CN115878818B

CN115878818B - 一种地理知识图谱构建方法、装置、终端及存储介质

Info

Publication number: CN115878818B
Application number: CN202310141105.8A
Authority: CN
Inventors: 覃进千; 钟凯; 王勇; 李成伟; 周欣
Original assignee: Creative Information Technology Co ltd
Current assignee: Creative Information Technology Co ltd
Priority date: 2023-02-21
Filing date: 2023-02-21
Publication date: 2023-05-30
Anticipated expiration: 2043-02-21
Also published as: CN115878818A

Abstract

本发明公开了一种地理知识图谱构建方法、装置、终端及存储介质，装置包括数据采集子系统、实体关系抽取子系统、以及知识图谱展现子系统。其中数据采集子系统的作用在于获取目标数据，同时转化为后续工作所需的数据格式，将一些数据清除标签同时将一些数据转化成结构化的三元组作为种子语料使用；实体关系抽取，利用数据采集子系统获取的数据进行限定类型的关系抽取器的训练，把大量结构化和非结构化文本转化成关系三元组形式；知识图谱展现子系统利用图数据库neo4j来完成三元组关系存储，通过AntV G6图可视化引擎来渲染知识图谱以及图谱交互。本发明解决现有地质资料信息孤立的问题，填补了知识图谱在地理教学应用方面的空白。

Description

一种地理知识图谱构建方法、装置、终端及存储介质

技术领域

本发明涉及计算机软件技术领域，尤其涉及一种地理知识图谱构建方法、装置、终端及存储介质。

背景技术

信息化是指培养、发展以计算机为主的智能化工具为代表的新生产力，并使之造福于社会的历史过程。与智能化工具相适应的生产力，称为信息化生产力。

信息化以现代通信、网络、数据库技术为基础，对所研究对象各要素汇总至数据库，供特定人群生活、工作、学习、辅助决策等和人类息息相关的各种行为相结合的一种技术，使用该技术后，可以极大的提高各种行为的效率，并且降低成本，为推动人类社会进步提供极大的技术支持。

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。具体来说，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。知识图谱本质上是一种叫做语义网络（semantic network）的知识库，即具有有向图结构的一个知识库。通俗一点说：知识图谱是由实体、关系和属性组成的一种数据结构，一般由实体、关系及描述实体和关系的对应关系的三元组构成。

目前，在进行地理教学科研时，通常是各部门查阅地志信息均为查找书本或指定电脑上word方式查看。在学员学习过程中，经常无法及时查询资料，需要到指定电脑进行查看，或者审批借阅书本进行翻阅；教员在教学过程中，现场查询内容也十分不便，对有数据错误或者更新的不能及时的展现给学生；对于院系管理者，繁琐的审批借阅，使工作效率降低，对借阅信息的管理不能及时了解掌控。

当前通过信息化的手段能够实现部分地质资料信息的采集、存储、查询等基本服务，无法实现知识的关联关系，面对浩瀚的信息无法提取有效的教研知识。

发明内容

本发明的目的在于克服现有技术的不足，丰富教学科研活动，解决现有地质资料信息孤立的问题，提供一种地理知识图谱构建方法、装置、终端及存储介质，从地质资料数据采集、清洗、三元组抽取、语料训练、知识存储、知识查询到图谱渲染等一整套流程。

本发明的目的是通过以下技术方案来实现的：

一种地理知识图谱构建方法，包括以下步骤：

步骤一：收集百科中地理词条对应的高置信度数据，并进行处理，转换为结构化三元组。通过远程监督训练语料构建法，通过初始关系三元组，对百科数据进行回标处理，然后得到所需训练语料，降低人为选择，可以保证语料的客观和准确性；

步骤二：通过Python脚本提取地质资料电子书文本数据，再通过分词工具来处理文本自然语言，完成工作以后，所得数据即可进行实体关系抽取，成为地理知识图谱建立的数据源；

步骤三：通过n-pattern模式特征，提取上述所获得的训练语料，再次深入训练，即得到最大熵模型限定类型实体关系抽取器，在此基础上，通过抽取器，按照所要获得的关系类别，从百科文本里抽取所需三元组，为地理实体关系构建提供数据支持，将三元组数据存入Neo4j数据库；

步骤四：查找Neo4j数据库里的知识内容，通过Cypher语言中Match子句，并按照节点间存在的关联系，在数据库里找出和要求相一致的实体和对应的关系，然后封装成JSON数据通过RESTAPI传输到前端；

步骤五：前端解析JSON数据，通过递归算法判断每个节点的层级关系，即可对图谱图标、样式、类别和节点进行制定，再由AntVG6图可视化引擎来渲染知识图谱以及图谱交互。

进一步的，所述步骤一中的回标处理过程具体包括：

首先，为文本的输入，通过字符串匹配来分析这个句子中有没有存在扩展集合内的一些关系三元组，如果存在，就进行提取操作，同时将其添加到训练语料集合中，反之，舍弃；

其次，所有文本重复这个操作，实现训练语料的自动化构建。

进一步的，所述步骤三中通过n-pattern模式特征提取训练语料具体包括：

输入：n：训练语料句子合集A{a_{1}，a_{2}，a_{3}，...，a_{n}}

输出：pattern-n特征序列集T^{n}={t1^{n}，t2^{n}，t3^{n}，...}

步骤301：将训练语料集合中与词汇相关的信息出现数量统计出来，建立词频表；

步骤302：将空集T^(n)初始化，对该集合中各个句子的词汇数量统计出来；

步骤303：将初始值设置成N，按顺序筛选各个句子中的词汇，当筛选到L-N个词即不再继续；

步骤304：提取得到首项，若为实体，或是词频小于最小词频f_{min}，则可提取这一词性标注；

步骤305：提取序列的n-1元模式，和上一步的首项相结合，得到pattern-n。

进一步的，所述步骤五中的递归算法判断每个节点的层级关系，并渲染知识图谱以及图谱交互具体包括：

步骤S501：根据用户在界面输入的关键词查询该关键词对应的id，如果不存在提示相应的信息，存在则返回 id；

步骤S502：根据搜索关键词id查该关键词所有的子结点数据，并封装成json数据返回前端；

步骤S503：前端解析json数据，获取结点数据；

步骤S504：以搜索关键词id为顶层结点，深度遍历json数据，判断每个节点的层级关系，对图谱图标、样式、类别、节点进行制定；

步骤S505：通过AntV G6图可视化引擎来渲染知识图谱以及图谱交互。

一种地理知识图谱构建装置，包括数据采集子系统、实体关系抽取子系统以及知识图谱展现子系统：

所述数据采集子系统，用于获取目标数据，同时转化为后续工作所需的数据格式，将一些数据清除标签同时将一些数据转化成结构化的三元组作为种子语料使用；

实体关系抽取子系统，用于根据数据采集子系统获取的数据进行限定类型的关系抽取器的训练，把大量结构化和非结构化文本转化成关系三元组形式；

知识图谱展现子系统，用于通过图数据库neo4j来完成三元组关系存储，通过AntVG6图可视化引擎来渲染知识图谱以及图谱交互。

一种终端，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现所述的地理知识图谱构建方法的步骤。

存储介质，所述存储介质上存储有计算机程序，该程序被处理器执行时实现所述的地理知识图谱构建方法的步骤。

本发明的有益效果：本发明了解决现有地质资料信息孤立的问题，基于地理知识图谱的搜索结果是地理知识的形式化表达，可将地理环境、地理实体、语义要素等资源进行融合和关联，以地理实体的形式对地理知识实现语义搜索和查询，在统一视图里进行管控，有助于提高教学科研服务水平。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明的方法总体流程图。

图2是本发明的递归算法遍历图谱。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本实施例中，如图1所示，一种地理知识图谱构建方法，包括以下步骤：

在本实施例中，所述步骤一中的回标处理过程具体包括：

在本实施例中，所述步骤三中通过n-pattern模式特征提取训练语料具体包括：

输入：n：训练语料句子合集A{a_{1}，a_{2}，a_{3}，...，a_{n}}

输出：pattern-n特征序列集T^{n}={t1^{n}，t2^{n}，t3^{n}，...}

在本实施例中，如图2所示，所述步骤五中的递归算法判断每个节点的层级关系，并渲染知识图谱以及图谱交互具体包括：

步骤S503：前端解析json数据，获取结点数据；

另一方面，本申请实施例提供了一种地理知识图谱构建装置，包括数据采集子系统、实体关系抽取子系统以及知识图谱展现子系统：

另一方面，本申请实施例提供了一种终端，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现所述的地理知识图谱构建方法的步骤。

另一方面，本申请实施例提供了存储介质，所述存储介质上存储有计算机程序，该程序被处理器执行时实现所述的地理知识图谱构建方法的步骤。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、ROM、RAM等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims

1.一种地理知识图谱构建方法，其特征在于，包括以下步骤：

步骤一：收集百科中地理词条对应的高置信度数据，并进行处理，转换为结构化三元组，通过远程监督训练语料构建法，通过初始关系三元组，对百科数据进行回标处理，然后得到所需训练语料；所述步骤一中的回标处理过程具体包括：

首先，输入文本，通过字符串匹配来分析这个文本中有没有存在扩展集合内的一些关系三元组，如果存在，就进行提取操作，同时将其添加到训练语料集合中，反之，舍弃；

其次，所有文本重复这个操作，实现训练语料的自动化构建；

步骤四：查找Neo4j数据库里的知识内容，通过Cypher语言中Match子句，并按照节点间存在的联系，在数据库里找出和要求相一致的实体和对应的关系，然后封装成JSON数据通过RESTAPI传输到前端；

步骤五：前端解析JSON数据，通过递归算法判断每个节点的层级关系，即可对图谱图标、样式、类别和节点进行制定，再由AntVG6图可视化引擎来渲染知识图谱以及图谱交互；所述步骤五中的递归算法判断每个节点的层级关系，并渲染知识图谱以及图谱交互具体包括：

步骤S503：前端解析json数据，获取结点数据；

2.根据权利要求1所述的一种地理知识图谱构建方法，其特征在于，所述步骤三中通过n-pattern模式特征提取训练语料具体包括：

输入：n：训练语料句子合集A{a_{1}，a_{2}，a_{3}，...，a_{n}}

输出：pattern-n特征序列集T^{n}={t1^{n}，t2^{n}，t3^{n}，...}

步骤302：将空集T^(n)初始化，对该语料集合中各个句子的词汇数量统计出来；

3.一种地理知识图谱构建装置，其特征在于，所述地理知识图谱构建装置应用了如权利要求1~2中任一所述的一种地理知识图谱构建方法，包括数据采集子系统、实体关系抽取子系统以及知识图谱展现子系统：

知识图谱展现子系统，用于通过图数据库neo4j来完成三元组关系存储，通过AntV G6图可视化引擎来渲染知识图谱以及图谱交互。

4.一种终端，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序，所述控制程序被所述处理器执行时实现如权利要求1至2中任一项所述的地理知识图谱构建方法的步骤。

5.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，该程序被处理器执行时实现如权利要求1至2中任一项所述的地理知识图谱构建方法的步骤。