CN117875413B - 一种知识图谱本体中概念构建方法、装置、介质及设备 - Google Patents

Abstract

本说明书公开了一种知识图谱本体中概念构建方法、装置、介质及设备，获取用户输入的待构建数据。将待构建数据输入训练完成的主题模型，得到待构建数据中的各关键词。向用户返回各关键词以及提示信息，接收用户返回的针对各关键词的评估信息，提示信息用于提示用户评估各关键词。当评估信息为各关键词均通过评估时，将各关键词输入训练完成的通用大语言模型，确定待构建数据包含的概念，以根据确定出的概念构建知识图谱，通过主题模型提取待构建数据中的各关键词，并向用户返回关键词，实现了针对待构建数据自动挖掘关键词以及关键词评估的可视化，提高确定的关键词的可解释性。通过用户返回的评估信息，实现了人工对待构建数据提取结果的修正。

Description

一种知识图谱本体中概念构建方法、装置、介质及设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种知识图谱本体中概念构建方法、装置、介质及设备。

背景技术

目前，知识图谱在自然语言处理、搜索引擎以及问题回答系统等领域的有着广泛应用，有助于机器理解文本背后的语义，从而更好地为用户提供准确和相关的信息。知识图谱，是一种用于表示知识的图形化结构，它包含了一个领域中的概念、实体、关系和属性，以及它们之间的逻辑关联，以一种机器可读的形式来组织和表达知识，使得计算机能够更好地从知识中理解和推理信息。

在知识图谱中，本体是指知识图谱中一组“概念-关系-概念”，是知识图谱的核心组成部分，是一种形式化的知识表示结构。在构建知识图谱之前，需要先构建本体，即，以本体为核心构建知识图谱。

在现有技术中，通常需要利用专家对所属领域所具备的知识点、概念、术语具有系统的认知和抽象能力，提炼出具有广泛性的概念。然后在此基础上逐步细化，确定概念包含的实体，实体的属性，进而确定概念之间的关系，直至构建出本体。但是，这种方式需要耗费较长时间，而且会耗费大量人力，提炼出的概念质量参差不齐。

为此，本说明书提供了一种知识图谱本体中概念构建方法、装置、介质及设备。

发明内容

本说明书提供一种知识图谱本体中概念构建方法、装置、介质及设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种知识图谱本体中概念构建方法，包括：

获取用户输入的待构建数据；

将所述待构建数据输入训练完成的主题模型，得到所述待构建数据中的各关键词；

向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词；

当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱。

可选的，所述训练完成的主题模型至少包括词嵌入子模型、聚类子模型、提取子模型；

将所述待构建数据输入训练完成的主题模型，得到所述待构建数据中的各关键词，具体包括：

将所述待构建数据输入所述词嵌入子模型，将所述待构建数据中各分词映射至向量空间，确定所述各分词的特征向量；

将所述各分词的特征向量输入所述聚类子模型，得到所述待构建数据中各分词的各聚类结果；

将所述各聚类结果输入所述提取子模型，得到所述各聚类结果分别对应的各关键词。

可选的，所述提取子模型包括词袋子模块以及关键词子模块；

将所述各聚类结果输入所述提取子模型，得到所述各聚类结果分别对应的各关键词，具体包括：

针对每个聚类结果，将该聚类结果的各分词的特征向量输入所述词袋子模块，得到该聚类结果对应的词袋矩阵；

将该聚类结果对应的词袋矩阵输入所述关键词子模块，得到该聚类结果对应的各关键词。

可选的，将所述待构建数据输入训练完成的主题模型之前，所述方法还包括：

将所述待构建数据进行预处理，所述预处理包括特殊字符处理、停用词处理以及文本分词处理中的至少一种。

可选的，所述方法还包括：

当所述评估信息为所述各关键词不通过评估时，根据所述评估信息携带的信息，对所述主题模型进行调整，重新确定关键词，直至通过所述用户的评估。

可选的，根据所述评估信息携带的信息，对所述主题模型进行调整，具体包括：

根据所述评估信息携带的信息中的引导词，对所述聚类子模型添加所述引导词，使所述聚类子模型根据所述引导词进行聚类。

可选的，所述训练完成的主题模型还包括降维子模型；

将所述各分词的特征向量输入所述聚类子模型之前，所述方法还包括：

将所述各分词的特征向量输入所述降维子模型，得到降维后的所述各分词的特征向量。

本说明书提供了一种知识图谱本体中概念构建装置，包括：

获取模块，用于获取用户输入的待构建数据；

提取模块，用于将所述待构建数据输入训练完成的主题模型，得到所述待构建数据中的各关键词；

评估模块，用于向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词；

确定模块，用于当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述知识图谱本体中概念构建方法。

本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现知识图谱本体中概念构建方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

本说明书提供的知识图谱本体中概念构建方法，获取用户输入的待构建数据。将待构建数据输入训练完成的主题模型，得到待构建数据中的各关键词。向用户返回各关键词以及提示信息，接收用户返回的针对各关键词的评估信息，提示信息用于提示用户评估各关键词。当评估信息为各关键词均通过评估时，将各关键词输入训练完成的通用大语言模型，确定待构建数据包含的概念，以根据确定出的概念构建知识图谱。

通过主题模型提取待构建数据中的各关键词，并向用户返回关键词，实现了针对待构建数据自动挖掘关键词以及关键词评估的可视化，提高确定的关键词的可解释性。通过用户返回的评估信息，实现了人工对待构建数据提取结果的修正。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书实施例提供的一种知识图谱本体中概念构建方法的流程示意图；

图2为本说明书提供的一种主题模型的结构示意图；

图3为本说明书提供的一种主题模型的结构示意图；

图4为本说明书提供的一种知识图谱本体中概念构建装置的示意图；

图5为本说明书提供的一种对应于图1的电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书实施例提供的一种知识图谱本体中概念构建方法的流程示意图，包括以下步骤：

S100：获取用户输入的待构建数据。

由于在通过主题模型提取关键词，确定知识图谱本体中概念的过程中，通常涉及到对大量文本数据的处理，对设备算力要求较高，因此本说明书实施例中，可由服务器执行该知识图谱本体中概念构建方法的过程。当然，本说明书不限制由何种设备实行该知识图谱本体中概念构建方法过程，也可采用例如，个人电脑、移动终端以及服务器等设备，进行获取用户的上传的待构建数据，进行确定知识图谱本体中概念的过程。为了便于描述，下面以服务器为执行主体进行说明。

在本说明书一个或多个实施例中，服务器可获取用户输入的待构建数据。其中，待构建数据，指用于构建知识图谱本体中概念的数据。

在本说明书一个或多个实施例中，服务器获取的待构建数据可以是经过特殊字符处理、停用词处理以及文本分词等数据操作后的数据，以便于训练完成的主题模型提取关键词，其中，停用词处理以及文本分词可分别根据停用词典和分词词典进行处理。

在本说明书一个或多个实施例中，服务器可获取多个数据源、描述风格不统一、非结构化的文本数据，作为待构建数据。也可获取结构化的文本数据作为待构建数据。

例如，服务器获取了“海滨小镇的球队旨在练兵，新秀王小强获得首发机会。综合体育新闻报道，4月10日，在常规赛还剩下三场的时候，海滨小镇的球队已经彻底的失去了进军季后赛的希望。所以今天战海港队的比赛旨在练兵。再加上主力控卫张三一直有伤，王小强和李四分别顶替了球队核心赵雷和主力前锋孙伟的首发位置出战”。

服务器再将获取的待构建数据进行特殊字符处理、停用词处理以及文本分词中至少一种预处理操作，以便于训练完成的主题模型提取关键词。

例如，服务器将上述例子进行文本分词预处理后可得到各分词，如“海滨小镇 的球队 旨在 练兵 新秀 王小强 获得 首发 机会 综合 体育 新闻 报道 在 常规赛 还 剩下 三场 的 时候 海滨小镇 的 球队 已经 彻底 的 失去 了 进军 季后赛 的 希望 所以 今天 战 海港 队 的 比赛 旨在 练兵 再 加上 主力 控卫 张三 一直 有伤 王小强和 李四 分别 顶替 了 球队 核心 赵雷 和 主力 前锋 孙伟 的 首发 位置 出战”。

S102：将所述待构建数据输入训练完成的主题模型，得到所述待构建数据中的各关键词。

在本说明书一个或多个实施例中，服务器将待构建数据输入训练完成的主题模型，得到待构建数据中的各关键词。

在本说明书一个或多个实施例中，训练完成的主题模型（下称主题模型）至少包括词嵌入子模型、聚类子模型、提取子模型。

图2为本说明书提供的一种主题模型的结构示意图。主题模型包括词嵌入子模型、聚类子模型、提取子模型。

基于图2，服务器将待构建数据输入词嵌入子模型，将待构建数据中各分词映射至向量空间，确定各分词的特征向量。通过词嵌入子模型进行对待构建数据的映射至向量空间，解决了对来自不同数据源、不同领域的待构建数据的普适性问题，即，不需要大量人工标记大量训练数据、也不需要针对不同数据结构的数据源训练不同的主题模型，节省人力成本，具有普适性，因此可处理无规则、语义表达复杂、不同领域的待构建数据。

将映射至向量空间的各分词的特征向量输入聚类子模型，得到待构建数据中各分词的各聚类结果。聚类子模型可采用基于层次密度的空间聚类（Hierarchical Density-Based Spatial Clustering，HDBSCAN）算法进行聚类，当然，本申请说明书中并不限制采用何种聚类算法，可根据实际情况设置。

将各聚类结果输入提取子模型，得到各聚类结果分别对应的各关键词。

S104：向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词。

在本说明书一个或多个实施例中，服务器在通过主题模型提取出待构建数据中的关键词后，向用户返回各关键词以及提示信息，接收用户返回的针对各关键词的评估信息，提示信息用于提示用户评估各关键词是否均通过评估，只有各关键词均通过评估才会进行后续步骤，若有关键词不通过评估即需要调整主题模型，重新确定关键词，具体步骤参考后续内容。

通过主题模型将提取出的关键词可视化，使得用户可以实时查看关键词并进行评估。

S106：当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱。

在本说明书一个或多个实施例中，当服务器接收的评估信息为各关键词均通过评估时，将各关键词输入训练完成的通用大语言模型，确定待构建数据包含的概念，以根据确定出的概念构建知识图谱。

具体的，当服务器接收的评估信息为主题模型提取的各关键词均通过用户评估时，将通过评估的各关键词输入训练完成的通用大语言模型，例如，生成式预训练转换器（Generative Pre-Trained Transformer，GPT）模型，如GPT3、GPT3.5以及GPT4模型都可用于本方案，对GPT模型版本不作限制，可根据实际情况设置，当然，通用大语言模型也可由用户训练完成。利用训练完成的通用大语言模型将各关键词总结成各概念。之后，可根据总结确定的各概念以及各概念之间存在的关系构建本体，再以本体为核心进行知识图谱的构建。

基于图1所示的一种知识图谱本体中概念构建方法，获取用户输入的待构建数据。将待构建数据输入训练完成的主题模型，得到待构建数据中的各关键词。向用户返回各关键词以及提示信息，接收用户返回的针对各关键词的评估信息，提示信息用于提示用户评估各关键词。当评估信息为各关键词均通过评估时，将各关键词输入训练完成的通用大语言模型，确定待构建数据包含的概念，以根据确定出的概念构建知识图谱。

通过主题模型提取待构建数据中的各关键词，并向用户返回关键词，实现了针对待构建数据自动挖掘关键词以及关键词评估的可视化，提高确定的关键词的可解释性。通过用户返回的评估信息，实现了人工对待构建数据提取结果的修正。

此外，在本说明书一个或多个实施例中，提取子模型包括词袋子模块以及关键词子模块。针对每个聚类结果，将该聚类结果的各分词的特征向量输入词袋子模块，得到该聚类结果对应的词袋矩阵。

之后，通过关键词子模块，根据该聚类结果对应的词袋矩阵，确定该聚类结果的各关键词。

具体的，可针对每个词袋矩阵，计算该词袋矩阵中每个词的权重。根据权重以及预设条件，筛选出满足预设条件的词，作为关键词。权重的计算可根据每个词在待构建数据中出现的次数计算，也可根据基于类别的词频-逆文档频率（Class-based Term Frequency-Inverse Document Frequency，CTF-IDF）方法进行计算，当然，具体的计算方法本说明书并不限制，可根据实际情况设置。

例如，预设条件可为，筛选出每个聚类结果对应的词袋矩阵中权重最高的20个词作为关键词。

在本说明书一个或多个实施例中，通过关键词子模块，从聚类结果对应的词袋矩阵中，确定聚类结果的各关键词时，若考虑到不同类型的聚类结果之间的影响，可将各聚类结果对应的词袋矩阵一起输入关键词子模块。当然，考虑到不同的聚类结果对应的词袋矩阵应该互不影响，也可以分开输入关键词子模块。

在本说明书一个或多个实施例中，当服务器接收得到评估信息为各关键词不通过评估时，根据评估信息携带的信息，对主题模型进行调整，重新确定关键词，直至通过用户的评估。

具体的，该服务器可根据评估信息携带的信息中的引导词，对聚类子模型添加引导词，使聚类子模型根据引导词进行聚类。

在本说明书一个或多个实施例中，还可通过人工对主题模型中的超参数进行修改，包括词嵌入模型、降维算法以及聚类算法的选择以及修改它们的超参数。

图3为本说明书提供的一种主题模型的结构示意图。主题模型包括词嵌入子模型、降维子模型、聚类子模型、提取子模型。服务器将待构建数据输入词嵌入子模型，将词嵌入子模型的输出结果输入降维子模型，将降维子模型的输出结果输入聚类子模型，将聚类子模型的输出结果输入提取子模型，提取子模型输出关键词。

在本说明书一个或多个实施例中，训练完成的主题模型还包括降维子模型。将映射至向量空间的待构建数据的各分词的特征向量输入聚类子模型之前，服务器还可将映射至向量空间的待构建数据的各分词的特征向量输入降维子模型，得到降维后的待构建数据的各分词的特征向量。降维子模型中可使用均匀流形近似与投影（Uniform ManifoldApproximation and Projection，UMAP）算法对待构建数据进行数据降维，实现了在保持待构建数据之间的局部结构的方式下，将待构建数据从高维空间映射到低维空间，以便对待构建数据进行的聚类以及提取出的关键词的可视化。

在本说明书一个或多个实施例中，服务器将主题模型提取出的各关键词返回用户评估后，用户可查看各关键词并评估，还可手动对各聚类结果对应的关键词进行合并、删减以及拆分，即进行对各关键词进行人工修正。再将人工修正后的各关键词输入训练完成的通用大语言模型，进而确定概念。

在本说明书一个或多个实施例中，服务器将各关键词输入训练完成的通用大语言模型，得到通用大语言模型输出的各关键词对应的各概念后，可向用户返回各概念以及检查信息，再接收用户返回的针对各概念的确认信息，检查信息用于提示用户确认各概念。当确认信息为各概念均确认通过时，确定待构建数据的各概念。当确认信息为各概念确认不通过时，可对训练完成的通用大语言模型进行微调，直至各概念均确认通过为止。

在本说明书一个或多个实施例中，对于与待构建数据相同领域的数据，也可根据相同的主题模型进行关键词提取，即，对于相同领域的数据可以直接借用该领域的提取过关键词的主题模型进行迁移学习，对其微调后可用于提取关键词。

在本说明书一个或多个实施例中，训练完成的主题模型可以是基于变换器的双向编码器表示（Bidirectional Encoder Representations from Transformers，BERT）的主题模型,即BERTopic主题模型。

以上为本说明书的一个或多个实施例提供的一种知识图谱本体中概念构建方法，基于同样的思路，本说明书还提供了相应的一种知识图谱本体中概念构建装置，如图4所示。

图4为本说明书提供的一种知识图谱本体中概念构建装置的示意图，具体包括：

获取模块400，用于获取用户输入的待构建数据；

提取模块402，用于将所述待构建数据输入训练完成的主题模型，得到所述待构建数据中的各关键词；

评估模块404，用于向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词；

确定模块406，用于当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱。

可选的，所述训练完成的主题模型至少包括词嵌入子模型、聚类子模型、提取子模型；

所述提取模块402，具体用于将所述待构建数据输入所述词嵌入子模型，将所述待构建数据中各分词映射至向量空间，确定所述各分词的特征向量，将所述各分词的特征向量输入所述聚类子模型，得到所述待构建数据中各分词的各聚类结果，将所述各聚类结果输入所述提取子模型，得到所述各聚类结果分别对应的各关键词。

可选的，所述提取子模型包括词袋子模块以及关键词子模块；

所述提取模块402，具体用于针对每个聚类结果，将该聚类结果的各分词的特征向量输入所述词袋子模块，得到该聚类结果对应的词袋矩阵，通过所述关键词子模块，根据该聚类结果对应的词袋矩阵，确定该聚类结果的各关键词。

可选的，所述提取模块402，还用于将所述待构建数据进行预处理，所述预处理包括特殊字符处理、停用词处理以及文本分词处理中的至少一种。

可选的，所述提取模块402，还用于当所述评估信息为所述各关键词不通过评估时，根据所述评估信息携带的信息，对所述主题模型进行调整，重新确定关键词，直至通过所述用户的评估。

可选的，所述提取模块402，还用于根据所述评估信息携带的信息中的引导词，对所述聚类子模型添加所述引导词，使所述聚类子模型根据所述引导词进行聚类。

可选的，所述训练完成的主题模型还包括降维子模型；

所述提取模块402，还用于将所述各分词的特征向量输入所述降维子模型，得到降维后的所述各分词的特征向量。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种知识图谱本体中概念构建方法。

本说明书还提供了图5所示的电子设备的示意结构图。如图5所示，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的知识图谱本体中概念构建方法。

当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (8)

1.一种知识图谱本体中概念构建方法，其特征在于，训练完成的主题模型至少包括词嵌入子模型、聚类子模型、提取子模型，包括：

获取用户输入的待构建数据；

将所述待构建数据输入所述训练完成的主题模型，依次通过所述词嵌入子模型、所述聚类子模型以及所述提取子模型，得到所述待构建数据中的各关键词；

向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词；

当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱；

当所述评估信息为所述各关键词不通过评估时，根据所述评估信息携带的信息中的引导词，对所述聚类子模型添加所述引导词，使所述聚类子模型根据所述引导词进行聚类，重新确定关键词，直至通过所述用户的评估。

2.如权利要求1所述的方法，其特征在于，依次通过所述词嵌入子模型、所述聚类子模型以及所述提取子模型，得到所述待构建数据中的各关键词，具体包括：

将所述待构建数据输入所述词嵌入子模型，将所述待构建数据中各分词映射至向量空间，确定所述各分词的特征向量；

将所述各分词的特征向量输入所述聚类子模型，得到所述待构建数据中各分词的各聚类结果；

将所述各聚类结果输入所述提取子模型，得到所述各聚类结果分别对应的各关键词。

3.如权利要求2所述的方法，其特征在于，所述提取子模型包括词袋子模块以及关键词子模块；

将所述各聚类结果输入所述提取子模型，得到所述各聚类结果分别对应的各关键词，具体包括：

针对每个聚类结果，将该聚类结果的各分词的特征向量输入所述词袋子模块，得到该聚类结果对应的词袋矩阵；

通过所述关键词子模块，根据该聚类结果对应的词袋矩阵，确定该聚类结果的各关键词。

4.如权利要求1所述的方法，其特征在于，将所述待构建数据输入训练完成的主题模型之前，所述方法还包括：

将所述待构建数据进行预处理，所述预处理包括特殊字符处理、停用词处理以及文本分词处理中的至少一种。

5.如权利要求2所述的方法，其特征在于，所述训练完成的主题模型还包括降维子模型；

将所述各分词的特征向量输入所述聚类子模型之前，所述方法还包括：

将所述各分词的特征向量输入所述降维子模型，得到降维后的所述各分词的特征向量。

6.一种知识图谱本体中概念构建装置，其特征在于，训练完成的主题模型至少包括词嵌入子模型、聚类子模型、提取子模型，包括：

获取模块，用于获取用户输入的待构建数据；

提取模块，用于将所述待构建数据输入所述训练完成的主题模型，依次通过所述词嵌入子模型、所述聚类子模型以及所述提取子模型，得到所述待构建数据中的各关键词；

评估模块，用于向所述用户返回所述各关键词以及提示信息，接收所述用户返回的针对所述各关键词的评估信息，所述提示信息用于提示所述用户评估所述各关键词；

第一确定模块，用于当所述评估信息为所述各关键词均通过评估时，将所述各关键词输入训练完成的通用大语言模型，确定所述待构建数据包含的概念，以根据确定出的概念构建知识图谱；

第二确定模块，用于当所述评估信息为所述各关键词不通过评估时，根据所述评估信息携带的信息中的引导词，对所述聚类子模型添加所述引导词，使所述聚类子模型根据所述引导词进行聚类，重新确定关键词，直至通过所述用户的评估。

7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~5任一项所述的方法。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~5任一项所述的方法。