CN115292506A - 应用于办公领域的知识图谱本体构建方法和装置 - Google Patents
应用于办公领域的知识图谱本体构建方法和装置 Download PDFInfo
- Publication number
- CN115292506A CN115292506A CN202210727101.3A CN202210727101A CN115292506A CN 115292506 A CN115292506 A CN 115292506A CN 202210727101 A CN202210727101 A CN 202210727101A CN 115292506 A CN115292506 A CN 115292506A
- Authority
- CN
- China
- Prior art keywords
- office
- domain
- data
- concept
- knowledge graph
- 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.)
- Pending
Links
Images
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种应用于办公领域的知识图谱本体构建方法、装置、电子设备和存储介质,涉及人工智能技术领域,尤其涉及知识图谱技术领域。具体实现方案为:获取办公领域数据,其中,办公领域数据表征应用于办公场景的数据;对办公领域数据进行数据抽取,得到抽取结果,其中,抽取结果包括:领域术语、概念和至少两个概念之间的关联关系,领域术语用于表征办公领域内的词语,概念用于表征办公领域内领域术语共有的属性;基于抽取结果构建办公领域数据对应的知识图谱本体。本公开可自动构建知识图谱本体,达到了提高知识图谱本体构建效率的技术效果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及知识图谱技术领域,具体涉及一种应用于办公领域的知识图谱本体构建方法、装置、电子设备和存储介质。
背景技术
知识图谱是利用语义网络对客观世界标识的一种形式,本体可以作为一个知识库的骨架与基础,因此,知识图谱本体的构建对于特定领域中知识的获取有着至关重要的作用。
现有的本体构建方法中,依赖于人工本体专家来构建知识图谱,但本体专家在构建中可能带有强烈的主观性,且效率低下。
发明内容
本公开提供了一种应用于办公领域的知识图谱本体构建方法、装置、电子设备和存储介质。
根据本公开的第一方面,提供了一种应用于办公领域的知识图谱本体构建方法,包括:获取办公领域数据,其中,办公领域数据表征应用于办公场景的数据;对办公领域数据进行数据抽取,得到抽取结果,其中,抽取结果包括:领域术语、概念和至少两个概念之间的关联关系,领域术语用于表征办公领域内的词语,概念用于表征办公领域内领域术语共有的属性;基于抽取结果构建办公领域数据对应的知识图谱本体。
根据本公开的第二方面,提供了一种应用于办公领域的知识图谱本体构建装置,包括:第一获取模块,用于获取办公领域数据,其中,办公领域数据表征应用于办公场景的数据;抽取模块,用于对办公领域数据进行数据抽取,得到抽取结果,其中,抽取结果包括:领域术语、概念和至少两个概念之间的关联关系,领域术语用于表征办公领域内的词语,概念用于表征办公领域内领域术语共有的属性;构建模块,用于基于抽取结果构建办公领域数据对应的知识图谱本体。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面中应用于办公领域的知识图谱本体构建方法中任一项的方法。
根据本公开的第四方面,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第一方面中应用于办公领域的知识图谱本体构建方法中任一项的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现第一方面中应用于办公领域的知识图谱本体构建方法中任一项的方法。
在本公开的上述实施例中,提供了一种可以提高知识图谱本体构建效率的一种应用于办公领域的知识图谱本体构建方法、装置、电子设备和存储介质。
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是根据本公开实施例的一种应用于办公领域的知识图谱本体构建方法的流程图;
图2是根据本公开优选实施例的一种应用于办公领域的知识图谱本体构建方法的流程图;
图3是根据本公开实施例的一种应用于办公领域的知识图谱本体构建装置的结构示意图;
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。
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。
本公开所提供的一种可以提高知识图谱本体构建效率的一种应用于办公领域的知识图谱本体构建方法、装置、电子设备和存储介质,可应用于产品的搜索场景、推荐场景,实现办公数字化和人工智能化。下面以搜素场景举例。
传统的搜索引擎技术虽然能够根据用户查询快速排序网页,提高信息检测的效率,但并不意味着用户能够快速准确的获知信息,对于搜索引擎反馈的大量搜索结果,用户需要人工筛选和排查搜索结果获取所需,用户难以快速准确地获取所需的信息。而应用了知识图谱的搜索引擎,对于搜索到的网页,可以从网页中抽取出实体及其属性信息,以及实体间的关系,从而解决与实体相关的智能问答问题,进而解决传统搜索引擎搜索准确低的技术效果。
其次,知识图谱本体可以作为一个知识库的骨架和基础。现有的知识图谱本体构建方式中,主要是通过手工构建或复用已有的知识图谱本体。但手工构建知识图谱本体依赖的人力成本较高,缺乏灵活性,且效率低下,此外,不同的专家对一些概念认知不同,对一些概念的认知会带有强烈的主观性,导致构建的知识图谱本体无法得到其他专家的认可。
图1是根据本公开实施例的一种应用于办公领域的知识图谱本体构建方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取办公领域数据,其中,办公领域数据表征应用于办公场景的数据。
具体地,办公领域的数据包括但不限于与办公场景相关的结构化数据、非结构化数据和半结构化数据,其中,结构化数据包括关系型数据库中所存储的数据,非结构化数据包括图片数据、音频数据和视频数据,半结构化数据包括XML格式数据和JSON格式数据等。
步骤S104,对办公领域数据进行数据抽取,得到抽取结果,其中,抽取结果包括:领域术语、概念和至少两个概念之间的关联关系,领域术语用于表征办公领域内的词语,概念用于表征办公领域内领域术语共有的属性。
具体地,领域术语可以是包含办公领域特征的、描述办公领域的词语,例如:员工、岗位、团队和文档等,在本质上,领域术语是办公领域数据中的实体。概念用于表征领域术语都具有的一些特征,在本质上,概念是领域术语的共有的属性,例如:领域数据包括:经理、工程师和助理,则概念可以是员工。概念之间的关联关系表征概念之间的关系,例如,概念包括员工和项目,则他们之间的关系可以是员工推进项目,员工完成项目等。
在一个可选实施例中,本公开可以采用如下至少之一的方式从办公领域数据中进行抽取,得到领域术语的。其一,利用TF-IDF((term frequency-inverse documentfrequency,词频-逆文档频率)算法以及C-value算法统计每个词语的频率,即词频,并计算词语可能是领域术语的概率,再基于词频和词语可能是领域术语的概率确定作为候选领域术语的第一领域术语。其二,利用随机漫步算法对办公领域数据中的词语进行权重分配,该权重分配表征词语与办公领域间的关联程度,并基于关联程度确定第二领域术语。其三,对办公领域数据总的语句进行句法分析,得到句法分析结果,并根据此句法分析结果,确定第三领域术语。
在通过以上方式对办公领域数据进行抽取,得到作为候选领域术语的第一领域术语、第二领域术语和第三领域术语后,根据上述第一领域术语、第二领域术语和第三领域术语的获取方式和预设权重阈值对第一领域术语、第二领域术语和第三领域术语进行筛选,得到领域术语的词语候选集,最后,再对词语候选集进行人工校验,得到领域术语。
在一个可选实施例中,可以采用K-means(K均值)算法和马尔科夫聚类算法对领域术语进行聚类,得到聚类结果,基于聚类结果确定概念。
在一个可选实施例中,利用概念间的共现信息、字符串匹配信息和上下文信息进行相似度计算,然后基于该相似度对概念之间的关联关系进行类型分配,并确定具体的概念之间的关联关系。
步骤S106,基于抽取结果构建办公领域数据对应的知识图谱本体。
具体的,上述知识图谱本体可以用于表征办公领域数据的框架,在得到抽取结果后,抽取结果中的信息可能包含冗余和错误的信息,需要经过知识融合处理,以消除概念的歧义、剔除冗余和错误概念,从而确保知识的质量。然后,基于经过知识融合处理的抽取结果进行编辑,构建办公领域数据对应的知识图谱本体。
在上述实施例中,通过获取办公领域数据后,对办公领域数据进行抽取,得到抽取结果,基于抽取结果自动构建办公领域数据对应的知识图谱本体,不再依赖于专家人工构建本体,进而达到了提高知识图谱本体构建效率的技术效果。
可选地,对办公领域数据进行数据抽取,得到领域术语包括如下至少之一:对办公领域数据中包含的每个词语的词频进行统计,得到每个词语的目标概率,并基于目标概率对办公领域数据进行筛选,得到第一领域术语,其中,目标概率用于表征每个词语为领域术语的概率;确定每个词语的目标权重,并基于目标权重对办公领域数据进行筛选,得到第二领域术语,其中,目标权重用于表征每个词语与办公领域的关联程度;对办公领域包含的语句进行句法分析,得到句法分析结果,并基于句法分析结果对办公领域数据进行筛选,得到第三领域术语;根据第一领域术语、第二领域术语和第三领域术语,获得领域术语。
具体地,上述每个词汇的目标概率可以是每个词语可能是办公领域的领域术语的概率,并且,可以采用TF-IDF算法和C-value算法对办公领域数据进行词频处理,得到第一领域术语。上述目标权重可以反馈词语与办公领域之间的关联程度,并且,可以采用随机漫步算法对办公领域中的每个词汇进行权重分配,并基于目标权重对办公领域数据中的词语进行筛选,例如,选择目标权重高于预设阈值的词语作为候选领域术语,得到第二领域术语。在本公开中,还可以对办公领域中的语句进行语法分析,得到句法分析结果,并基于句法分析结果对办公领域数据进行筛选,得到第三领域术语。在通过以上至少一种方式抽取得到相应的领域术语后后,根据上述第一领域术语、第二领域术语和第三领域术语的获取方式和预设权重阈值对第一领域术语、第二领域术语和第三领域术语进行筛选,得到领域术语的词语候选集,最后,再对词语候选集进行人工校验,得到领域术语。
在上述可选实施例中,可以通过至少一种方式筛选领域术语,使得所筛选出的领域术语更精准,进而达到提高知识图谱本体构建效率的技术效果。
可选地,对办公领域数据进行数据抽取,得到概念,包括:对领域术语进行聚类处理,得到至少一个聚类结果;基于至少一个聚类结果,得到至少一个概念。
具体地,可以采用K-means(K均值)算法和马尔科夫聚类算法对领域术语进行聚类,得到聚类结果,该聚类结果中包含聚类成功的类,可以表征概念。
在上述可选实施例中,基于领域术语,可以通过聚类算法自动化,确定概念,达到了提高知识图谱本体构建效率的技术效果。
可选地,概念包括第一概念和第二概念,对办公领域数据进行数据抽取,得到概念之间的关联关系包括:确定第一概念和第二概念之间的相似度;根据第一概念和第二概念之间的相似度,得到第一概念和第二概念之间的关联关系。
具体地,上述相似度可以通过利用概念间的共现信息、字符串匹配信息和上下文信息所确定,其中,上述共现信息包括但不限于共现矩阵,然后,基于该相似度对概念之间的关联关系进行类型分配,并确定具体的概念之间的关联关系。
在上述可选实施例中,可以通过相似度自动化从概念信息中提取出概念之间的关系,达到了提高知识图谱本体构建效率的技术效果。
可选地,确定第一概念和第二概念之间的相似度包括如下之一:基于第一概念和第二概念分别在第一目标文本中出现的频率,得到相似度,其中,第一目标文本用于表征办公领域数据中的文献数据;对第一概念对应的第一字符串和第二概念对应的第二字符串进行匹配,得到相似度;获取第二目标文本,基于第二目标文本,得到相似度,其中,第二目标文本用于表征办公领域数据中包括概念的语句。
具体地,上述基于第一概念和第二概念分别在第一目标文本中出现的频率的过程是共现分析的过程,共现分析是将各种信息载体中的共现信息定量化分析的方法。上述对第一概念对应的第一字符串和第二概念对应的第二字符串进行匹配的过程本质上是进行字符串匹配,从而得到相似度。需要说明的是,第一字符串和第二字符串可以为同一字符串。上述第二目标文本本质上是概念的上下文信息。
在上述可选实施例中,可以通过至少一种方式筛选领域术语,使得所筛选出的领域术语更精准,且可以适应更多的使用环境,进而达到提高知识图谱本体构建效率的技术效果。
可选地,基于抽取结果构建办公领域数据对应的知识图谱本体包括:获取办公领域的预设知识图谱本体;基于预设知识图谱本体和抽取结果,构建知识图谱本体。
具体地,上述预设知识图谱本体可以是办公领域内专家的已经构建的知识图谱本体,然后,结合本次的抽取结果,构建新的知识图谱本体。此外,也可以火球办公领域内一些已有的专家理解,包括办公领域的领域数据和概念等,将用于在此次知识图谱本体的构建。
在上述可选实施例中,通过结合预设知识图谱本体构建知识图谱,使得所构建的知识图谱本体更加精确,进而达到了提高知识图谱本体的准确率的技术效果。
可选地,该方法还包括:获取多个领域的应用数据,其中,多个领域至少包括:办公领域;基于应用数据对知识图谱本体进行评估,得到目标评估结果,其中,目标评估结果用于表征利用知识图谱本体得到的语义识别结果的精确程度。
具体地,质量评估也是知识图谱构建的重要组成部分,在构建知识图谱本体的过程中,会将知识图谱应用于办公领域中不同的业务场景,即上述多个领域的应用数据,可以获取该知识图谱本体应用在不同业务场景中的应用数据对知识图谱的目标评估结果,并基于该目标评估结果对知识图谱本体进行改进。上述多个领域的应用数据表征办公领域中不同的业务场景。
在上述可选实施例中,通过对知识图谱本体进行评估,得到后续改进知识图谱本体的方向,以便于后续对知识图谱本体的构建方法进行改进,进而可以达到提高知识图谱本体构建效率的技术效果。
可选地,基于应用数据对知识图谱本体进行评估,得到目标评估结果,包括:基于多个领域的应用数据对知识图谱本体进行评估,得到知识图谱本体对应的评估指标;基于预设阈值和评估指标,得到目标评估结果。
具体地,本公开为满足用户根据自身业务需求灵活的选择质量评估函数,提供了多种质量评估参数。上述评估指标可以包括但不限于准确率、召回率和F1值。上述预设阈值可以是结合实际需求对设立的,然后,根据评估指标与预设阈值之间的大小关系,确定知识图谱本体的构建效果,即上述目标评估结果。
在上述可选实施例中,通过对知识图谱本体进行评估,得到后续改进知识图谱本体的方向,以便于后续对知识图谱本体的构建方法进行改进,进而可以达到提高知识图谱本体构建效率的技术效果。
在本公开一个优选实施例中,如图2所示,知识图谱本体的构建包括知识获取(办公领域)模块、领域术语抽取模块、概念抽取模块、关系抽取模块、本体形成模块和本体评价模块。知识获取(办公领域)模块用于获取办公领域数据;领域术语抽取模块用于对办公领域数据进行数据抽取,得到领域术语包括如下至少之一:对办公领域数据中包含的每个词语的词频进行统计,得到每个词语的目标概率,并基于目标概率对办公领域数据进行筛选语,得到领域术语,其中,目标概率用于表征每个词语为领域术语的概率;确定每个词语的目标权重,并基于目标权重对办公领域数据进行筛选,得到领域术语,其中,目标权重用于表征每个词语与办公领域的关联程度;对办公领域包含的语句进行句法分析,得到句法分析结果,并基于句法分析结果对办公领域数据进行筛选,得到领域术语;概念抽取模块用于对领域术语进行聚类处理,得到至少一个聚类结果;基于至少一个聚类结果,得到至少一个概念。关系抽取模块,用于对办公领域数据进行数据抽取,得到概念之间的关联关系包括:确定概念之间的相似度;根据概念之间的相似度,得到概念之间的关联关系。本体形成模块,用于基于抽取结果构建办公领域数据对应的知识图谱本体包括:获取办公领域的预设知识图谱本体;基于预设知识图谱本体和抽取结果,构建知识图谱本体。本体评价模块,用于获取多个领域的应用数据,其中,多个领域至少包括:办公领域;基于应用数据对知识图谱本体进行评估,得到目标评估结果。
根据本公开实施例,还提供了一种应用于办公领域的知识图谱本体构建装置的实施例,本实施例中具体的实施方式与可选的实施例与上述实施例中相似或者相同,在此不做赘述。
图3是根据本公开实施例的一种应用于办公领域的知识图谱本体构建装置的结构示意图,如图3所示,该装置包括:
第一获取模块30,用于获取办公领域数据,其中,办公领域数据表征应用于办公场景的数据。
抽取模块32,用于对办公领域数据进行数据抽取,得到抽取结果,其中,抽取结果包括:领域术语、概念和至少两个概念之间的关联关系,领域术语用于表征办公领域内的词语,概念用于表征办公领域内领域术语共有的属性。
构建模块34,用于基于抽取结果构建办公领域数据对应的知识图谱本体。
在本公开上述实施例中,通过获取办公领域数据后,对办公领域数据进行抽取,得到抽取结果,基于抽取结果自动构建办公领域数据对应的知识图谱本体,不再依赖于专家人工构建知识图谱本体,进而达到了提高知识图谱本体构建效率的技术效果。
可选地,抽取模块包括:第一抽取单元,用于对办公领域数据中包含的每个词语的词频进行统计,得到每个词语的目标概率,并基于目标概率对办公领域数据进行筛选,得到第一领域术语,其中,目标概率用于表征每个词语为领域术语的概率;第二抽取单元,确定每个词语的目标权重,并基于目标权重对办公领域数据进行筛选,得到第二领域术语,其中,目标权重用于表征每个词语与办公领域的关联程度;第三抽取单元,对办公领域包含的语句进行句法分析,得到句法分析结果,并基于句法分析结果对办公领域数据进行筛选,得到第三领域术语;筛选单元,用于根据第一领域术语、第二领域术语和第三领域术语,获得领域术语。
可选地,抽取模块包括:聚类单元,用于对领域术语进行聚类处理,得到至少一个聚类结果;概念单元,用于基于至少一个聚类结果,得到至少一个概念。
可选地,概念包括第一概念和第二概念,抽取模块包括:相似度单元,用于确定第一概念和第二概念之间的相似度;关系单元,用于根据第一概念和第二概念之间的相似度,得到第一概念和第二概念之间的关联关系。
可选地,相似度单元包括:第一相似度子单元,用于基于第一概念和第二概念分别在第一目标文本中出现的频率,得到相似度,其中,第一目标文本用于表征办公领域数据中的文献数据;第二相似度子单元,用于对第一概念对应的第一字符串和第二概念对应的第二字符串进行匹配,得到相似度;第三相似度子单元,用于获取第二目标文本,基于第二目标文本,得到相似度,其中,第二目标文本用于表征办公领域数据中包括概念的语句。
可选地,抽取模块包括:预设知识图谱本体获取单元,用于获取办公领域的预设知识图谱本体;知识图谱本体构建单元,用于基于预设知识图谱本体和抽取结果,构建知识图谱本体。
可选地,该装置还包括:第二获取模块,用于获取多个领域的应用数据,其中,多个领域至少包括:办公领域;评估模块,用于基于应用数据对知识图谱本体进行评估,得到目标评估结果,其中,目标评估结果用于表征利用知识图谱本体得到的语义识别结果的准确程度。
可选地,评估模块包括:第一评估单元,用于基于多个领域的应用数据对知识图谱本体进行评估,得到知识图谱对应的评估指标第二评估单元,用于预设阈值和评估指标,得到知识图谱本体的目标评估结果。
根据本公开的实施例,本公开还提供了一种电子设备、一种存储有计算机指令的非瞬时计算机可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400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4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理,例如应用于办公领域的知识图谱本体构建方法。例如,在一些实施例中,应用于办公领域的知识图谱本体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408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的应用于办公领域的知识图谱本体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401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行应用于办公领域的知识图谱本体构建方法。
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)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 (19)
1.一种应用于办公领域的知识图谱本体构建方法,包括:
获取办公领域数据,其中,所述办公领域数据表征应用于办公场景的数据;
对所述办公领域数据进行数据抽取,得到抽取结果,其中,所述抽取结果包括:领域术语、概念和至少两个所述概念之间的关联关系,所述领域术语用于表征办公领域内的词语,所述概念用于表征办公领域内领域术语共有的属性;
基于所述抽取结果构建所述办公领域数据对应的知识图谱本体。
2.根据权利要求1所述的方法,其中,对所述办公领域数据进行数据抽取,得到所述领域术语包括:
对所述办公领域数据中包含的每个词语的词频进行统计,得到所述每个词语的目标概率,并基于所述目标概率对所述办公领域数据进行筛选,得到第一领域术语,其中,所述目标概率用于表征所述每个词语为所述领域术语的概率;
确定所述每个词语的目标权重,并基于所述目标权重对所述办公领域数据进行筛选,得到第二领域术语,其中,所述目标权重用于表征所述每个词语与办公领域的关联程度;
对所述办公领域数据包含的语句进行句法分析,得到句法分析结果,并基于所述句法分析结果对所述办公领域数据进行筛选,得到第三领域术语;
根据所述第一领域术语、所述第二领域术语和所述第三领域术语,获得所述领域术语。
3.根据权利要求1所述的方法,其中,对所述办公领域数据进行数据抽取,得到所述概念,包括:
对所述领域术语进行聚类处理,得到至少一个聚类结果;
基于所述至少一个聚类结果,得到至少一个所述概念。
4.根据权利要求1或3所述的方法,其中,所述概念包括第一概念和第二概念,对所述办公领域数据进行数据抽取,得到所述概念之间的关联关系包括:
确定第一概念和第二概念之间的相似度;
根据所述第一概念和所述第二概念之间的相似度,得到所述第一概念和所述第二概念之间的关联关系。
5.根据权利要求4所述的方法,其中,确定所述第一概念和所述第二概念之间的相似度包括如下之一:
基于所述第一概念和所述第二概念分别在第一目标文本中出现的频率,得到所述相似度,其中,所述第一目标文本用于表征所述办公领域数据中的文献数据;
对所述第一概念对应的第一字符串和所述第二概念对应的第二字符串进行匹配,得到所述相似度;
获取第二目标文本,基于所述第二目标文本,得到所述相似度,其中,所述第二目标文本用于表征所述办公领域数据中包括所述概念的语句。
6.根据权利要求1所述的方法,其中,基于所述抽取结果构建所述办公领域数据对应的知识图谱本体包括:
获取办公领域的预设知识图谱本体;
基于所述预设知识图谱本体和所述抽取结果,构建所述知识图谱本体。
7.根据权利要求1至6中任意一项所述的方法,所述方法还包括:
获取多个领域的应用数据,其中,所述多个领域至少包括:所述办公领域;
基于所述应用数据对所述知识图谱本体进行评估,得到目标评估结果,其中,所述目标评估结果用于表征利用所述知识图谱本体得到的语义识别结果的准确程度。
8.根据权利要求7所述的方法,基于所述应用数据对所述知识图谱本体进行评估,得到目标评估结果,包括:
基于所述多个领域的应用数据对所述知识图谱本体进行评估,得到所述知识图谱本体对应的评估指标;
基于预设阈值和所述评估指标,得到所述目标评估结果。
9.一种应用于办公领域的知识图谱本体构建装置,包括:
第一获取模块,用于获取办公领域数据,其中,所述办公领域数据表征应用于办公场景的数据;
抽取模块,用于对所述办公领域数据进行数据抽取,得到抽取结果,其中,所述抽取结果包括:领域术语、概念和至少两个所述概念之间的关联关系,所述领域术语用于表征办公领域内的词语,所述概念用于表征办公领域内领域术语共有的属性;
构建模块,用于基于所述抽取结果构建所述办公领域数据对应的知识图谱本体。
10.根据权利要求9所述的装置,其中,所述抽取模块包括:
第一抽取单元,用于对所述办公领域数据中包含的每个词语的词频进行统计,得到所述每个词语的目标概率,并基于所述目标概率对所述办公领域数据进行筛选,得到所述领域术语,其中,所述目标概率用于表征所述每个词语为领域术语的概率;
第二抽取单元,确定所述每个词语的目标权重,并基于所述目标权重对所述办公领域数据进行筛选,得到第二领域术语,其中,所述目标权重用于表征所述每个词语与办公领域的关联程度;
第三抽取单元,对所述办公领域数据包含的语句进行句法分析,得到句法分析结果,并基于所述句法分析结果对所述办公领域数据进行筛选,得到第三领域术语;
筛选单元,用于根据所述第一领域术语、所述第二领域术语和所述第三领域术语,获得所述领域术语。
11.根据权利要求9所述的装置,其中,所述抽取模块包括:
聚类单元,用于对所述领域术语进行聚类处理,得到至少一个聚类结果;
概念单元,用于基于所述至少一个聚类结果,得到至少一个所述概念。
12.根据权利要求9或11所述的装置,其中,所述抽取模块包括:
相似度单元,用于确定第一概念和第二概念之间的相似度;
关系单元,用于根据所述第一概念和所述第二概念之间的相似度,得到第一概念和所述第二概念之间的关联关系。
13.根据权利要求12所述的装置,其中,所述相似度单元包括:
第一相似度子单元,用于基于所述第一概念和所述第二概念在第一目标文本中出现的频率,得到所述相似度,其中,所述第一目标文本用于表征所述办公领域数据中的文献数据;
第二相似度子单元,用于第一概念对应的第一字符串和所述第二概念对应的第二字符串进行匹配,得到所述相似度;
第三相似度子单元,用于获取第二目标文本,基于所述第二文本,得到所述相似度,其中,所述第二目标文本用于表征所述办公领域数据中包括所述概念的语句。
14.根据权利要求9所述的装置,其中,所述抽取模块包括:
预设知识图谱本体获取单元,用于获取办公领域的预设知识图谱本体;
知识图谱本体构建单元,用于基于所述预设知识图谱本体和所述抽取结果,构建所述知识图谱本体。
15.根据权利要求9-14中任意一项所述的装置,所述装置还包括:
第二获取模块,用于获取多个领域的应用数据,其中,所述多个领域至少包括:所述办公领域;
评估模块,用于基于所述应用数据对所述知识图谱本体进行评估,得到目标评估结果,其中,所述目标评估结果用于表征利用所述知识图谱本体得到的语义识别结果的准确程度。
16.根据权利要求15所述的装置,其中,所述评估模块包括:
第一评估单元,用于基于所述办公领域的第一应用数据对所述知识图谱本体进行评估,得到所述知识图谱本体对应的评估指标;
第二评估单元,用于基于预设阈值和所述评估指标,得到所述目标评估结果。
17.一种电子设备,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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
19.一种计算机程序产品,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1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727101.3A CN115292506A (zh) | 2022-06-24 | 2022-06-24 | 应用于办公领域的知识图谱本体构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727101.3A CN115292506A (zh) | 2022-06-24 | 2022-06-24 | 应用于办公领域的知识图谱本体构建方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115292506A true CN115292506A (zh) | 2022-11-04 |
Family
ID=83819598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210727101.3A Pending CN115292506A (zh) | 2022-06-24 | 2022-06-24 | 应用于办公领域的知识图谱本体构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292506A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116069948A (zh) * | 2023-01-17 | 2023-05-05 | 人民网股份有限公司 | 内容风控知识库构建方法、装置、设备及存储介质 |
-
2022
- 2022-06-24 CN CN202210727101.3A patent/CN115292506A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116069948A (zh) * | 2023-01-17 | 2023-05-05 | 人民网股份有限公司 | 内容风控知识库构建方法、装置、设备及存储介质 |
CN116069948B (zh) * | 2023-01-17 | 2024-01-09 | 人民网股份有限公司 | 内容风控知识库构建方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709247A (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113032673A (zh) | 资源的获取方法、装置、计算机设备及存储介质 | |
CN113986864A (zh) | 日志数据处理方法、装置、电子设备及存储介质 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN113392920B (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN112906368B (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
CN112560425B (zh) | 模板生成方法、装置、电子设备及存储介质 | |
CN112148841B (zh) | 一种对象分类以及分类模型构建方法和装置 | |
CN115292506A (zh) | 应用于办公领域的知识图谱本体构建方法和装置 | |
CN113609100A (zh) | 数据存储方法、数据查询方法、装置及电子设备 | |
CN114118049B (zh) | 信息获取方法、装置、电子设备及存储介质 | |
KR20220024251A (ko) | 이벤트 라이브러리를 구축하는 방법 및 장치, 전자 기기, 및 컴퓨터 판독가능 매체 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN113641724A (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
CN114492409B (zh) | 文件内容的评价方法、装置、电子设备及程序产品 | |
CN114861062B (zh) | 信息过滤方法和装置 | |
CN113205384B (zh) | 文本处理方法、装置、设备以及存储介质 | |
CN116089459B (zh) | 数据检索方法、装置、电子设备及存储介质 | |
CN114861676A (zh) | 段落抽取方法、装置和电子设备 | |
CN117093601A (zh) | 结构化数据的召回方法、装置、设备及介质 |
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 |