CN117114098A - 知识图谱处理方法、电子设备和存储介质 - Google Patents

Abstract

本申请提供知识图谱处理方法、电子设备和存储介质。该方法包括：获取知识图谱中目标节点的文本内容；利用关键词标注模型对所述文本内容进行关键词标注；将关键词标注所得到的关键词与所述目标节点进行关联。由于该关键词是从知识图谱中目标节点的文本内容，进行关键词标注所得到，因此能够直接将用户的问题与关键词进行匹配，此时由于该关键词标注所得到的关键词的文本长度，小于目标节点的文本内容，因此能够提高匹配效率。

Description

知识图谱处理方法、电子设备和存储介质

技术领域

本申请涉及互联网技术领域，具体而言，涉及知识图谱处理方法、电子设备和存储介质。

背景技术

知识图谱(Knowledge Graph)通常能够应用于智能客服、搜索引擎优化等领域，比如在智能客服领域中，当接收到用户的问题之后，将该问题与知识图谱中节点的内容进行匹配，来获取该问题的答案。但知识图谱目前在这些领域中的应用，由于知识图谱中节点的内容较多，导致与知识图谱中节点的内容进行匹配时，匹配效率通常较低。

发明内容

本申请实施例的目的在于提供知识图谱处理方法、电子设备和存储介质，用于解决现有技术中的问题。

本申请实施例第一方面提供了一种知识图谱处理方法，包括：

获取知识图谱中目标节点的文本内容；

利用关键词标注模型对所述文本内容进行关键词标注；

将关键词标注所得到的关键词与所述目标节点进行关联。

于一实施例中，在将关键词标注所得到的关键词与所述目标节点进行关联之前，所述方法还包括：

将关键词标注所得到的关键词与所述文本内容进行比对；

根据比对结果，对关键词标注所得到的关键词进行修正；以及，

将关键词标注所得到的关键词与所述目标节点进行关联，具体包括：

将修正后的关键词与所述目标节点进行关联。

于一实施例中，所述方法还包括：

利用训练样本，预先训练生成所述关键词标注模型。

于一实施例中，所述方法还包括：

通过F1分数评估所生成的关键词标注模型而的性能，其中，所述F1分数通过所生成的关键词标注模型的准确率和召回率计算得到。

于一实施例中，通过如下公式计算得到所述F1分数：

F1＝n*(a*b)/(a+b)+c；

其中，a为所生成的关键词标注模型的准确率；b为所生成的关键词标注模型的召回率；n和c分别为预设常数；F1为计算得到的F1分数。

于一实施例中，所述方法还包括：

采集原始语料数据，所述原始预料数据携带实体、实体间关系和实体属性；

通过特征工程提取所述原始语料数据中的关键特征；

利用所提取的关键特征生成所述训练样本。

于一实施例中，通过特征工程提取所述原始语料数据中的关键特征，具体包括：

对所述原始语料数据进行预处理，以得到多个特征；

利用特征筛选算法计算出各个特征的评分；

针对各个特征，将评分高于阈值的特征作为所筛选出的关键特征。

于一实施例中，在将关键词标注所得到的关键词与所述目标节点进行关联之后，所述方法还包括：

获取用户的问题；

将所述问题与标注所得到的关键词进行匹配；

在匹配成功的情况下，向所述用户反馈所关联的所述目标节点的文本内容。

本申请实施例第三方面提供了一种电子设备，包括：

存储器，用以存储计算机程序；

处理器，用以执行本申请方法实施例中任一项所述的方法。

本申请实施例第四方面提供了一种存储介质，包括：程序，当其在电子设备上运行时，使得电子设备可执行本申请方法实施例中任一项所述的方法。

采用本申请实施例所提供的方法，包括先获取知识图谱中目标节点的文本内容，然后利用关键词标注模型对该文本内容进行关键词标注，然后将关键词标注所得到的关键词与目标节点进行关联。由于该关键词是从知识图谱中目标节点的文本内容，进行关键词标注所得到，因此能够直接将用户的问题与关键词进行匹配，此时由于该关键词标注所得到的关键词的文本长度，小于目标节点的文本内容，因此能够提高匹配效率。

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地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请一实施例提供的电子设备的具体结构示意图；

图2为本申请一实施例提供的，电子设备与用户终端的交互示意图；

图3为本申请一实施例提供的，知识图谱处理方法的具体流程示意图；

图4为本申请一实施例提供的，知识图谱处理装置的具体结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。在本申请的描述中，诸如“第一”、“第二”、“第三”等术语仅用于区分描述，而不能理解为指示或暗示相对重要性或先后顺序。

如前所述，知识图谱(Knowledge Graph)通常能够应用于智能客服、搜索引擎优化等领域，比如在智能客服领域中，当接收到用户的问题之后，将该问题与知识图谱中节点的内容进行匹配，来获取该问题的答案。但知识图谱目前在这些领域中的应用，由于知识图谱中节点的内容较多，比如每个节点中通常可以包括该节点所对应实体、实体间关系以及实体属性的描述语句，该描述语句虽然以相对简洁的语句来描述出了实体、实体间关系以及实体属性，但内容仍然较多，导致用户的问题与知识图谱中节点的内容进行匹配时，匹配效率通常较低，进而使得，在需要以极快速度向用户反馈答案的场景下难以适用。

基于此，本申请实施例提供了一种知识图谱处理方法、装置、电子设备和存储介质，能够用于对知识图谱进行处理，进能够在知识图谱的应用时，为提高匹配效率提供了基础。如图1所示为本实施例所提供的一种电子设备1，该电子设备1包括：至少一个处理器11和存储器12，图1中以一个处理器为例。其中，处理器11和存储器12可以通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。

在实际应用中，该电子设备1可以是手机、笔记本电脑、台式电脑或其组成的大型服务器或服务器集群等。比如，在本申请实施例的应用场景中，针对知识图谱进行处理时，该电子设备1可以作为服务器或服务器集群等。

在本申请实施例中，如图2所示，电子设备1可以连接一个或多个用户终端2，用户终端2可以是用户的手机或电脑，电子设备1可以与每个用户终端2进行数据通信。比如，用户能够通过用户终端2来提交问题，这样电子设备1作为服务器能够接收到该问题，进而利用本申请实施例所提供的方法处理后的知识图谱，匹配出答案。

本申请实施例提供了一种知识图谱处理方法，该方法可以由图1所示的电子设备1作为服务器或服务器集群来执行，这里可以以服务器为例进行说明。如图3所示为该方法的具体流程示意图，该方法包括如下步骤：

步骤S31：获取知识图谱中目标节点的文本内容。

在知识图谱中通常包括多个节点，各个节点分别对应一个实体，该实体可以是人名、地名、组织机构名称等，节点之间设置有连接线，该连接线反映了两端实体之间存在实体间关系，该实体间关系比如可以是“A是B的创始人”、“C位于D的东部”；另外，各个实体还分别有实体属性，该实体属性比如可以是“X的出生日期是YYYY年MM月DD日”、“Y的创立时间是19XX年”等。

因此，对于知识图谱中的每个节点，均存在文本内容，该文本内容包括节点所对应的实体、实体间关系和实体属性，比如某个节点的文本内容包括人名A、人名A是企业B的创始人、人名A的出生日期是YYYY年MM月DD日。在本申请实施例中，可以将知识图谱中的各个节点分别作为目标节点，因此在该步骤S31中，可以获取该目标节点的文本内容。

比如，针对知识图谱，可以将该知识图谱中的各个节点分别作为目标节点，进而通过执行本申请实施例所提供方法的步骤S31，来获取该目标节点的文本内容，包括获取该目标节点所对应的实体、实体间关系和实体属性。

步骤S32：利用关键词标注模型对该文本内容进行关键词标注。

其中，该关键词标注模型的作用在于，对输入该关键词标注模型中的文本内容进行关键词的标注，从而标注出该文本内容中的关键词。

因此在该步骤S32中，可以将通过步骤S31所获取到的文本内容输入至该关键词标注模型，从而利用该关键词标注模型对该文本内容进行关键词标注，得到关键词。

其中，对于该关键词标注模型的模型结构和类型，这里并不限定，比如该关键词标注模型可以为神经网络模型，也可以为其他类型的模型。

当然，对于该关键词标注模型，通常需要预先训练生成，因此本申请实施例所提供的方法还可以包括利用训练样本，预先训练生成该关键词标注模型，从而在生成该关键词标注模型之后，在该步骤S32中，利用该关键词标注模型对该文本内容进行关键词标注。

其中，对于该训练样本，通常也需要预先生成，也就是说需要预先生成该训练样本之后，才能利用该训练样本，来预先训练生成关键词标注模型。因此，该方法还可以包括采集原始语料数据，该原始预料数据携带实体、实体间关系和实体属性，然后通过特征工程提取该原始语料数据中的关键特征，然后利用所提取的关键特征生成训练样本。

对于采集原始语料数据的具体方式，比如可以针对网页内容，采集网页内容中的原始预料数据。在得到原始语料数据之后，可以直接通过特征工程提取该原始语料数据中的关键特征，还可以先对该原始语料数据进行预处理，比如对原始语料数据进行分词、分句和词性标注等预处理，从而得到多个特征，然后再通过特征工程从该多个特征中筛选出的关键特征。

比如，在特征工程中，设置特征筛选的阈值，并且利用特征筛选算法计算出各个特征的评分，其中，该评分表征了对应特征对任务的重要性或相关性。然后针对各个特征，将评分高于该阈值的特征作为所筛选出的关键特征。其中，该特征筛选算法可以是Filter方法、Wrapper方法或其他的特征筛选算法；另外，对于该阈值的大小，通常可以根据实际需要来设定。

在利用所提取的关键特征生成训练样本时，比如可以先进行标注，从而得到训练样本的标签，人后利用关键特征和标签来生成训练样本。

需要进一步说明的是，在利用训练样本，预先训练生成该关键词标注模型之后，通常还需要对该关键词标注模型的性能进行评估，目前通常利用准确率和召回率来对该关键词标注模型的性能进行评估。但准确率和召回率单独评估关键词标注模型的性能时，评估结果往往存在缺陷，比如两者只是从两个不同方向上，分别评估该关键词标注模型的性能。因此，本申请实施例中，是通过F1分数评估所生成的关键词标注模型而的性能，其中，该F1分数通过所生成的关键词标注模型的准确率和召回率计算得到。

也就是说，在本申请实施例中，通过关键词标注模型的准确率和召回率计算得到该关键词标注模型的F1分数，从而利用该F1分数来评估该关键词标注模型而的性能。

其中，可以通过如下的公式一计算得到该F1分数：

F1＝n*(a*b)/(a+b)+c公式一

在该公式一中，a为所生成的关键词标注模型的准确率；b为所生成的关键词标注模型的召回率；n和c分别为预设常数，比如，n可以为2、3或其他值，c可以为0、1或其他值；F1为计算得到的F1分数。

因此，在利用训练样本，预先训练生成该关键词标注模型之后，可以先对该关键词标注模型进行测试，从而得到该关键词标注模型的准确率和召回率，然后将该准确率和召回率代入至该公式一，从而计算得到该关键词标注模型的F1分数，用以评估该关键词标注模型的性能。

步骤S33：将关键词标注所得到的关键词与目标节点进行关联。

在通过上述的步骤S32进行关键词标注，从而得到关键词之后，在该步骤S33中，可以将该关键词与目标节点进行关联，其中，具体的关联方式比如可以建立映射表，该映射表能够记录该关键词以及所关联的目标节点，从而通过该映射表来实现两者之间的关联，比如在该映射表中创建两个字段，分别为关键词字段和节点字段，该关键词字段用于存储关键词标注所得到的关键词，该节点字段用于存储所关联的该目标节点，此时在该步骤S33中，能够将关键词标注所得到的关键词与目标节点，分别作为该关键词字段和节点字段的字段值进行存储，来实现两者之间的关联。

采用本申请实施例所提供的方法，包括先获取知识图谱中目标节点的文本内容，然后利用关键词标注模型对该文本内容进行关键词标注，然后将关键词标注所得到的关键词与目标节点进行关联。由于该关键词是从知识图谱中目标节点的文本内容，进行关键词标注所得到，因此能够直接将用户的问题与关键词进行匹配，此时由于该关键词标注所得到的关键词的文本长度，小于目标节点的文本内容，因此能够提高匹配效率。

需要进一步说明的是，在通过上述的步骤S32进行关键词标注，从而得到关键词之后，并且在上述的步骤S33，将该关键词与目标节点进行关联之前，通常还可以对该关键词进行修正，因此该方法还可以包括将关键词标注所得到的关键词与目标节点的文本内容进行比对，比如可以通过审核人员来进行该比对，然后根据比对结果，对关键词标注所得到的关键词进行修正，修正的方式比如可以是，增加新的关键词、删除部分关键词或修改部分关键词等，从而通过该修正，使修正后所得到的关键词与目标节点的文本内容更加匹配。当然，在对关键词标注所得到的关键词进行修正，此时该步骤S33可以具体是，将修正后的关键词与目标节点进行关联。

另外，在上述的步骤S33将关键词与目标节点进行关联之后，在该知识图谱的具体应用中，比如在智能客服领域中，可以获取用户的问题，比如用户能够通过用户终端来向服务器提交问题，此时服务器能够获取该问题；然后，将该问题与标注所得到的关键词进行匹配，具体来说，比如在该问题的字符数量小于预设阈值的情况下，直接将该问题与标注所得到的关键词进行匹配，而在该问题的字符数量大于或等于预设阈值的情况下，可以将该问题划分为多个片段，其中，每个片段的字符长度均小于预设阈值，然后再将这些片段分别与标注所得到的关键词进行匹配；在通过上述的方式进行匹配之后，在匹配成功的情况下，可以向用户反馈所关联的该目标节点的文本内容。在该过程中，由于是将用户的问题与关键字进行匹配，而不是将问题直接与目标节点的文本内容进行匹配，因此匹配效率更高。

其中，考虑到服务器连接多个用户终端，因此不同用户能够分别通过各自的用户终端向服务器提交问题，此时可能会出现短时间内，多个不同用户均向提交了问题的情况，此时服务器由于短时间内可能会接收到多个问题，在超出其运算能力的情况下，容易出现阻塞的情况。因此，本申请实施例所提供的方法还包括，预先构建消息队列，进而对于用户通过用户终端所提交的问题，可以根据服务器接收到该问题的接收时刻的先后顺序，先将该问题添加至该消息队列，然后服务器获取用户的问题的具体方式可以是，服务器根据该消息队列的先后顺序，从该消息队列中获取相应的问题，从而能够降低服务器自身的运算压力。

另外，在上述的步骤S33将关键词与目标节点进行关联之后，在该知识图谱的具体应用中，比如在智能客服领域中，可以获取用户的问题，比如用户能够通过用户终端来向服务器提交问题，此时服务器能够获取该问题；

基于与本申请实施例所提供的知识图谱处理方法相同的发明构思，本申请实施例还提供了一种知识图谱处理装置，对于该装置实施例，如有不清楚之处，可以参考方法实施例的相应内容。如图4所示为该装置40的具体结构示意图，该装置40包括获取单元401、标注单元402和关联单元403，其中：

获取单元401，用于获取知识图谱中目标节点的文本内容；

标注单元402，用于利用关键词标注模型对所述文本内容进行关键词标注；

关联单元403，用于将关键词标注所得到的关键词与所述目标节点进行关联

采用本申请实施例所提供的装置40，由于该装置40采用与本申请实施例所提供的知识图谱处理方法相同的发明构思，在该方法能够解决技术问题的前提下，该装置40也能够解决技术问题，这里对此不再赘述。

另外，在实际应用中，通过将该装置40与具体软硬件、云技术等相结合所取得的技术效果，也在本申请的保护范围之内，比如采用分布式集群的方式将该装置40中的不同单元布设于分布式集群中的不同节点中，从而提高效率等。

该装置40还可以包括修正单元，用于在将关键词标注所得到的关键词与所述目标节点进行关联之前，将关键词标注所得到的关键词与所述文本内容进行比对；根据比对结果，对关键词标注所得到的关键词进行修正；以及，关联单元403具体包括关联子单元，用于将修正后的关键词与所述目标节点进行关联。

该装置40还可以包括训练单元，用于利用训练样本，预先训练生成所述关键词标注模型。

该装置40还可以包括评估单元，用于通过F1分数评估所生成的关键词标注模型而的性能，其中，所述F1分数通过所生成的关键词标注模型的准确率和召回率计算得到。

其中，通过如下公式计算得到所述F1分数：

F1＝n*(a*b)/(a+b)+c；

其中，a为所生成的关键词标注模型的准确率；b为所生成的关键词标注模型的召回率；n和c分别为预设常数；F1为计算得到的F1分数。

该装置40还可以包括样本生成单元，用于采集原始语料数据，所述原始预料数据携带实体、实体间关系和实体属性；通过特征工程提取所述原始语料数据中的关键特征；利用所提取的关键特征生成所述训练样本。

其中，通过特征工程提取所述原始语料数据中的关键特征，可以具体包括：对所述原始语料数据进行预处理，以得到多个特征；利用特征筛选算法计算出各个特征的评分；针对各个特征，将评分高于阈值的特征作为所筛选出的关键特征。

该装置40还可以包括匹配反馈单元，用于在将关键词标注所得到的关键词与所述目标节点进行关联之后，获取用户的问题；将所述问题与标注所得到的关键词进行匹配；在匹配成功的情况下，向所述用户反馈所关联的所述目标节点的文本内容。

本发明实施例还提供了一种存储介质，包括：程序，当其在电子设备上运行时，使得电子设备可执行上述实施例中方法的全部或部分流程。其中，存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等。存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种知识图谱处理方法，其特征在于，包括：

获取知识图谱中目标节点的文本内容；

利用关键词标注模型对所述文本内容进行关键词标注；

将关键词标注所得到的关键词与所述目标节点进行关联。

2.根据权利要求1所述的方法，其特征在于，在将关键词标注所得到的关键词与所述目标节点进行关联之前，所述方法还包括：

将关键词标注所得到的关键词与所述文本内容进行比对；

根据比对结果，对关键词标注所得到的关键词进行修正；以及，

将关键词标注所得到的关键词与所述目标节点进行关联，具体包括：

将修正后的关键词与所述目标节点进行关联。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用训练样本，预先训练生成所述关键词标注模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

通过F1分数评估所生成的关键词标注模型而的性能，其中，所述F1分数通过所生成的关键词标注模型的准确率和召回率计算得到。

5.根据权利要求4所述的方法，其特征在于，通过如下公式计算得到所述F1分数：

F1＝n*(a*b)/(a+b)+c；

其中，a为所生成的关键词标注模型的准确率；b为所生成的关键词标注模型的召回率；n和c分别为预设常数；F1为计算得到的F1分数。

6.根据权利要求3所述的方法，其特征在于，所述方法还包括：

采集原始语料数据，所述原始预料数据携带实体、实体间关系和实体属性；

通过特征工程提取所述原始语料数据中的关键特征；

利用所提取的关键特征生成所述训练样本。

7.根据权利要求6所述的方法，其特征在于，通过特征工程提取所述原始语料数据中的关键特征，具体包括：

对所述原始语料数据进行预处理，以得到多个特征；

利用特征筛选算法计算出各个特征的评分；

针对各个特征，将评分高于阈值的特征作为所筛选出的关键特征。

8.根据权利要求1所述的方法，其特征在于，在将关键词标注所得到的关键词与所述目标节点进行关联之后，所述方法还包括：

获取用户的问题；

将所述问题与标注所得到的关键词进行匹配；

在匹配成功的情况下，向所述用户反馈所关联的所述目标节点的文本内容。

9.一种电子设备，其特征在于，包括：

存储器，用以存储计算机程序；

处理器，用以执行如权利要求1至8中任一项所述的方法。

10.一种存储介质，其特征在于，包括：程序，当其在电子设备上运行时，使得电子设备可执行如权利要求1至8中任一项所述的方法。