

需要说明的是，现有技术中主要涉及知识图谱构建的部分环节，例如，提供图谱构建所需要的基础知识库，如维基百科、百度百科等；提供图谱构建过程中需要的模型算法服务，如信息抽取、知识融合等；提供知识图谱数据库服务，方便用户管理、存储、检索图数据库，如neo4j、bgraph、OrientD等。上述方案可以很好的解决对应的问题，但并未涉及如何获取数据并进行加工，如何将加工好的数据进行转换入库等是知识图谱构建的具体流程。对于那些想构建自己垂直业务领域图谱的用户而言，前期需要花费大量的精力进行调研，了解图谱构建的详细过程。之后还要进行繁琐的基础设施及算法服务的采购，这使得图谱构建流程变得漫长且繁琐。

基于上述问题，本公开实施例提供了一种知识图谱构建方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本公开第一实施例的知识图谱构建方法的流程图，如图2所示，该方法包括如下步骤：

步骤S202，对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；

步骤S204，确定与上述处理后数据对应的SPO数据，其中，上述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；

步骤S206，采用实体链接算法将上述SPO数据同步到图数据库；

步骤S208，采用上述图数据库中的上述SPO数据构建得到知识图谱。

在本公开实施例中，通过对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；确定与上述处理后数据对应的SPO数据，其中，上述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；采用实体链接算法将上述SPO数据同步到图数据库；采用上述图数据库中的上述SPO数据构建得到知识图谱，达到了提供知识图谱构建的完整流程的目的，从而实现了提升知识图谱构建效率，简化构建步骤的技术效果，进而解决了相关技术中存在的知识图谱构建效率低，构建过程漫长且步骤繁杂的技术问题。

可选的，上述数据整合处理包括：数据筛选及转换、数据清洗及过滤、单位换算、格式统一；上述信息抽取处理用于抽取上述非结构化数据中的上述结点、上述结点属性、上述边、上述边属性。

可选的，上述结点可以但不限于为智慧数据、医疗、公共安全与政务、能源和工业等领域中的事件，例如，具体事件、抽象事件，等等；上述边可以但不限于表示两结点之间的关系，例如，具体事件指向抽象事件的上位关系、抽象事件与抽象事件之间的因果关系，等等，另外，上述边至少包括事件名称、事件来源以及事件发生概率，等等。以一工厂企业为例，基于工厂企业领域中的投研和量化研究方向，构建工厂企业事件图谱可以实时监测企业的最新运行状况，并基于图库中已有的工厂企业事件可以预测企业的运行风险以及上市企业的股价波动情况，这些事件以结点的形式存储在图数据库中，主要分为“抽象事件”和“具体事件”两类结点，“抽象事件”主要包含名称、来源、创建时间等属性，“具体事件”主要包含名称、事件主体、事件时间以及各个事件对应的关键属性。此外定义两种类型的边，如图3a所示的一种是“具体事件”指向“抽象事件”的上位关系，另一种是如图3b所示的“抽象事件”与“抽象事件”之间的因果关系。这两类边都包含事件名称、事件来源、事件概率等属性。

需要说明的是，不同的数据类型的初始数据对应于不同的处理方法，例如，对结构化数据进行数据整合处理，对非结构化数据进行信息抽取处理，以此达到针对不同数据类型的初始数据，准确提取相关数据信息的目的。

可选的，上述数据库结点用于链接业务详细信息，图4a和4b分别是根据公开实施例的可选的数据库的结点分布示意图，当触发图4a中所示的任一数据库结点后，显示界面会呈现该数据库结点的详细信息，如图4b所示，当选中“政策调控”数据库结点时，显示界面会同步显示受影响股票企业、关联标的、数据库结点名称、事件时间、关联的新闻列表、事件来源以及事件主题等详细信息。

仍需要说明的是，上述初始数据可能既包括结构化数据，又包括非结构化数据，对于结构化数据或者非结构化数据中提取出来的结点，其对应的结点名称可能存在歧义或者不规范等问题，通过上述采用实体链接算法将上述处理后数据链接到数据库结点的方式，可以达到将上述初始数据链接到数据库中真实且唯一的数据库结点的目的。

可选的，上述SPO数据定义了上述结点或者上述边所需要的基本信息。

可选的，在上述采用上述SPO数据构建得到知识图谱的过程中，首先将上述SPO数据推送到消息队列中，并采用消费组件异步将上述消息队列中的上述SPO数据写入图数据库中；然后采用上述图数据库中的上述SPO数据构建得到知识图谱。

作为一种可选的实施例，图5是根据本公开第一实施例的一种可选的知识图谱构建方法的流程图，如图5所示，上述对获取到的初始数据进行处理，得到处理后数据，包括：

步骤S502，根据上述初始数据的数据类型，将上述初始数据划分为结构化数据和非结构化数据，其中，上述结构化数据包括全结构化数据和半结构化数据；

步骤S504，对上述结构化数据进行数据整合处理，得到处理后的结构化数据；

步骤S506，对上述非结构化数据进行信息抽取处理，得到处理后的非结构化数据。

可选的，上述数据整合处理包括：数据筛选及转换、数据清洗及过滤、单位换算、格式统一；上述信息抽取处理用于抽取上述非结构化数据中的上述结点、上述结点属性、上述边、上述边属性。

可选的，上述结构化数据可以但不限于存放在MYSQL、EXCEL等标准化表格中，如企业基本信息、财报信息、股价每日开盘价/收盘价信息，等等，例如，图6示出了公司基本信息的结构化数据分布情况；上述非结构化数据可以但不限于存放在ElasticSearch(分布式、RESTful风格的搜索和数据分析引擎)中，非结构化数据包括：各类新闻、公告数据，等等。

需要说明的是，不同的数据类型的初始数据对应于不同的处理方法，例如，对结构化数据进行数据整合处理，对非结构化数据进行信息抽取处理，以此达到针对不同数据类型的初始数据，准确提取相关数据信息的目的。

在一种可选的实施例中，上述确定与上述处理后数据对应的SPO数据，包括：

获取预先确定的SPO数据格式；

根据上述SPO数据格式，对上述处理后数据进行数据格式转换处理，得到上述SPO数据。

可选的，上述SPO数据格式基于构建上述结点或者上述边所需要的基本信息确定。

需要说明的是，本发明实施例定义了一个完整的SPO数据格式，上述SPO数据格式定义了构建上述结点或者上述边所需要的基本信息，通过获取预先确定的SPO数据格式；根据上述SPO数据格式，对上述处理后数据进行数据格式转换处理，得到上述SPO数据的方式，将上述处理后数据转换为统一格式的上述SPO数据，以达到统一来自各个数据源的初始数据的目的，上述SPO数据可以通过如下形式表示：

{"triplet_type":"KG_ATTRIBUTE|KG_RELATION|EVENT_ATTRIBUTE|EVENT_RELATION",

"subject":{

"entity_type":"subject结点类型，知识图谱结点类型：人物、企业……；事件图谱结点类型：抽象事件、具体事件",

"entity_data":"subject结点ID，事件图谱中事件ID"},

"object":{

"entity_type":"object结点类型，如果是属性数据这个参数为空",

"entity_data":"object取值，如果是关系，值为object结点id，如果是属性，值为具体的属性值"},

"predicate":{。

在一种可选的实施例中，上述采用实体链接算法将SPO数据同步到图数据库包括：

采用实体链接算法将SPO数据推送到消息队列中；

采用消费组件异步将消息队列中的所述SPO数据写入图数据库中。

可选的，上述消息队列，可以但不限于为redis消息队列、kafka消息队列；上述图数据库可以但不限于为NEO4J图数据库、BGraph图数据库。

可选的，在本发明实施例中，可以但不限于支持redis消息队列和kafka消息队列；对于图数据库的选择，同时支持开源的NEO4J图数据库和高性能的BGraph图数据库。

可选的，上述消费队列可以但不限于包括数据写入组件和消费组件，例如，上述消费队列以SPO转换组件作为数据写入组件写入上述SPO数据，以SPO同步数据库组件作为消费组件处理获取到的上述SPO数据。

可选的，上述图数据库还用于对上述数据库结点进行更新处理，得到更新后的数据库结点，并再次基础上对上述更新后的数据库结点进行加密处理。

需要说明的是，本公开实施例通过将上述SPO数据推送到消息队列中，并采用消费组件异步将上述消息队列中的上述SPO数据写入图数据库中；采用上述图数据库中的上述SPO数据构建得到知识图谱的方式，达到了基于统一格式的SPO数据构建知识图谱的目的，实现了不同数据格式的初始数据的统一化管理，提高知识图谱构建效率。

可选的，以上述结构化数据“企业净利亏损”的结点构建流程为例，已知MYSQL数据表financial_statements存放本公司、本企业或者本单位的财报信息，列名有公司名称、财报来源、财报期间、企业营业收入、企业净利润等；只需编写简单的SQL语句即可获得净利润亏损的数据，然后对企业名称进行实体链接等相关归一化操作后，即可生成一个独立的结点；接着按照预先设定的SPO格式将结点属性进行拆解处理，变成多个SPO数据推送到消息队列中；通过任务调度器会自动调度图构建消费队列，将数据写入图数据库中。

可选的，以非结构化数据“高管变更”的结点构建流程为例，已知ElasticSearch索引新闻news存放每日发布的新闻数据，字段包含标题、正文等。只需调用事件抽取模型服务从文本中抽出“高管变更”相关的数据，然后对抽取完的数据进行实体链接、事件时间归一化等操作即可获取一个独立的结点；接着按照预先设定的SPO格式将结点属性进行拆解处理，变成多个SPO数据推送到消息队列中；通过任务调度器会自动调度图构建消费队列，将多个SPO数据写入图数据库中。

作为一种可选的实施例，图7是根据本公开第一实施例的一种可选的知识图谱构建的总体技术框架图，如图7所示，对获取到的初始数据中的结构化数据进行整合处理，得到处理后的结构化数据；对获取到的初始数据中的非结构化数据进行信息抽取处理，得到处理后的非结构化数据；采用实体链接算法将上述处理后的结构化数据和上述处理后的非结构化数据链接到数据库结点；并将上述处理后的结构化数据和上述处理后的非结构化数据转换为预定格式的SPO数据；将上述SPO数据推送到消息队列中，通过任务调度器自动调度消费组件，采用消费组件异步将上述消息队列中的上述SPO数据写入图数据库中；采用上述图数据库中的上述SPO数据构建得到知识图谱。

需要说明的是，本公开实施例提供了一套完整的、成熟的端到端的图谱构建方法；支持基础组件的选择和适配，如消息队列可选redis消息队列、kafka消息队列,图数据库可选NEO4J图数据库和BGraph图数据库等；将实体链接、信息抽取等独立出来，增加了构建过程的灵活性；将结构化数据和非结构化的数据以SPO数据的形式进行统一，有效地对全局数据进行处理；采用统一的任务调度器进行协调调度，保证图谱构建流程可以有条不絮、高效率进行。

需要说明的是，本实施例的可选或优选实施方式可以参见上述车辆的信息提示方法实施例中的相关描述，此处不再赘述。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。

实施例2

根据本公开实施例，还提供了一种用于实施上述知识图谱构建方法的装置实施例，图8是根据本公开第二实施例的知识图谱构建装置的结构示意图，如图8所示，上述知识图谱构建装置，包括：处理模块800、确定模块802、同步模块804和构建模块806，其中：

处理模块800，用于对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；

确定模块802，用于确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；

同步模块804，用于采用实体链接算法将所述SPO数据同步到图数据库；

构建模块806，用于采用所述图数据库中的所述SPO数据构建得到知识图谱。

在本公开实施例中，通过处理模块800，用于对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；确定模块802，用于确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；同步模块804，用于采用实体链接算法将所述SPO数据同步到图数据库；构建模块806，用于采用所述图数据库中的所述SPO数据构建得到知识图谱，达到了提供知识图谱构建的完整流程的目的，从而实现了提升知识图谱构建效率，简化构建步骤的技术效果，进而解决了相关技术中存在的知识图谱构建效率低，构建过程漫长且步骤繁杂的技术问题。

可选的，上述处理模块，包括：划分单元，用于根据上述初始数据的数据类型，将上述初始数据划分为结构化数据和非结构化数据，其中，上述结构化数据包括全结构化数据和半结构化数据；整合处理单元，用于对上述结构化数据进行数据整合处理，得到处理后的结构化数据，其中，上述数据整合处理包括：数据筛选及转换、数据清洗及过滤、单位换算、格式统一；抽取处理单元，用于对上述非结构化数据进行信息抽取处理，得到处理后的非结构化数据，其中，上述信息抽取处理用于抽取上述非结构化数据中的上述结点、上述结点属性、上述边、上述边属性。

可选的，上述确定模块，包括：获取单元，用于获取预先确定的SPO数据格式，其中，上述SPO数据格式基于构建上述结点或者上述边所需要的基本信息确定；格式转换单元，用于根据上述SPO数据格式，对上述处理后数据进行数据格式转换处理，得到上述SPO数据。

可选的，上述同步模块，包括：推送单元，用于采用所述实体链接算法将所述SPO数据推送到消息队列中；写入单元，用于采用消费组件异步将所述消息队列中的所述SPO数据写入图数据库中。需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

此处需要说明的是，上述处理模块800、确定模块802、同步模块804、构建模块806和对应于实施例1中的步骤S202至步骤S208，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。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。

实施例3

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、一种计算机程序产品以及一种知识图谱构建产品。

图9示出了可以用来实施本公开的实施例的示例电子设备900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9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

如上文所述，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如下知识图谱构建的方法步骤：对获取到的初始数据进行处理，得到处理后数据，其中，上述处理包括：整合处理或信息抽取处理，上述处理后数据包括：结点和结点属性，边和边属性；确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；采用实体链接算法将所述SPO数据同步到图数据库；采用所述图数据库中的所述SPO数据构建得到知识图谱。

由于通过对初始数据进行处理，例如，整合处理或信息抽取处理，得到与初始数据对应的结点和结点属性，边和边属性(处理后数据)，进而将该处理后数据进行格式转换确定与该处理后数据对应的SPO数据，以便于采用实体链接算法将该SPO数据同步到图数据库，即采用本公开实施例，通过对初始数据进行数据处理，即可实现同步至图数据库的目的，进而直接采用所述图数据库中的所述SPO数据构建得到知识图谱。

由此，本公开实施例，达到了提供知识图谱构建的完整流程的目的，从而实现了提升知识图谱构建效率，简化构建步骤的技术效果，进而解决了相关技术中存在的知识图谱构建效率低，构建过程漫长且步骤繁杂的技术问题。

此外，仍需要说明的是，如图9所示，设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理，例如方法对获取到的初始数据进行处理，得到处理后数据。例如，在一些实施例中，方法对获取到的初始数据进行处理，得到处理后数据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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的方法对获取到的初始数据进行处理，得到处理后数据的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法对获取到的初始数据进行处理，得到处理后数据。

根据本公开实施例，还提供了一种知识图谱构建产品，包括如上述的电子设备900。

根据本公开实施例，还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，上述计算机指令用于使上述计算机执行任一项上述的知识图谱构建方法。

根据本公开实施例，还提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现任一项上述的知识图谱构建方法。

本公开实施例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(非瞬时计算机可读存储介质)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 (12)

1.一种知识图谱构建方法，其特征在于，包括：

对获取到的初始数据进行处理，得到处理后数据，其中，所述处理包括：整合处理或信息抽取处理，所述处理后数据包括：结点和结点属性，边和边属性；

确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；

采用实体链接算法将所述SPO数据同步到图数据库；

采用所述图数据库中的所述SPO数据构建得到知识图谱。

2.根据权利要求1所述的方法，其特征在于，所述对获取到的初始数据进行处理，得到处理后数据，包括：

根据所述初始数据的数据类型，将所述初始数据划分为结构化数据和非结构化数据，其中，所述结构化数据包括全结构化数据和半结构化数据；

对所述结构化数据进行数据整合处理，得到处理后的结构化数据，其中，所述数据整合处理包括：数据筛选及转换、数据清洗及过滤、单位换算、格式统一；

对所述非结构化数据进行信息抽取处理，得到处理后的非结构化数据，其中，所述信息抽取处理用于抽取所述非结构化数据中的所述结点、所述结点属性、所述边、所述边属性。

3.根据权利要求1所述的方法，其特征在于，所述确定与所述处理后数据对应的SPO数据，包括：

获取预先确定的SPO数据格式，其中，所述SPO数据格式基于构建所述结点或者所述边所需要的基本信息确定；

根据所述SPO数据格式，对所述处理后数据进行数据格式转换处理，得到所述SPO数据。

4.根据权利要求1所述的方法，其特征在于，所述采用实体链接算法将所述SPO数据同步到图数据库，包括：

采用所述实体链接算法将所述SPO数据推送到消息队列中；

采用消费组件异步将所述消息队列中的所述SPO数据写入图数据库中。

5.一种知识图谱构建装置，其特征在于，包括：

处理模块，用于对获取到的初始数据进行处理，得到处理后数据，其中，所述处理包括：整合处理或信息抽取处理，所述处理后数据包括：结点和结点属性，边和边属性；

确定模块，用于确定与所述处理后数据对应的SPO数据，其中，所述SPO数据包括如下三元组信息：主语S、谓语P、宾语O；

同步模块，用于采用实体链接算法将所述SPO数据同步到图数据库；

构建模块，用于采用所述图数据库中的所述SPO数据构建得到知识图谱。

6.根据权利要求5所述的装置，其特征在于，所述处理模块，包括：

划分单元，用于根据所述初始数据的数据类型，将所述初始数据划分为结构化数据和非结构化数据，其中，所述结构化数据包括全结构化数据和半结构化数据；

整合处理单元，用于对所述结构化数据进行数据整合处理，得到处理后的结构化数据，其中，所述数据整合处理包括：数据筛选及转换、数据清洗及过滤、单位换算、格式统一；

抽取处理单元，用于对所述非结构化数据进行信息抽取处理，得到处理后的非结构化数据，其中，所述信息抽取处理用于抽取所述非结构化数据中的所述结点、所述结点属性、所述边、所述边属性。

7.根据权利要求5所述的装置，其特征在于，所述确定模块，包括：

获取单元，用于获取预先确定的SPO数据格式，其中，所述SPO数据格式基于构建所述结点或者所述边所需要的基本信息确定；

格式转换单元，用于根据所述SPO数据格式，对所述处理后数据进行数据格式转换处理，得到所述SPO数据。

8.根据权利要求5所述的装置，其特征在于，所述同步模块，包括：

推送单元，用于采用所述实体链接算法将所述SPO数据推送到消息队列中；

写入单元，用于采用消费组件异步将所述消息队列中的所述SPO数据写入图数据库中。

9.一种电子设备，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1-4中任一项所述的知识图谱构建方法。

10.一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1-4中任一项所述的知识图谱构建方法。

11.一种计算机程序产品，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1-4中任一项所述的知识图谱构建方法。

12.一种知识图谱构建产品，包括如权利要求9所述的电子设备。

Images