CN116186287A - 企业知识图谱构建方法、装置、设备、介质及产品 - Google Patents
企业知识图谱构建方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN116186287A CN116186287A CN202310142852.3A CN202310142852A CN116186287A CN 116186287 A CN116186287 A CN 116186287A CN 202310142852 A CN202310142852 A CN 202310142852A CN 116186287 A CN116186287 A CN 116186287A
- Authority
- CN
- China
- Prior art keywords
- entity
- target
- enterprise
- structured
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种企业知识图谱构建方法、装置、设备、介质及产品。该企业知识图谱构建方法包括:从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;基于RDF数据,构建与多个实体类型分别对应的结构化标签集合;将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像;基于实体画像构建与目标企业对应的企业知识图谱。根据本申请实施例,可以能够精简存储空间,并便于企业用户区分和理解不同类型的实体。
Description
技术领域
本申请属于知识图谱技术领域,尤其涉及一种企业知识图谱构建方法、装置、设备、介质及产品。
背景技术
知识图谱是通过构建实体与关系的语义网络将大规模数据和知识进行整合、交叉关联和分析比对,对数据进行深度挖掘,支撑知识的智能化理解表示、推理、检索和服务,向企业用户提供智能的迭代分析能力。
目前,针对企业的数据信息,在通过提取数据关键信息构建的企业知识图谱中,各个实体都对应有大量复杂的描述信息,导致企业知识图谱中信息过载,并且复杂的描述信息对于企业用户来说不便于理解。
发明内容
本申请实施例提供一种企业知识图谱构建方法、装置、设备、介质及产品,能够精简存储空间,并便于企业用户区分和理解不同类型的实体。
第一方面,本申请实施例提供一种企业知识图谱构建方法,该方法包括:
从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
基于RDF数据,构建与多个实体类型分别对应的结构化标签集合;
将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像;
基于实体画像构建与目标企业对应的企业知识图谱。
第二方面,本申请实施例提供了一种企业知识图谱构建装置,该装置包括:
第一获取模块,用于从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
第一构建模块,用于基于RDF数据,构建与多个实体类型分别对应的结构化标签集合;
匹配模块,用于将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像;
第二构建模块,用于基于实体画像构建与目标企业对应的企业知识图谱。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行所述计算机程序指令时实现如第一方面的任一项实施例中所述的企业知识图谱构建方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所述的企业知识图谱构建方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面的任一项实施例中所述的企业知识图谱构建方法的步骤。
本申请实施例中的企业知识图谱构建方法、装置、设备、介质及产品,通过基于RDF数据构建与多个实体类型分别对应的结构化标签集合,并将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像,再基于实体画像构建与目标企业对应的企业知识图谱。这样,由于本申请是基于与不同实体类型对应的结构化标签集合中的结构化标签,对每个实体类型的实体进行匹配,以此来为企业用户呈现实体画像,因此,相较于原始大量复杂的RDF数据,本申请精简了存储空间,并便于企业用户区分和理解不同类型的实体。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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获得其他的附图。
图1是本申请实施例提供的一种企业知识图谱构建方法的流程示意图;
图2是本申请实施例提供的另一种企业知识图谱构建方法的流程示意图;
图3是本申请实施例提供的事件搜索模型的方法流程示意图;
图4是本申请实施例提供的一种企业知识图谱构建装置的结构示意图;
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,目前,针对企业的数据信息,在通过提取数据关键信息构建的企业知识图谱中,各个实体都对应有大量复杂的描述信息,导致知识图谱中信息过载,并且复杂的描述信息对于企业用户来说不便于理解。
为了解决现有技术问题,本申请实施例提供了一种企业知识图谱构建方法、装置、设备及计算机可读存储介质。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的企业知识图谱构建方法进行详细地说明。
图1是本申请实施例提供的一种企业知识图谱构建方法的流程示意图。如图1所示,该企业知识图谱构建方法具体可以包括如下步骤:
S110、从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
S120、基于RDF数据,构建与多个实体类型分别对应的结构化标签集合;
S130、将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像;
S140、基于实体画像构建与目标企业对应的企业知识图谱。
由此,通过基于RDF数据构建与多个实体类型分别对应的结构化标签集合,并将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像,再基于实体画像构建与目标企业对应的企业知识图谱。这样,由于本申请实施例是基于与不同实体类型对应的结构化标签集合中的结构化标签,对每个实体类型的实体进行匹配,以此来为企业用户呈现实体画像,因此,相较于原始大量复杂的RDF数据,本申请实施例精简了存储空间,并便于企业用户区分和理解不同类型的实体。
下面介绍上述各个步骤的具体实现方式。
在一些实施方式中,在S110中,目标企业例如可以是任意行业中的企业。企业知识图谱数据库中的RDF(Resource Description Framework,资源描述框架)数据可以是根据与目标企业相关的数据提取得到的,其中,RDF数据为三元组形式,RDF数据对应的实体可以有多种不同的类型,可以根据不同实体类型进行分类,获取与多个实体类型的实体分别对应的RDF数据。
在一些实施方式中,在S120中,本申请实施例所涉及的结构化标签集合例如可以包括属性标签集合和关系标签集合,其中属性标签集合还可以分为属性-区间结构化标签集合和属性-字符串结构化标签集合。
作为一种示例,针对某一实体类型t,可以对应有t类型结构化标签集合Lt,基于此,可以提出三元组形式的结构化标签label∈Lt概念,符号化定义如下:
Lt=Lt_AULt_R
label∈Lt=<t,lpredicate,lvalue>
其中,Lt_A表示描述实体数据属性特征的属性标签集合,即当l∈Lt_A时,lpredicate∈A;Lt_R表示描述实体对象属性特征的关系标签集合,即当l∈Lt_R时,lpredicate∈R;|Lt|<|KG|;lvalue表示lpredicate的对应取值。
进一步地,根据属性标签lpredicate描述实体的不同类型,可以将睡醒标签集合Lt_A中的结构化标签划分定义为两个不同类型的结构化标签集合,符号化定义如下:
Lt_A=Lt_AIULt_AS
其中,Lt_AI表示属性-区间结构化标签集合;Lt_As表示属性-字符串结构化标签集合。
属性-区间结构化标签集合可以是通过给定结构化标签label∈Lt,定义lpredicate∈A,且linterval取值为一段数值值域区间形式的标签labelAIL=<t,lpredicate,linterval>为属性-区间结构标签,将所有属性-区间结构标签组成集合Lt_AI。例如<dbo:Film,dbo:releaseyear,(1980,1990]>形式的标签为一个属性-区间结构标签。
属性-字符串结构化标签集合可以是通过给定结构化标签label∈Lt,,定义lpredicate∈A,且lstring∈IL,取值为字符串数据类型字面量形式的标签labelASL=<t,lpredicate,lstring>为属性-字符串结构标签,所有属性-字符串结构标签组成集合Lt_As。例如<dbo:Actor,dbo:gender,“female”>形式的标签为一个属性-字符串结构标签。
在一些实施例中,在S130中,可以通过手动匹配或机器学习的方式,将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配。
作为一种示例,例如针对实体类型t下的每个实体e,可以生成一个与实体e对应的实体画像:
profile(e)={lable1,lable2,…,lablem|lablei
∈Lt∧Src(lpredicate0flablei)=e}
其中,m表示与实体e匹配的结构化标签个数,i表示与实体e匹配的结构化标签中的任意一个结构化标签。
在一些实施例中,在S140中,在得到结构化标签集合并基于结构化标签集合中的结构化标签,对实体进行匹配得到与多个实体类型的实体分别对应的实体画像后,可以基于实体画像构建与目标企业对应的企业知识图谱。
基于此,在一些实施例中,上述RDF数据中包括实体信息、与实体对应的第一特征和与实体对应的第二特征,三元组形式的RDF数据例如可以表示为<e,p,o>。这里,与实体对应的第一特征p可以是与实体对应的三元组形式的RDF数据中的“谓语”特征,第二特征o可以是“宾语”特征。其中第一特征p可以表示实体数据属性特征或关系属性特征。
这样,上述S120具体可以包括:
针对多个实体类型中的每个实体类型,执行如下步骤,得到与多个实体类型分别对应的结构化标签池,根据与多个实体类型分别对应的结构化标签池,构建与多个实体类型分别对应的结构化标签集合:
基于目标实体类型的多个实体分别对应的RDF数据,将目标实体类型对应的类型标识分别与多个实体中每个实体所对应的第一特征和第二特征进行组合,得到与多个实体分别对应的结构化标签;
将多个实体中第一特征表示属性的实体所对应的结构化标签,添加至属性标签池,得到与目标实体类型对应的属性标签池;
将多个实体中第一特征表示关系的实体所对应的结构化标签,添加至关系标签池,得到与目标实体类型对应的关系标签池;
其中,与目标实体类型对应的结构化标签池包括属性标签池和关系标签池,目标实体类型为多个实体类型中的任一实体类型。
这里,针对多个实体类型中的每个实体类型,构建得到的与多个实体类型分别对应的结构化标签池,可以是与企业的商业目的相关的,例如企业要做个性化推荐,则关于物或人的兴趣、偏好的结构化标签,但是如果企业要做企业用户运营,则做关于企业用户的留存、活跃的结构化标签。结构化标签池可以是在确定企业的商业目的后,结合企业的运营策略和应用场景,并将涉及的数据源和结构化标签赋值的区分度作为企业标签体系架构和标签数据源梳理原则,以此进行汇集结构化标签,再根据需要对结构化标签进行分类得到的。
作为一种示例,例如针对实体类型t的目标实体类型,抽取得到目标实体类型中多个实体分别对应的RDF数据,可以将目标实体类型对应的类型标识t,分别与多个实体中每个实体所对应的第一特征和第二特征进行组合,可以组成<t,p,o>形式的结构化标签。例如使用Jena API(Application Program Interface,应用程序接口)对每一个实体对应的RDF数据的三元组描述进行解析,可以确定第一特征描述的是属性还是关系,这样,可以将多个实体中第一特征表示属性的实体对应的结构化标签,添加至属性标签池,将多个实体中第一特征表示关系的实体对应的结构化标签,添加至关系标签池。
另外,根据上述构建得到的结构化标签池可以抽泣其中的结构化标签得到结构化标签集合,其中可以对属性标签池中的标签做进一步的分析处理,得到属性-区间结构化标签和属性-字符串结构化标签。
如此,得到了包含属性标签池和关系标签池的结构化标签池,可以通过结构化标签池可以快速有效的识别RDF数据并进行分类。
在一些实施例中,上述S130具体可以包括:
针对多个实体类型中的每个实体类型,执行如下步骤,得到与多个实体类型的实体分别对应的实体画像:
将目标实体类型中的目标实体所对应的RDF数据中的第一特征和第二特征,与目标结构化标签集合内各个结构化标签中的第一特征和第二特征分别进行匹配,其中,目标实体为目标实体类型中的任一实体,目标实体类型为多个实体类型中的任一实体类型;
在RDF数据中的第一特征与目标结构化标签中的第一特征相匹配,且RDF数据中的第二特征与目标结构化标签中的第二特征相匹配的情况下,将目标结构化标签确定为与目标实体对应的结构化标签,得到与目标实体对应的实体画像,其中,目标结构化标签为目标结构化标签集合中的任意结构化标签。
作为一种示例,例如针对实体类型t的目标实体类型,目标实体类型中的目标实体e所对应的RDF数据三元组描述为(e,p,o),目标结构化标签为label∈Lt=<t,lpredicate,lvalue>,则例如可以在p=lpredicate且o∈lvalue,即RDF数据中的第一特征p与目标结构化标签中的第一特征lpredicate相匹配,且RDF数据中的第二特征o与目标结构化标签中的第二特征lvalue相匹配的情况下,将实体e与结构化标签label匹配。
由此,通过将拥有大量复杂三元组描述信息的RDF数据,进行分类形成构建结构化标签集合,再基于结构化标签集合中的结构化标签对实体进行匹配,得到实体画像,企业用户根据企业用户画像结果可以更好的区分理解不同的实体信息。
为了得到与目标企业对应的企业知识图谱数据库,作为本申请企业知识图谱构建方法的另一种实施例,如图2所示,在上述S110之前,该方法还包括:
S210、获取与目标企业对应的企业数据和网页数据;
S220、从企业数据和网页数据中提取与多个实体类型的实体分别对应的RDF数据;
S230、将RDF数据存储至数据库中,得到与目标企业对应的企业知识图谱数据库。
在一些实施例中,在S210中,企业数据例如可以包括企业基础数据、投资关系、任职关系、企业专利数据、企业招投标数据、企业招聘数据、企业诉讼数据、企业失信数据、企业新闻数据。网页数据可以是通过网络爬虫采集得到的。
在一些实施例中,在S220中,可以在对企业数据和网页数据进行数据清理、加工、处理和整合后,提取与多个实体类型的实体分别对应的RDF数据。
基于此,在一些实施例中,获取与目标企业对应的网页数据包括:
按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接,其中,目标网站为与目标企业相关的网站;
检测网页链接对应的链接状态;
在网页链接对应的链接状态为无效状态,且预设时间段内将网页链接对应的链接状态检测为无效状态的次数达到预设阈值的情况下,删除网页链接,得到与目标网站对应的有效网页链接;
获取有效网页链接中的数据,得到网页数据。
其中,网页链接对应的链接状态可以是有效网页链接或无效网页链接,这里的无效链接可以是指页面的传输控制协议(Transmission Control Protocol,TCP)或者超文本传输协议(HyperText Transfer Protocol,HTTP)状态明确表示的无效的网页链接,或网页内容已经变更为不存在、已删除或需要权限等与网站原内容无关的信息页面的网页链接。无效状态的次数对应的预设阈值例如可以是3次,即在一定时间内连续3次检测到网页链接对应的链接状态为无效,则删除该网页链接。
如此,通过检测采集的网页链接对应的链接状态,得到有效网页链接,以此得到与目标网站对应的网页数据,基于有效网页数据构建企业知识图谱,可以在基于企业知识图谱进行检索时提高检索准确性。
在一些实施例中,为了提高网页采集效率,在按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接之前,该方法还包括:
针对目标网站中的非动态网页,按照预设时长确定目标网页采集频率;
针对目标网站中的动态网页,根据动态网页的页面变化频率确定目标网页采集频率。
其中,预设时长例如可以是10分钟或30分钟,可以根据配置的网页采集频率,对目标网站中的非动态网页进行循环采集。根据动态网页的页面变化频率确定的目标网页采集频率,例如可以是根据动态页面变化频率进行周期采集,最慢为一个月采集一次。
另外,基于构建的企业知识图谱可以构建一个企业内部运行的企业搜索引擎,来提高企业搜索的安全性。可以在构建的企业知识图谱中加入检索索引得到索引数据库,再基于企业知识图谱进行知识检索,确定其中各事件之间的最短路径。可以通过检索企业知识图谱中实体间多方面的关联关系,确定实体画像间的距离,并以该距离为输入基于python实现Dijkstra算法,确定企业中各事件的最短路径。而且触达各事件的路径越短,触达成功的概率越大,这样,将路径按照从小到大的顺序排序,并按照最短路径从小到大的顺序,按照从大到小的顺序设定路径触达概率,以此提升搜索准确率。其中,各事件具体为企业数据和网页数据。
其中,可以通过事件搜索模型并基于深度学习算法完成事件检索最短路径模拟,如图3所示,事件搜索模型的方法包括如下步骤:
S310、将搜索关键字提交给查询器;
S320、查询器根据企业用户输入的查询条件在索引数据库中搜索;
S330、查询器将查询到的结果集经过过滤器以后返回给企业用户接口显示;
S340、通过远程Web命令DWR框架对企业用户单击打开的网络页面的单击事件做出响应,调用主题分析器获取企业用户随机的关注主题;
S350、确定企业用户在该网络页面的实际停留时间St和理论停留时间Pt;
S360、确定实际停留时间与理论停留时间的差值是否小于或等于预设阈值,若是则执行S370;否则,返回执行S320。
S370、通过过滤器将新的结果集返回给DWR框架。
S380、通过DWR框架对原网络页面进行更新。
这里,理论停留时间Pt可根据如下公式(1)得出:
其中,α为平均时间α=4.5s;β=2.5词汇/s,为平均阅读速度;TFki为词汇ki在文档中的词频。
可以采用空间向量模型VSM(Vector Space Model)来表达文档主题特征,向量中的各项是文档中关键词汇的权重,词汇权重计算如下公式(2):
其中,W(t,i)为词汇t在文档i中的权重,ft,i为词汇t在文档i中的词频,即词汇出现的次数;N为所有的文档数;nt为所有文档中出现词汇t的文档数;nk为在文档i中所有的词汇数。
作为一种示例,结合事件搜索模型和DWR框架(Direct Web Remoting,远程Web命令),在事件搜索模型中事件的检索过程如下为:在企业用户第一次输入关键词查询以后,将结果在网络页面显示,设为各项目为I,初始显示网络页面为P;当企业用户对项目I单击以后,此处将I看作事件源;通过JavaSctipt和DWR的设置调用执行相应的Java代码,也就是调用主题分析器对打开网络页面的主题进行分析,并根据公式(1)计算的结果决定是否进行异步更新。其中,过滤器主要完成查询器返回的文档与查询条件的主题相似度的计算;主题分析器完成企业用户随机关注主题的分析。
由此,通过构建的企业知识图谱构建一个企业内部运行的企业搜索引擎,在进行企业搜索时可以避免出现泄漏企业内部运作方式以及内部商业机密的现象,相较于直接基于互联网知识图谱构建企业搜索引擎,有效提高了企业搜索的安全性。
需要说明的是,上述本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
基于相同的发明构思,本申请还提供了一种企业知识图谱构建装置。具体结合图4进行详细说明。
图4是本申请实施例提供的一种企业知识图谱构建装置的结构示意图。
如图4所示,该企业知识图谱构建装置400可以包括:
第一获取模块401,用于从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
第一构建模块402,用于基于RDF数据,构建与多个实体类型分别对应的结构化标签集合;
匹配模块403,用于将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像;
第二构建模块404,用于基于实体画像构建与目标企业对应的企业知识图谱。
下面对上述企业知识图谱构建装置400进行详细说明,具体如下所示:
在一些实施例中,上述企业知识图谱构建装置400,还可以包括:
第二获取模块,用于在从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据之前,获取与目标企业对应的企业数据和网页数据;
提取模块,用于从所述企业数据和所述网页数据中提取与多个实体类型的实体分别对应的RDF数据;
存储模块,用于将所述RDF数据存储至数据库中,得到与所述目标企业对应的所述企业知识图谱数据库。
在一些实施例中,上述第二获取模块,具体可以包括:
采集子模块,用于按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接,其中,目标网站为与目标企业相关的网站;
检测子模块,用于检测网页链接对应的链接状态;
删除子模块,用于在网页链接对应的链接状态为无效状态,且预设时间段内将网页链接对应的链接状态检测为无效状态的次数达到预设阈值的情况下,删除网页链接,得到与目标网站对应的有效网页链接;
获取子模块,用于获取有效网页链接中的数据,得到网页数据。
在一些实施例中,上述第二获取模块,具体还可以包括:
第一确定子模块,用于在按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接之前,针对目标网站中的非动态网页,按照预设时长确定目标网页采集频率;
第二确定子模块,用于针对目标网站中的动态网页,根据动态网页的页面变化频率确定目标网页采集频率。
在一些实施例中,上述RDF数据中包括实体信息、与实体对应的第一特征和与实体对应的第二特征,基于此,上述第一构建模块402,具体可以包括:
针对多个实体类型中的每个实体类型,执行如下步骤,得到与多个实体类型分别对应的结构化标签池,根据与多个实体类型分别对应的结构化标签池,构建与多个实体类型分别对应的结构化标签集合:
组合子模块,用于基于目标实体类型的多个实体分别对应的RDF数据,将目标实体类型对应的类型标识分别与多个实体中每个实体所对应的第一特征和第二特征进行组合,得到与多个实体分别对应的结构化标签;
第一添加子模块,用于将多个实体中第一特征表示属性的实体所对应的结构化标签,添加至属性标签池,得到与目标实体类型对应的属性标签池;
第二添加子模块,用于将多个实体中第一特征表示关系的实体所对应的结构化标签,添加至关系标签池,得到与目标实体类型对应的关系标签池;
其中,与目标实体类型对应的结构化标签池包括属性标签池和关系标签池,目标实体类型为多个实体类型中的任一实体类型。
在一些实施例中,上述匹配模块403,具体可以包括:
针对多个实体类型中的每个实体类型,执行如下步骤,得到与多个实体类型的实体分别对应的实体画像:
匹配子模块,用于将目标实体类型中的目标实体所对应的RDF数据中的第一特征和第二特征,与目标结构化标签集合内各个结构化标签中的第一特征和第二特征分别进行匹配,其中,目标实体为目标实体类型中的任一实体,目标实体类型为多个实体类型中的任一实体类型;
第三确定子模块,用于在RDF数据中的第一特征与目标结构化标签中的第一特征相匹配,且RDF数据中的第二特征与目标结构化标签中的第二特征相匹配的情况下,将目标结构化标签确定为与目标实体对应的结构化标签,得到与目标实体对应的实体画像,其中,目标结构化标签为目标结构化标签集合中的任意结构化标签。
由此,通过基于RDF数据构建与多个实体类型分别对应的结构化标签集合,并将多个实体类型中的每个实体类型的实体与实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与多个实体类型的实体分别对应的实体画像,再基于实体画像构建与目标企业对应的企业知识图谱。这样,由于本申请实施例是基于与不同实体类型对应的结构化标签集合中的结构化标签,对每个实体类型的实体进行匹配,以此来为企业用户呈现实体画像,因此,相较于原始大量复杂的RDF数据,本申请实施例精简了存储空间,并便于企业用户区分和理解不同类型的实体。
图5是本申请实施例提供的一种电子设备的结构示意图。
在电子设备500可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地,上述处理器501可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器502可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器502可在综合网关容灾设备的内部或外部。在特定实施例中,存储器502是非易失性固态存储器。
在特定实施例中,存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器501通过读取并执行存储器502中存储的计算机程序指令,以实现上述实施例中的任意一种企业知识图谱构建方法。
在一些示例中,电子设备500还可包括通信接口503和总线510。其中,如图5所示,处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线510可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
示例性的,电子设备500可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等。
该电子设备500可以执行本申请实施例中的企业知识图谱构建方法,从而实现结合图1和图4描述的企业知识图谱构建方法和装置。
另外,结合上述实施例中的企业知识图谱构建方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种企业知识图谱构建方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质,如便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件等。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种企业知识图谱构建方法,其特征在于,包括:
从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
基于所述RDF数据,构建与所述多个实体类型分别对应的结构化标签集合;
将所述多个实体类型中的每个实体类型的实体与所述实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与所述多个实体类型的实体分别对应的实体画像;
基于所述实体画像构建与所述目标企业对应的企业知识图谱。
2.根据权利要求1所述的方法,其特征在于,在从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据之前,所述方法还包括:
获取与目标企业对应的企业数据和网页数据;
从所述企业数据和所述网页数据中提取与多个实体类型的实体分别对应的RDF数据;
将所述RDF数据存储至数据库中,得到与所述目标企业对应的所述企业知识图谱数据库。
3.根据权利要求2所述的方法,其特征在于,获取与目标企业对应的网页数据,包括:
按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接,其中,所述目标网站为与所述目标企业相关的网站;
检测所述网页链接对应的链接状态;
在所述网页链接对应的链接状态为无效状态,且预设时间段内将所述网页链接对应的链接状态检测为无效状态的次数达到预设阈值的情况下,删除所述网页链接,得到与所述目标网站对应的有效网页链接;
获取所述有效网页链接中的数据,得到所述网页数据。
4.根据权利要求3所述的方法,其特征在于,在所述按照目标网页采集频率,采集与目标网站中不同网页对应的网页链接之前,所述方法还包括:
针对所述目标网站中的非动态网页,按照预设时长确定所述目标网页采集频率;
针对所述目标网站中的动态网页,根据所述动态网页的页面变化频率确定所述目标网页采集频率。
5.根据权利要求1所述的方法,其特征在于,所述RDF数据中包括实体信息、与所述实体对应的第一特征和与所述实体对应的第二特征;
所述基于所述RDF数据,构建与所述多个实体类型分别对应的结构化标签集合,包括:
针对所述多个实体类型中的每个实体类型,执行如下步骤,得到与所述多个实体类型分别对应的结构化标签池,根据与所述多个实体类型分别对应的结构化标签池,构建与所述多个实体类型分别对应的结构化标签集合:
基于目标实体类型的多个实体分别对应的RDF数据,将所述目标实体类型对应的类型标识分别与所述多个实体中每个实体所对应的第一特征和第二特征进行组合,得到与所述多个实体分别对应的结构化标签;
将所述多个实体中第一特征表示属性的实体所对应的结构化标签,添加至属性标签池,得到与所述目标实体类型对应的属性标签池;
将所述多个实体中第一特征表示关系的实体所对应的结构化标签,添加至关系标签池,得到与所述目标实体类型对应的关系标签池;
其中,与所述目标实体类型对应的结构化标签池包括所述属性标签池和所述关系标签池,所述目标实体类型为所述多个实体类型中的任一实体类型。
6.根据权利要求1所述的方法,其特征在于,所述将所述多个实体类型中的每个实体类型的实体与所述实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与所述多个实体类型的实体分别对应的实体画像,包括:
针对多个实体类型中的每个实体类型,执行如下步骤,得到与所述多个实体类型的实体分别对应的实体画像:
将目标实体类型中的目标实体所对应的RDF数据中的第一特征和第二特征,与目标结构化标签集合内各个结构化标签中的第一特征和第二特征分别进行匹配,其中,所述目标实体为所述目标实体类型中的任一实体,所述目标实体类型为所述多个实体类型中的任一实体类型;
在所述RDF数据中的第一特征与目标结构化标签中的第一特征相匹配,且所述RDF数据中的第二特征与所述目标结构化标签中的第二特征相匹配的情况下,将所述目标结构化标签确定为与所述目标实体对应的结构化标签,得到与所述目标实体对应的实体画像,其中,所述目标结构化标签为所述目标结构化标签集合中的任意结构化标签。
7.一种企业知识图谱构建装置,其特征在于,所述装置包括:
第一获取模块,用于从与目标企业对应的企业知识图谱数据库中,获取与多个实体类型的实体分别对应的资源描述框架RDF数据;
第一构建模块,用于基于所述RDF数据,构建与所述多个实体类型分别对应的结构化标签集合;
匹配模块,用于将所述多个实体类型中的每个实体类型的实体与所述实体类型对应的结构化标签集合中的结构化标签进行匹配,得到与所述多个实体类型的实体分别对应的实体画像;
第二构建模块,用于基于所述实体画像构建与所述目标企业对应的企业知识图谱。
8.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的企业知识图谱构建方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的企业知识图谱构建方法的步骤。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-6任意一项所述的企业知识图谱构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142852.3A CN116186287A (zh) | 2023-02-17 | 2023-02-17 | 企业知识图谱构建方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142852.3A CN116186287A (zh) | 2023-02-17 | 2023-02-17 | 企业知识图谱构建方法、装置、设备、介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116186287A true CN116186287A (zh) | 2023-05-30 |
Family
ID=86448284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310142852.3A Pending CN116186287A (zh) | 2023-02-17 | 2023-02-17 | 企业知识图谱构建方法、装置、设备、介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116186287A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235289A (zh) * | 2023-11-16 | 2023-12-15 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
-
2023
- 2023-02-17 CN CN202310142852.3A patent/CN116186287A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235289A (zh) * | 2023-11-16 | 2023-12-15 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
CN117235289B (zh) * | 2023-11-16 | 2024-02-27 | 国网浙江省电力有限公司 | 一种面向场景化决策需求的领域图谱模型的处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229668B (zh) | 一种基于关键词匹配的正文抽取方法 | |
US11314823B2 (en) | Method and apparatus for expanding query | |
CN109271512B (zh) | 舆情评论信息的情感分析方法、装置及存储介质 | |
US10482136B2 (en) | Method and apparatus for extracting topic sentences of webpages | |
CN106202382B (zh) | 链接实体方法和系统 | |
CN108777674B (zh) | 一种基于多特征融合的钓鱼网站检测方法 | |
US8983926B2 (en) | Method and system for tagging original data generated by things in the internet of things | |
WO2020237856A1 (zh) | 基于知识图谱的智能问答方法、装置及计算机存储介质 | |
CN111310011B (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
WO2019041521A1 (zh) | 用户关键词提取装置、方法及计算机可读存储介质 | |
CN107193987B (zh) | 获取与页面相关的搜索词的方法、装置和系统 | |
CN113822067A (zh) | 关键信息提取方法、装置、计算机设备及存储介质 | |
CN108334489B (zh) | 文本核心词识别方法和装置 | |
CN106991175B (zh) | 一种客户信息挖掘方法、装置、设备以及存储介质 | |
US20100131485A1 (en) | Method and system for automatic construction of information organization structure for related information browsing | |
CN112559747B (zh) | 事件分类处理方法、装置、电子设备和存储介质 | |
CN106980651B (zh) | 一种基于知识图谱的爬取种子列表更新方法及装置 | |
CN112149422B (zh) | 一种基于自然语言的企业新闻动态监测方法 | |
CN111475725A (zh) | 用于搜索内容的方法、装置、设备和计算机可读存储介质 | |
CN114915468B (zh) | 基于知识图谱的网络犯罪智能分析检测方法 | |
CN113282754A (zh) | 针对新闻事件的舆情检测方法、装置、设备和存储介质 | |
CN116186287A (zh) | 企业知识图谱构建方法、装置、设备、介质及产品 | |
JP2023544925A (ja) | データ評価方法、トレーニング方法および装置、電子機器、記憶媒体、コンピュータプログラム | |
CN105589916B (zh) | 显式和隐式兴趣知识的提取方法 | |
Almousa et al. | Characterizing coding style of phishing websites using machine learning techniques |
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 |