WO2015043070A1 - 一种知识点隐性关系获取方法及其系统 - Google Patents

一种知识点隐性关系获取方法及其系统 Download PDF

Info

Publication number
WO2015043070A1
WO2015043070A1 PCT/CN2013/088740 CN2013088740W WO2015043070A1 WO 2015043070 A1 WO2015043070 A1 WO 2015043070A1 CN 2013088740 W CN2013088740 W CN 2013088740W WO 2015043070 A1 WO2015043070 A1 WO 2015043070A1
Authority
WO
WIPO (PCT)
Prior art keywords
relationship
knowledge
knowledge point
dominant
point
Prior art date
Application number
PCT/CN2013/088740
Other languages
English (en)
French (fr)
Inventor
叶茂
万巍
徐剑波
汤帜
金立峰
Original Assignee
北大方正集团有限公司
北京方正阿帕比技术有限公司
北京大学
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北大方正集团有限公司, 北京方正阿帕比技术有限公司, 北京大学 filed Critical 北大方正集团有限公司
Priority to US15/025,478 priority Critical patent/US10210281B2/en
Priority to JP2016517541A priority patent/JP6276396B2/ja
Priority to EP13894858.3A priority patent/EP3051435A4/en
Publication of WO2015043070A1 publication Critical patent/WO2015043070A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • 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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor

Definitions

  • the invention relates to a method and system for acquiring knowledge point implicit relationship, belonging to an electrical digital data processing technology.
  • the method of retrieving other knowledge points in the explanatory text of a certain knowledge point can easily obtain the explicit relationship of the two knowledge points, and the indirect implicit relationship is based on the indirect knowledge.
  • the ratio of the strength of the relationship refers to the ratio of the intensity of the dominant relationship of the knowledge point to the sum of the strengths of all relevant knowledge points.
  • the method for obtaining the intensity of the implicit relationship is only relative.
  • the implicit relationship of the knowledge points is obtained.
  • the whole knowledge system is not considered from the whole, and all the implicit relations in the whole knowledge system are analyzed and processed, only the ratio of the dominant relationship between the knowledge points and the strength of the relationship is obtained.
  • the implicit relationship strength the way to obtain this implicit relationship can only obtain the implicit relationship of the knowledge point relatively, which is not accurate enough.
  • the dominant relationship strength is obtained, it is based on the number of occurrences of the knowledge point in the relevant text. Calculate the dominant relationship strength. This calculation method does not normalize the relationship strength, which leads to the lack of an absolute measurable value in the judgment of the relationship strength. Therefore, it is difficult to obtain the most representative implicit relationship in the existing technical solutions. . SUMMARY OF THE INVENTION
  • the technology to be solved by the present invention is a problem! The method for obtaining the intensity of the implicit relationship in the prior art only uses the relationship strength between the knowledge points and the proportion of the relationship strength to obtain the implicit relationship of the knowledge points.
  • a method for acquiring a hidden point of knowledge points comprising the following steps:
  • the process of establishing a knowledge point explicit relationship map according to all knowledge points and their interpreted sets includes the following steps: calculating a positive point dominant relationship of the knowledge points according to the set of all knowledge points and their interpretations, and setting The knowledge point is positively dominant relationship strength; calculating a knowledge point inverse dominant relationship according to the set of all knowledge points and their interpretations, and setting the knowledge point inverse dominant relationship strength; according to the knowledge point Calculate the explicit relationship of knowledge points and calculate them from the explicit relationship and the inverse dominant relationship of the knowledge points The dominant relationship strength of the knowledge points; based on the dominant relationship strength of all knowledge points, establish a dominant relationship map of knowledge points.
  • the method for setting the strength of the positive point of the knowledge point is: at the time, from the knowledge point.
  • the name of , ⁇ is the interpretation of knowledge point 0, ⁇ ( ⁇ ,) is the set of knowledge points of
  • ⁇ 1, ⁇ 1,2,.”,11 (11 is the number of knowledge points).
  • the method for calculating the explicit relationship of the knowledge points is:
  • the method for calculating the dominant relationship strength of the knowledge point is
  • ⁇ (, 7) indicates knowledge points. , to the intensity of the explicit relationship of the knowledge point, the intensity of the positive dominant relationship from the knowledge point °' to the knowledge point, from the knowledge point. , the inverse dominant relationship strength to the knowledge point;
  • the knowledge point explicit relationship map is generated according to the explicit relationship matrix E.
  • the dominant relationship map is a weighted directed graph G, and the weighted directed graph G includes edges, weights, and vertices, wherein the method for setting edges and weights is: the weighted directed graph G From knowledge point 0, to knowledge Know the point.
  • the simple path set of the two knowledge points is obtained by using a deletion algorithm deletion algorithm to obtain the first K simple ⁇ to approximate all the simple ⁇ sets.
  • the method for calculating the implicit relationship strength corresponding to each simple path in the simple path set is: ⁇ , " ), where (. m , . composer ) e ⁇ , is from the knowledge point.
  • the dominant relationship strength to m, n represents the number of the knowledge point; is an edge on the simple.
  • the implicit relationship strength preset threshold is set to, where 0.05 ⁇ ⁇ 0.4, preferably The implicit relationship strength preset threshold is 0.1.
  • a knowledge point implicit relationship acquisition system comprising: a knowledge point explicit relationship map building module, configured to establish a knowledge point explicit relationship map according to a set of all knowledge points and their interpretation; a simple set calculation ⁇ for the knowledge Point dominant relationship map, calculating a simple path set of two knowledge points; a recessive relationship strength calculation module, configured to calculate the implicit relationship strength of each simple ⁇ corresponding in the simple path set; effective implicit relationship strength setting ⁇ And comparing the implicit relationship strength of each simple path, and the implicit relationship strength of the path whose value is the largest and greater than the preset threshold is set as the effective implicit relationship strength.
  • the knowledge point explicit relationship map establishing module includes: a knowledge point forward explicit relationship strength setting unit, configured to calculate a positive point dominant relationship of the knowledge points according to the set of all the knowledge points and the interpretation thereof, Configuring the knowledge point forward dominant relationship strength; the knowledge point inverse dominant relationship strength setting unit, configured to calculate a knowledge point inverse dominant relationship according to the set of all knowledge points and the interpretation thereof, and set the a knowledge point inverse dominant relationship strength; a knowledge point explicit relationship strength calculation unit, configured to calculate a knowledge point explicit relationship and calculate knowledge according to the knowledge point positive dominant relationship and the knowledge point inverse dominant relationship The explicit relationship strength of the point; the explicit relationship map establishing unit is configured to establish a dominant relationship map of the knowledge points according to the dominant relationship strength of all knowledge points.
  • the positive dominant relationship, ⁇ ( ⁇ ,. ,o.)
  • ⁇ ( ⁇ ,) is the set of knowledge points of
  • ⁇ 1, ⁇ 1,2,.”,11 (11 is the number of knowledge points).
  • the method for calculating the explicit relationship of the knowledge points is:
  • the intensity of the explicit relationship to the knowledge point represent knowledge points.
  • the intensity of the positive dominant relationship from the knowledge point to the knowledge point represent knowledge points.
  • the relationship strengths of all the knowledge points in the dominant relationship set are calculated and stored in the explicit relationship strength matrix E, and the knowledge point explicit relationship map is generated according to the explicit relationship matrix E.
  • the dominant relationship map is a weighted directed graph G, and the weighted directed graph G includes edges, weights, and vertices, wherein the method for setting edges and weights is: the weighted directed graph G From knowledge point 0 to knowledge point.
  • the algorithm of the simple path set of the two knowledge points is: an initial value of the set D ik is an edge from the vertex i to the vertex k, when a certain path in the set D y and one of the set D jk
  • the simple path set of the two knowledge points may obtain the first K simple paths by using a deletion algorithm deletion algorithm to approximate the collection of all simple paths.
  • the method for calculating the implicit relationship strength corresponding to each simple path in the simple path set is: ⁇ , " ), where (. m , .x , Mm , . n-) from the knowledge to the "dominant relationship strength, m, n represents the number of knowledge points;. (m, .J is a simple path on the side Alternatively, the pre implicit relational strength.
  • One or more computer-readable interfaces having computer-executable instructions that, when executed by a computer, perform a knowledge point implicit relationship acquisition method, the method comprising: establishing knowledge based on a collection of all knowledge points and their interpretations Point dominant relationship map; calculating a simple path set of two knowledge points according to the knowledge point explicit relationship map; calculating a recessive relationship strength corresponding to each simple path in the simple path set; comparing each simple said The implicit relationship strength, the implicit relationship strength of the path whose value i ⁇ JL is greater than the preset threshold is set as the effective implicit relationship strength.
  • the method for acquiring the implicit relationship of knowledge points includes the following steps: Explicit relationship strength establishes a knowledge point dominant relationship map; calculates a simple path set of two knowledge points according to the knowledge point explicit relationship map; calculates a recessive relationship strength corresponding to each simple path in the simple path set; For each simple implicit relationship strength, the implicit relationship strength of the simple path whose value is the largest and greater than the preset threshold is set as the effective implicit relationship strength.
  • the above method effectively avoids the implicit relationship in the prior art that only utilizes the relationship strength between the knowledge points and the relative strength of the relationship strength to acquire the knowledge points.
  • the search method of the implicit relationship is not accurate enough, and the relationship strength is not normalized. Processing, the judgment that leads to the strength of the relationship lacks an absolute measurable value, and it is difficult to obtain the most representative implicit relationship.
  • the method for acquiring the implicit relationship of knowledge points is based on the explicit relationship, and normalizes the positive dominant relationship and the inverse dominant relationship strength, and the dominant relationship is
  • the intensity is set in the interval [0, 0.99], which simplifies the calculation, and the implicit relationship strength is also limited to the interval [0, 0.99).
  • Sexual relationships provide an absolutely measurable value that can be judged.
  • the algorithm for the simple path set of the two knowledge points adopts an algorithm provided by Frank Rubin: the algorithm of the simple path set of two knowledge points adopts two paths only in a certain A method in which two paths are merged to merge a two path into a simple path calculates a simple path, thereby obtaining a simple path set between two knowledge points.
  • the method is simple, easy to operate, and easy to implement.
  • the core of the Deletion Algorithm deletion algorithm is to find the next optional simple path by deleting an edge on the existing path in the directed graph and looking for the replacement edge.
  • This method extends the base Sal last set point corresponding to the new vertex Gordon, and following the first article adjacent ⁇ ⁇ skin "exhibition vertex edges ⁇ knowledge applicable to find a simple valve 3 ⁇ 4 s method is simple, easy operation, easy to implement .
  • the method for acquiring the implicit relationship of knowledge points according to the present disclosure, by converting the explicit relationship matrix into The weighted directed graph facilitates the simple ⁇ calculation between knowledge points, and facilitates the implementation of the algorithm, improving the operation.
  • the knowledge point implicit relationship acquisition system of the present disclosure which utilizes the knowledge point implicit relationship acquisition method, effectively avoids the relationship between the intensity of the relationship between the knowledge points and the relative strength of the relationship strength in the prior art.
  • the implicit relationship of knowledge points, the way of searching for implicit relationships is not precise enough, and the relationship strength is not normalized.
  • the judgment of relationship strength lacks an absolute measurable value, and it is difficult to obtain the most implicit relationship. problem.
  • FIG. 1 is an embodiment of the method for acquiring the implicit relationship of knowledge points according to the present disclosure.
  • FIG. 2 is a structural diagram of an embodiment of a knowledge point implicit relationship acquisition system of the present disclosure.
  • Embodiment 1 provides a method for acquiring a knowledge point implicit relationship as shown in FIG. 1 .
  • the knowledge point described in this embodiment is a knowledge interaction unit, which represents a concept or an entity, such as Qin Shihuang, Tang Dynasty, and Wuxu Reform.
  • the method for acquiring the implicit relationship of the knowledge point provided by the embodiment is described by taking the method for obtaining the implicit relationship of the knowledge point in the encyclopedia as an example.
  • the specific steps include the following steps: SI: Establish a knowledge point explicit relationship map based on a collection of all knowledge points and their interpretations. In one embodiment, the steps are as follows:
  • the method for setting the strength of the positive point of the knowledge point is:
  • the method for setting the inverse dominant relationship strength of the knowledge point is:
  • the method for calculating the dominant relationship strength of the knowledge point is
  • the intensity of the positive dominant relationship from the knowledge point to the knowledge point o], ( , j) is the inverse dominant relationship strength from the knowledge point 0 to the knowledge point 0j .
  • the dominant relationship strength of the knowledge points is obtained by calculating the strength of the positive dominant relationship and the strength of the inverse dominant relationship, and the two-way relationship strength evaluation method is further improved. The accuracy of the dominant relationship strength.
  • the knowledge point explicit relationship map is generated according to the explicit relationship matrix E.
  • the method for acquiring the implicit relationship of knowledge points is based on the explicit relationship, and the dominant relationship strength is set in the interval by normalizing the positive dominant relationship and the inverse dominant relationship strength. [0, 0.99], simplifies the amount of calculation, and the implicit relationship strength is also in the interval [0, 0.99). In order to obtain the most representative implicit relationship from the knowledge point dominant relationship in the global space, An absolutely measurable value that can be judged.
  • the dominant relationship map is a weighted directed graph G, and the weighted directed graph G includes edges, weights, and vertices.
  • the method of setting the edge and weight is:
  • the weighted directed graph G is from knowledge point 0 to knowledge point.
  • the weight of the edge is set to f E ⁇ j, j, ;
  • f E (i, j) 0, there is no knowledge point 0 from the knowledge point 0 to the knowledge point in the weighted directed graph G.
  • ⁇ (J) represents the knowledge point. i to the knowledge point.
  • the vertices of the weighted directed graph G are the same as the vertices of the explicit relational matrix E, and both represent Knowledge point.
  • the weighted directed graph G is an auxiliary map for calculating a simple path.
  • the initial value of the set D ik is the edge from the vertex i to the vertex k.
  • a certain path in the set Dy coincides with a certain vertex j in the set D jk , the two are merged to obtain the vertex i to the vertex k.
  • the simple number from the knowledge point 'to ⁇ is greater than or equal to zero; when the simple ⁇ is zero, it indicates that there is no implicit relationship from the knowledge point 0i to 0 ].
  • the algorithm of the simple path set of the two knowledge points uses two paths to calculate a simple path by combining two paths into a simple path when a certain vertex coincides, thereby obtaining a simple set between two knowledge points, and the method is simple and easy. achieve.
  • the method for calculating the implicit relationship strength corresponding to each simple path in the simple path set is:
  • the maximum value of the implicit relationship strength corresponding to the simple path is taken as the implicit relationship strength from the knowledge point 0i to 0j and the implicit relationship strength of i ⁇ with ⁇ (, j) > 0.1 is set as the most effective implicit relationship strength.
  • the implicit relationship strength preset threshold may take different values of 0.15, 0.2, 0.3, 0.4, etc., and different values are selected according to the user's needs or the size of the implicit relationship strength.
  • the scheme filters out some simple paths with weak implicit relationships, and can directly eliminate some paths that have no practical significance.
  • Embodiment 2 In this embodiment, except for step S3, which is different from the first embodiment, the other steps are the same as those of the first embodiment.
  • the simple path set of the two knowledge points is obtained by the deletion algorithm deletion algorithm proposed by Martins to obtain the simple path of the first K simple path approximation to obtain two knowledge points.
  • the core of the Deletion Algorithm deletion algorithm is to find the next optional simple path by deleting an edge on the existing path in the directed graph and looking for the replacement edge.
  • the method at the last vertex set is to find the next optional simple path by deleting an edge on the existing path in the directed graph and looking for the replacement edge.
  • the method for acquiring the implicit relationship of the knowledge point in the embodiment includes the following steps: establishing a dominant relationship map of the knowledge point according to the intensity of the explicit relationship of the knowledge point; calculating a simple path of the two knowledge points according to the explicit relationship map of the knowledge point Collecting; calculating the implicit relationship strength corresponding to each simple path in the simple path set; comparing each simple implicit relationship strength, the implicit relationship strength whose value is the most i ⁇ JL greater than the preset threshold is set to be effective Implicit relationship strength.
  • the above method effectively avoids the implicit relationship in the prior art that only utilizes the relationship strength between the knowledge points and the relative strength of the relationship strength to obtain the knowledge points.
  • the search method of the implicit relationship is not accurate enough, and the relationship strength is not normalized. Processing, the judgment that leads to the strength of the relationship lacks an absolute measurable value, and it is difficult to obtain the most representative implicit relationship.
  • the knowledge point implicit relationship obtaining system includes: a knowledge point explicit relationship map establishing module 21, configured to establish a knowledge point explicit relationship map according to all knowledge points and their interpreted sets; the simple path set computing module 22 And a simple path set for calculating two knowledge points according to the knowledge point explicit relationship map; the recessive relationship strength calculating module 23 is configured to calculate a recessive relationship strength corresponding to each simple path in the simple path set;
  • the effective implicit relationship strength setting module 24 is configured to compare the implicit relationship strength of each simple path, and the implicit relationship strength of the value of i ⁇ whose value is the largest and greater than the preset threshold is set as the effective implicit relationship strength.
  • the knowledge point explicit relationship map building module 21 includes: a knowledge point forward explicit relationship strength setting unit 211, configured to calculate a positive point dominant relationship of the knowledge points according to the set of all the knowledge points and their interpretations And setting the knowledge point forward dominant relationship strength; the knowledge point inverse dominant relationship strength setting unit 212 is configured to calculate a knowledge point inverse dominant relationship according to the set of all the knowledge points and the interpretation thereof, and set The knowledge point inverse dominant relationship strength; the knowledge point explicit relationship strength calculating unit 213 is configured to calculate a knowledge point dominant relationship according to the knowledge point forward dominant relationship and the knowledge point inverse dominant relationship The explicit relationship strength of the knowledge points is calculated; the explicit relationship map establishing unit 214 is configured to establish a dominant relationship map of the knowledge points according to the intensity of the sexual relations of all the knowledge points.
  • the method for setting the intensity of the positive point of the knowledge point is: at that time, from the knowledge point.
  • the method for calculating the explicit relationship of the knowledge points is
  • the method for calculating the dominant relationship strength of the knowledge point is
  • ⁇ ( , 7) indicates knowledge points. , to the intensity of the explicit relationship of the knowledge point, the intensity of the positive dominant relationship from the knowledge point °' to the knowledge point, from the knowledge point. , the inverse dominant relationship strength to the knowledge point.
  • the relationship strengths of all the knowledge points in the dominant relationship set are calculated and stored in the explicit relationship strength matrix E, and the knowledge point explicit relationship map is generated according to the explicit relationship matrix E.
  • the dominant relationship map is a weighted directed graph G, and the weighted directed graph G includes edges, weights, and vertices, wherein the edge and weight are set by the weighted directed graph G from the knowledge point 0
  • the dominant relationship weight to the knowledge point; the vertices of the weighted directed graph G are the same as the vertices of the dominant relation matrix ⁇ , and both represent knowledge points.
  • the algorithm of the simple path set of the two knowledge points is: the initial value of the set D ik is the edge from the vertex i to the vertex k, when a certain path in the set Dy and some of the set D jk
  • the simple path set of the two knowledge points acquires the first K simple path approximations to obtain a set of all simple paths through a deletion algorithm deletion algorithm.
  • the method for calculating the implicit relationship strength corresponding to each simple path in the simple path set is: ⁇ , "), where (0 0 ⁇ ⁇ , /£(w , w) dominant relationship strength to the knowledge from, m, n represents the number of knowledge points;. (m, .J is a simple path on the side of the implicit relational intensity preset threshold is set, wherein 0.05. ⁇ ⁇ 0.4
  • the implicit relationship strength preset threshold 0.1.
  • This embodiment provides a knowledge point implicit relationship acquisition system, which utilizes the knowledge point implicit relationship acquisition method, effectively avoiding the prior art Only use the relationship strength between knowledge points and the relative strength of relationship strength to obtain the implicit relationship of knowledge points.
  • the search method of recessive relationship is not accurate enough, and the relationship strength is not normalized, resulting in lack of judgment of relationship strength. An absolute measurable value, it is difficult to obtain the most insidious relationship problem.
  • Embodiment 4 This embodiment provides an application embodiment. There is a dominant relationship between the first emperor and Li Si, dominant The relationship strength is 0.5, and the relationship is expressed as a directed edge el of the first emperor to Lis, and the weight of el is 0.5.
  • the above-described embodiments are merely illustrative of the embodiments and are not intended to limit the embodiments. Other variations or variations of the various forms may be made by those skilled in the art based on the above description. There is no need and no way to exhaust all of the implementations. It will be apparent to those skilled in the art that the embodiments of the present invention can be provided as a method, system, or computer program product. Thus, the present invention can take the form of an entirely hardware embodiment, an entirely software embodiment, or a combination of software and hardware. Moreover, the present invention may employ a computer usable storage medium (including but not limited to disk storage, in one or more of which contains computer usable program code.
  • the computational instructions can also be stored in a computer readable memory that can direct a computer or other programmable data processing device to operate in a particular manner, such that instructions stored in the computer readable memory produce an article of manufacture including the instruction device.
  • the instruction means implements the functions specified in one or more blocks of the flow or in a flow or block diagram of the flowchart.
  • These computer program instructions can also be loaded onto a computer or other programmable data processing device such that a series of operational steps are performed on a computer or other programmable device to produce computer-implemented processing for use on a computer or other programmable device
  • the instructions that are executed are provided for implementing one in 3 ⁇ 4 ⁇ 2 Or a plurality of processes and/or block diagrams of the steps of a function specified in a block or blocks.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种知识点隐性关系获取方法及其系统，首先根据知识点显性关系强度建立知识点显性关系图谱；其次根据所述知识点显性关系图谱，计算两知识点的简单路径集合；然后计算所述简单路径集合中每条简单路径对应的隐性关系强度；再比较每条简单路径的隐性关系强度，其值最大且大于预设阈值的简单路径的隐性关系强度设置为有效的隐性关系强度。上述方案有效避免了现有技术中只是利用知识点之间的关系强度及关系强度比例相对性获取知识点的隐性关系，隐性关系的寻找方式不够精确，同时没有对关系强度进行归一化处理，导致关系强度的判断缺乏一个绝对的可衡量值，难以获得最具代表性的隐性关系的问题。

Description

一种知识点隐性关系获取方法及其系统
技术领域
本发明涉及一种知识点隐性关系获取方法及其系统， 属于电数字数据处理 技术。
背景技术
随着知识经济时代的到来， 数字出版已成为出版业Ol的必然趋势， 人们 已从纸质阅读大量地转向电子阅读。 电子图书、 期刊、 数字报刊等多样化的出 版资源蕴含大量权威知识， 具有很高的应用价值。 这些数字出版资源大量地采 用书籍或期刊等文档篇章的形式組织和传播知识和信息， 人们希望获取的并非 文档本身， 而是直接获得文档里的相关知识点， 即将所有本领域的相关知识点 都能找出来， 以便研究学习。
知识点之间存在着关联， 通过同一文本中知识点及其解释可以直接计算的 关系， 我们称之为"显性关系"， 通过不同文本中知识点及其解释间接计算的关 系， 我们称之为"隐性关系"。 百科全书作为一种数字出版资源， 是对知识点概 要信息的简单总结。 百科全书中的知识点（也称为词条）描述了知识点名称和 知识点解释， 解释文本中通常会提及部分其他相关知识点。 例如， 在《中国大 百科全书——中国历史》中， 对于知识点"秦始皇，，的解释为 "中国统一秦王朝 的开国皇帝…免除吕不韦的相职， 令其徙处蜀郡. "始皇三十四年， 又采纳丞相 李斯的建议…"（省略了部分内容， 已经使用...注明）。 从解释中可以看到， 知 识点"秦始皇，，与知识点 "吕不韦，，有关联关系。 同理， 知识点 "秦始皇，，与知识点 "李斯 关联关系， 这些关系是存在于知识点及其解释之间的显性关系。 但 是， 在两个知识点之间， 除了显性关系， 还可能存在多个间接地隐性关系， 并 且隐性关系可能比显性关系更具代表性。 因此基于知识点的显性关系， 需要进 一步挖掘知识点间的隐性关系。
现有技术中， 采用在某个知识点的解释文本中检索其他知识点的方法， 可 以^易地获 两个知识点的显性关系， 而间接的隐性关系是根据间接知识 点之间的关系强度及关系强度的比例获得的关系强度， 关系强度的比例指该知 识点显性关系强度与所有相关知识点强度总和的比值， 这种获取隐性关系强度 的方法只是相对性地获取了知识点的隐性关系， 并未从全局考虑整个知识体系， 将整个知识体系中的所有隐性关系进行分析处理， 只是利用知识点之间的显性 关系强度及关系强度的比例获得的隐性关系强度， 这种隐性关系的获取方式只 能相对性的获取知识点的隐性关系， 不够精确； 同时在获取显性关系强度时是 基于知识点在相关文本中出现的次数来计算显性关系强度， 这种计算方式没有 对关系强度进行归一化处理， 导致关系强度的判断缺乏一个绝对的可衡量值， 因此， 现有的技术方案难以获得最具代表性的隐性关系。 发明内容 本发明所要解决的技术问¾！现有技术中获取隐性关系强度的方法只是利 用知识点之间的关系强度及关系强度的比例相对的获取知识点的隐性关系， 隐 性关系的寻找方式不够精确， 同时没有对关系强度进行归一化处理， 导致关系 强度的判断缺乏一个绝对的可衡量值，难以获得最具 性的隐性关系的问题， 因此提供一种从全局空间的知识点显性关系出发， 获取最具代表性的隐性关系 的方法及其系统。 为解决上述技术问题， 本发明是通过以下技术方案实现的： 一种知识点隐性关系获取方法， 包括如下步骤：
根据所有知识点及其解释的集合建立知识点显性关系图谱； 根据所述知识 点显性关系图谱， 计算两知识点的简单^^集合； 计算所述简单 ^^集合中每 条简单 对应的隐性关系强度； 比较每条简单 的所述隐性关系强度， 其 值最大且大于预设阈值的 的隐性关系强度设置为有效的隐性关系强度。 可选地， 所述根据所有知识点及其解释的集合建立知识点显性关系图谱的 处理包括如下步骤： 根据所述所有知识点及其解释的集合计算知识点正向显性 关系， 并设置所述知识点正向显性关系强度； 根据所述所有知识点及其解释的 集合计算知识点反向显性关系， 并设置所述知识点反向显性关系强度； 根据所 述知识点正向显性关系和所述知识点反向显性关系计算知识点显性关系并计算 知识点的显性关系强度； 根据所有知识点的所述显性关系强度， 建立知识点显 性关系图谱。 可选地， 所述知识点正向显性关系强度的设置方法为： 当 时， 从 知识点。,到 的正向显性关系的强度设置为/ ^, =0.66； 当 时， 从知 识点 0;到 0j的正向显性关系的强度设置为 f人 = 0；其中 表示知识点 Oi到 0j的 正向显性关系， = {(ο,. ,o.)| Xj e H(yi),i≠ j}， X,·是知识点。,·的名称， .是知识点 0,的解释， Η(γ,) 是 中所|^1的知识点集合，^=1，2，."，11( 11为知识点的个数）。 可选地， 所述知识点反向显性关系强度的设置方法为： 当（0i,0)e 时，从 知识点。,到 ^的反向显性关系的强度设置为 ( ) = 0.33; 当 时，从知 识点 0;到 0]的反向显性关系的强度设置为 fN (i, 7) = 0； 其中 表示知识点 0i到 0] 的反向显性关系， = {(o, , 0j ) I X, e Η ), i≠ j}。
可选地， 所述知识点显性关系的计算方法为，
其中， 表示知识点。,到。,的显性关系， 表示知识点。,到。,的反向显性 关系， 表示知识点。,到 ^的正向显性关系， 则所有的知识点间的显性关系集 合 为
所述知识点显性关系强度的计算方法为，
Figure imgf000005_0001
其中， Λ(,7)表示知识点。,到知识点 显性关系的强度， 为从知识点 °' 到知识点 的正向显性关系强度， 为从知识点。,到知识点 的反向显性关 系强度；
计算显性关系集合 中所有知识点的关系强度并^ 在显性关系强度矩阵
E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。 可选地， 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重 和顶点， 其中， 边和权重的设置方法为： 所述带权有向图 G中从知识点 0,到知 识点。的边的权重设置为 fE(i, j) '， 当 Λ( , )=0时， 所述带权有向图 G中不存在 从知识点 0,到知识点 的边， 其中， 表示知识点 0,到知识点 的显性关系 权重； 所述带权有向图 G的顶点与所述显性关系矩阵 Ε的顶点相同， 都代表知 识点。 可选地，所述两知识点的简单路径集合的算法为： 集合 Dik的初始值为从顶 点 i到顶点 k的边， 当集合 Dy中的某条路径和集合 Djk中的某条路径仅在顶点 j重合时， 将这两条路径合并得到从顶点 i到顶点 k的一条简单路径， 并^^在 所述集合 Dik中； 其中 i，j，k=l，2，...，n ( n为顶点数目）， 按从小到大顺序依次遍历 k, i和 j的所有取值， 并全部保存在所述集合 Dik中。 可选地，所述两知识点的简单路径集合，通过 deletion algorithm删除算法获 取前 K条简单^^来近似获取所有简单 ^^的集合。 可选地， 所述计算所述简单路径集合中每条简单路径对应的隐性关系强度 的方法为： ΠΛ ，" )， 其中 (。m，。„) e^， 是从知识点。„到 的显性关 系强度， m，n表示知识点的编号； 是所述简单 上的一条边。 可选地，所述隐性关系强度预设阈值设置为 ，其中 0.05≤ ≤0.4 ，优选地， 所述隐性关系强度预设阈值 = 0.1。
一种知识点隐性关系获取系统， 包括： 知识点显性关系图谱建立模块， 用于根据所有知识点及其解释的集合建立 知识点显性关系图谱；简单 集合计算^，用于所述知识点显性关系图谱， 计算两知识点的简单路径集合； 隐性关系强度计算模块， 用于计算所述简单路 径集合中每条简单 ^^对应的隐性关系强度； 有效隐性关系强度设置 ^， 用 于比较每条简单路径的所述隐性关系强度， 其值最大且大于预设阈值的路径的 隐性关系强度设置为有效的隐性关系强度。 可选地， 所述知识点显性关系图谱建立模块包括： 知识点正向显性关系强 度设置单元， 用于根据所述所有知识点及其解释的集合计算知识点正向显性关 系，^殳置所述知识点正向显性关系强度；知识点反向显性关系强度设置单元， 用于根据所述所有知识点及其解释的集合计算知识点反向显性关系， 并设置所 述知识点反向显性关系强度； 知识点显性关系强度计算单元， 用于根据所述知 识点正向显性关系和所述知识点反向显性关系计算知识点显性关系并计算知识 点的显性关系强度； 显性关系图谱建立单元， 用于根据所有知识点的所述显性 关系强度， 建立知识点显性关系图谱。
可选地， 所述知识点正向显性关系强度的设置方法为： 当 ,，O)e 时， 从 知识点。,到 ^的正向显性关系的强度设置为 / , =0.66； 当 时， 从知 识点 0;到 0]的正向显性关系的强度设置为 f = 0；其中 表示知识点 Oi到 0]的 正向显性关系， = {(ο,. ,o.)| Xj e H(yi),i≠ j}， X,·是知识点。,·的名称， .是知识点 0,的解释， Η(γ,) 是 中所|^1的知识点集合，^=1，2，."，11( 11为知识点的个数）。 可选地， 所述知识点反向显性关系强度的设置方法为： 当 时，从 知识点。,到 ^的反向显性关系的强度设置为 (/,7) = 0.33； 当（0i,0 ^ 时，从知 识点 0;到 0j的反向显性关系的强度设置为 fN (i, 7) = 0； 其中 表示知识点 0i到 0j 的反向显性关系， = {(o, , 0j ) I X, e Η ), i≠ j}。
可选地， 所述知识点显性关系的计算方法为，
其中， 表示知识点。,到。,的显性关系， 表示知识点。,到。,的反向显性 关系， 表示知识点。,到 ^的正向显性关系， 则所有的知识点间的显性关系集 合 为
所述知识点显性关系强度的计算方法为， fEQ,j、 = fPQ,j、 + fN ,j、
其中， 表示知识点。,到知识点 显性关系的强度， 为从知识点 到知识点 的正向显性关系强度， 为从知识点 o,到知识点 的反向显性关 系强度；
计算显性关系集合 中所有知识点的关系强度并保存在显性关系强度矩阵 E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。 可选地， 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重 和顶点， 其中， 边和权重的设置方法为： 所述带权有向图 G中从知识点 0,到知 识点。的边的权重设置为 fE(i, j) ; 当 fE(i,n=Q时， 所述带权有向图 G中不存在 从知识点 0,到知识点 的边， 其中， 表示知识点 0,到知识点 的显性关系 权重； 所述带权有向图 G的顶点与所述显性关系矩阵 Ε的顶点相同， 都代表知 识点。
可选地，所述两知识点的简单路径集合的算法为： 集合 Dik的初始值为从顶 点 i到顶点 k的边， 当集合 Dy中的某条路径和集合 Djk中的某条路径仅在顶点 j重合时， 将这两条路径合并得到从顶点 i到顶点 k的一条简单路径， 并^^在 所述集合 Dik中； 其中 i，j，k=l，2，...，n ( n为顶点数目）， 按从小到大顺序依次遍历 k, i和 j的所有取值， 并全部保存在所述集合 Dik中。 可选地，所述两知识点的简单路径集合，可以通过 deletion algorithm删除算 法获取前 K条简单路径来近似获取所有简单路径的集合。 可选地， 所述隐性关系强度计算模块中， 计算所述简单路径集合中每条简 单路径对应的隐性关系强度的方法为： ΠΛ ，" )，其中 (。m，。x ， Mm, n) 从知识点 到。„的显性关系强度， m，n表示知识点的编号； （。m,。J是所述简单路 径上的一条边。 可选地， 所述隐性关系强度预设阈值设置为 ， 其中 0.05≤ ≤0.4， 优选地， 所述隐性关系强度预设阈值 = 0.1。
一种或多种具有计算机可执行指令的计算机可读介盾， 所述指令在由计算 机执行时， 执行知识点隐性关系获取方法， 该方法包括： 根据所有知识点及其 解释的集合建立知识点显性关系图谱； 根据所述知识点显性关系图谱， 计算两 知识点的简单路径集合； 计算所述简单路径集合中每条简单路径对应的隐性关 系强度； 比较每条简单 的所述隐性关系强度， 其值最 i^JL大于预设阈值的 路径的隐性关系强度设置为有效的隐性关系强度。
开的上述技术方案相比现有技术具有以下一个或多个优点：
( 1 )本公开所述的知识点隐性关系获取方法， 包括如下步骤： 根据知识点 显性关系强度建立知识点显性关系图谱； 根据所述知识点显性关系图谱， 计算 两知识点的简单路径集合； 计算所述简单路径集合中每条简单路径对应的隐性 关系强度； 比较每条简单 的隐性关系强度， 其值最大且大于预设阈值的简 单路径的隐性关系强度设置为有效的隐性关系强度。 上述方法有效避免了现有 技术中只是利用知识点之间的关系强度及关系强度比例相对性获取知识点的隐 性关系，隐性关系的寻找方式不够精确，同时没有对关系强度进行归一化处理， 导致关系强度的判断缺乏一个绝对的可衡量值， 难以获得最具代表性的隐性关 系的问题。
( 2 )本公开所述的知识点隐性关系获取方法， 该方法是基于显性关系， 通 t^"正向显性关系和反向显性关系强度进行归一化处理， 将显性关系强度设置 在区间 [0,0.99】， 简化了计算量， 同时隐性关系强度也限定在区间 [0,0.99 ) 内， 为从全局空间的知识点显性关系出发， 获取最具代表性的隐性关系提供了一种 可判断的绝对可衡量值。
( 3 )本公开所述的知识点隐性关系获取方法， 所述两知识点的简单路径集 合的算法采用 Frank Rubin提供的算法： 两知识点的简单路径集合的算法采用 两条路径仅在某一个顶点重合时合并两条路径为一简单路径的方法计算简单路 径， 从而获得两知识点间的简单路径集合。 方法简单， 便于运算， 易于实现。
( 4 )本公开所述的知识点隐性关系获取方法， 所述两知识点的简单路径集 合，通过 deletion algorithm删除算法获取前 K条简单路径。 Deletion Algorithm 删除算法的核心是通过在有向图中已有的路径上删除某条边， 并寻找替换的边 来寻找下一条可选的简单路径。 该方法在上次頂点集合的基硇上扩展湘应的新 点 , 并继^皮 "展顶点的邻接边 β 适用于寻找知识点阀的前 κ条简单 ¾ s 方法简单， 便于运算， 易于实现。
( 5 )本公开所述的知识点隐性关系获取方法， 所述知识点显性关系强度是 通过计算知识点正向显性关系强度和反向显性关系强度获得， 双向的关系强度 评估方法更进一步的提高了知识点显性关系强度的准确性。
( 6 )本公开所述的知识点隐性关系获取方法， 通过将显性关系矩阵转化为 带权有向图， 便于知识点间简单 ^^的计算， 也便于算法的实现， 提高了运算
( 7 )本公开所述的知识点隐性关系获取方法， 通过设置隐性关系强度预设 阈值， 过滤了一些隐性关系比较弱的简单路径， 将一些没有实际意义的路径直 接可以剔除。
( 8 )本公开所述的知识点隐性关系获取系统， 利用所述知识点隐性关系获 取方法， 有效避免了现有技术中只是利用知识点之间的关系强度及关系强度比 例相对性获取知识点的隐性关系， 隐性关系的寻找方式不够精确， 同时没有对 关系强度进行归一化处理， 导致关系强度的判断缺乏一个绝对的可衡量值， 难 以获得最具 性的隐性关系的问题。 附图说明 为了使本发明的内容更容易被清楚的理解， 下面结合附图，对本发明作进 一步详细的说明， 其中， 图 1是本公开所述知识点隐性关系获取方法的一个实施例的流程图； 图 2是本公开的知识点隐性关系获取系统的一个实施例的结构图。
具体实施方式 实施例 1: 本实施例提供一种知识点隐性关系获取方法的 图如图 1所示。本实施 例所述的知识点是一种知识交互单元，表示一种概念或一个实体，例如秦始皇、 唐朝、 戊戍变法。 本实施例所述提供的一种知识点隐性关系获取方法以发现百科全书中知 识点隐性关系获取方法为例进行说明， 在百科全书中， 包含知识点名称和知识 点解释文本的文档， 其包含的知识点信息定义为 O = {0l ,o2, . ,0„}，其中。, (ζ = 1,. ·,«)表示一个知识点， 所有知识点及其解释的集合为 Α={(χ^)4=1，...，η}。 具体包括如下步骤： SI: 根据所有知识点及其解释的集合建立知识点显性关系图谱。 在一个实 施例中， 步骤如下：
S11： 根据所有知识点及其解释的集合计算知识点正向显性关系并设置 所述知识点正向显性关系强度。
所述知识点正向显性关系强度的设置方法为：
当（0,,0 ) e 时， 从知识点 0i到 ^的正向显性关系的强度设置为 fP(i,j) = 0.66；
当（0, 时， 从知识点 0i到 的正向显性关系的强度设置为 fP(i,j = ;
其中 表示知识点 ο,·到 .的正向显性关系， ={(0,,0 )|x eHO, ≠ j}， x,是知识点 A的名称， Λ是知识点。,的解释， H(j;) 是 中所提及的知识点 集合， i，j=l，2，".，n (n为知识点的个数）。
S12:根据所有知识点及其解释的集合计算知识点反向显性关系并设置 所述知识点反向显性关系强度。
所述知识点反向显性关系强度的设置方法为：
当（0i， ) e 时， 从知识点 0i到 ^的反向显性关系的强度设置为 ^(,;) = 0.33；
当（0i， ) 时， 从知识点 0i到 的反向显性关系的强度设置为
/ ) = 0；
其中 表示知识点 o;到 的反向显性关系， ={(。,, ）| ^H(yj),i≠ 。
S13:根据所述知识点正向显性关系和所述知识点反向显性关系计算知 识点显性关系并计算知识点的显性关系强度。
所述知识点显性关系的计算方法为，
其中， 表示知识点。,到 的显性关系， 表示知识点。,到 的反向 显性关系， 表示知识点 0,到 的正向显性关系，则所有的知识点间的显性 关系集合 为
所述知识点显性关系强度的计算方法为，
Figure imgf000012_0001
其中， 表示从知识点。,到 ^显性关系强度， 为从知识点 到 知识点 o]的正向显性关系强度， ( , j)为从知识点 0,到知识点 0j的反向显性 关系强度。
本实施例所述的知识点隐性关系获取方法， 所述知识点显性关系强度 是通过计算正向显性关系强度和反向显性关系强度获得， 双向的关系强度 评估方法更进一步的提高了显性关系强度的准确性。
计算显性关系集合 中所有知识点的关系强度并保存在显性关系矩阵
E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。
本实施例所述的知识点隐性关系获取方法， 该方法是基于显性关系， 通 过对正向显性关系和反向显性关系强度进行归一化处理， 将显性关系强度 设置在区间 [0,0.99】， 简化了计算量， 同时隐性关系强度也在区间 [0,0.99 ) 内， 为从全局空间的知识点显性关系出发， 获取最具代表性的隐性关系提 供了一种可判断的绝对可衡量值。
S14: 根据所有知识点的所述显性关系强度， 建立知识点显性关系图 谱。 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重和顶 点，
其中， 边和权重的设置方法为：
所述带权有向图 G中从知识点 0,到知识点。的边的权重设置为 fE {j, j、; 当 fE (i，j) =0时， 所述带权有向图 G中不存在从知识点 0,到知识点。的边， 其中， Λ( J)表示知识点。i到知识点。】的显性关系权重；
所述带权有向图 G的顶点与所述显性关系矩阵 E的顶点相同， 都代表 知识点。
所述带权有向图 G是辅助图， 用于计算简单路径。 通过将显性关系矩 阵转化为带权有向图， 便于知识点间路径的计算， 也便于算法的实现， 提 高了运算速度。
S2: 根据所述知识点显性关系图谱， 计算两知识点的简单路径集合。 所述 两知识点的简单路径集合的算法采用采用 Frank Rubin提供的算法（具体参见 Frank Rubin. Enumerating all simple paths in a graph [J]. IEEE Transactions on Circuits and Systems, 1978,25(8) :641-642 ):
集合 Dik的初始值为从顶点 i到顶点 k的边， 当集合 Dy中的某条路径和集 合 Djk中的某条 顶点 j重合时， 将这两条 合并得到从顶点 i到顶点 k的一条简单路径，并保存在所述集合 Dik中。方法简单，便于运算，易于实现。 其中 i，j，k=l，2，."，n ( n为顶点数目）， 按从小到大顺序依次遍历 k， i和 j的所有 取值， 并全部保存在所述集合 Dik中， 则所述所述集合 Dik中保存了从顶点 i到 顶点 k的所有简单路径。
知识点0 ^到0的简单路径 =〈0' = 0;，02，''、0;-"0; = 0 包含了知识点之间的 一个潜在关系， 该潜在关系从一个维度反应了从知识点 '到知识点 ^的一条隐 性 关 系 ， 其 中 路 径 上 的 所 有 知 识 点 关 系 集 合
Figure imgf000013_0001
，即路径 上的所有知识点关系都是显 性关系。从知识点 '到^的简单 数目大于等于零； 当简单 ^数为零时，则 表明不存在从知识点 0i到 0]的隐性关系。
所述两知识点的简单路径集合的算法采用两条路径仅在某一个顶点重合时 合并两条路径为一简单路径的方法计算简单路径， 从而获得两知识点间的简单 集合， 方法简单， 易于实现。
S3: 计算所述简单路径集合中每条简单路径对应的隐性关系强度。
所述计算所述简单路径集合中每条简单路径对应的隐性关系强度的方法为：
ΠΛ ，" )， 其中 (。m，。„)e ， /£( ，")是从知识点 ^到 的显性关系强度， m，n 表示知识点的编号： in)是所述简单路径上的一条边。 S4: 比较每条简单路径的所述隐性关系强度， 其值最大且大于预设阈值的 的隐性关系强度设置为最有效的隐性关系强度。在一个实施例中中所述隐 性关系强度预设阈值设置为 ， 其中 0.05≤ ≤0.4， 优选地， 所述隐性关系强度 预设阈值 ξ = 0Λ。即将简单路径对应的隐性关系强度最大值作为从知识点 0i到 0j 的隐性关系强度且 Λ (， j) > 0.1的 i ^^的隐性关系强度设置为最有效的隐性关系 强度。
作为其他可替换的实施例， 所述隐性关系强度预设阈值 可取 0.15,0.2,0.3,0.4等不同的值， 根据用户的需求或获取隐性关系强度的大小选择 不同的值。 ^术方案通过设置隐性关系强度预设阈值， 过滤了一些隐性关系 比较弱的简单路径， 将一些没有实际意义的路径直接可以剔除。
实施例 2: 本实施例中除步骤 S3与实施例 1不同， 其他步骤与实施例 1相同， 所述 步骤 S2: 根据所述知识点显性关系图谱， 计算两知识点的简单路径集合。
所述步骤 S2 中， 所述两知识点的简单路径集合，通过 Martins提出的 deletion algorithm删除算法获取前 K条简单路径近似获取两知识点的简单路
( Λ ^参见 E.Q.V. Martins and J.L.E. Sai¾tos. A eew shortest paths ranking a!gorit!im. Ii¾vestigacao Opereci raal, 2©:(1);47-62,2ΘΙ)ίΙ )。
知识点 ΰ '到 的简单路径 =〈 ' =。^，…，^ Ά = 〉包含了知识点之间的 一个潜在关系， 该潜在关系从一个维度反应了从知识点 '到知识点 0』的一条隐 性 关 系 ， 其 中 路 径 上 的 所 有 知 识 点 关 系 集 合
S = {(。'。)，(。《。 ，(。。 ） I k = 2，—，/ _ 2} RE， 即 上的所有知识点关系都是 显性关系。从知识点 '到 的简单路径数目大于等于零； 当简单路径数为零时， 则表明不存在从知识点 '到。j的隐性关系。
Deletion Algorithm删除算法的核心是通过在有向图中已有的路径上删除 某条边， 并寻找替换的边来寻找下一条可选的简单路径。 该方法在上次顶点集
点 «的前 K条筒举路程， 方法简单， 便于运算， 易于实现。 本实施例所述的知识点隐性关系获取方法， 包括如下步骤： 根据知识点显 性关系强度建立知识点显性关系图谱； 根据所述知识点显性关系图谱， 计算两 知识点的简单路径集合； 计算所述简单路径集合中每条简单路径对应的隐性关 系强度； 比较每条简单 的隐性关系强度， 其值最 i^JL大于预设阈值的 的隐性关系强度设置为有效的隐性关系强度。 上述方法有效避免了现有技术中 只是利用知识点之间的关系强度及关系强度比例相对性获取知识点的隐性关系， 隐性关系的寻找方式不够精确， 同时没有对关系强度进行归一化处理， 导致关 系强度的判断缺乏一个绝对的可衡量值， 难以获得最具代表性的隐性关系的问 题。
实施例 3:
图 2是 开的知识点隐性关系获取系统的一个实施例的结构图。 本实施 例提供的知识点隐性关系获取系统， 包括： 知识点显性关系图谱建立模块 21， 用于根据所有知识点及其解释的集合建立知识点显性关系图谱； 简单路径集合 计算模块 22， 用于根据所述知识点显性关系图谱， 计算两知识点的简单路径集 合； 隐性关系强度计算模块 23， 用于计算所述简单路径集合中每条简单路径对 应的隐性关系强度； 有效隐性关系强度设置模块 24， 用于比较每条简单路径的 所述隐性关系强度， 其值最大且大于预设阈值的 i ^^的隐性关系强度设置为有 效的隐性关系强度。
在一个实施例中，知识点显性关系图谱建立模块 21包括： 知识点正向显性 关系强度设置单元 211，用于根据所述所有知识点及其解释的集合计算知识点正 向显性关系， 并设置所述知识点正向显性关系强度； 知识点反向显性关系强度 设置单元 212，用于根据所述所有知识点及其解释的集合计算知识点反向显性关 系， 并设置所述知识点反向显性关系强度； 知识点显性关系强度计算单元 213， 用于根据所述知识点正向显性关系和所述知识点反向显性关系计算知识点显性 关系并计算知识点的显性关系强度；显性关系图谱建立单元 214，用于根据所有 知识点的所 性关系强度， 建立知识点显性关系图谱。
所述知识点正向显性关系强度的设置方法为：当 时，从知识点。,到 o)的正向显性关系的强度设置为 fpi j) = 0.66； (o^o^iRy B†, 从知识 '、 ο,· ！] 的正向显性关系的强度设置为 / , ) = 0； 其中 表示知识点 0i到 的正向显性 关系， = {(0ί ,o.)| Xj e Hi i ), i≠ j}， 是知识点。的名称， .是知识点 ο;的解释， H(j;) 是 中所 的知识点集合， i，j=l，2，...，n (n为知识点的个数）。 所述知识点反向显性关系强度的设置方法为： 当 时，从知识点。, 到。的反向显性关系的强度设置为 ( ,7) = 0.33； 当 (；。 ,,。 ) 时，从知识点。,到
0]的反向显性关系的强度设置为 fN a, 7) = o； 其中 表示知识点 0i到 0]的反向显 性关系， = {(o„o7) I X, e H(yj),i≠ j}。 所述知识点显性关系的计算方法为，
其中， 表示知识点。,到。,的显性关系， 表示知识点。,到。,的反向显性 关系， 表示知识点 0,到 ^的正向显性关系， 则所有的知识点间的显性关系集 合 为
所述知识点显性关系强度的计算方法为，
Figure imgf000016_0001
其中， Λ( ,7)表示知识点。,到知识点 显性关系的强度， 为从知识点 °' 到知识点 的正向显性关系强度， 为从知识点。 ,到知识点 的反向显性关 系强度。
计算显性关系集合 中所有知识点的关系强度并保存在显性关系强度矩阵 E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重和顶点， 其中，边和权重的设置方法为：所述带权有向图 G中从知识点 0,到知识点 的边的权重设置为 fE、i,j、 当 fE( )=0时， 所述带权有向图 G中不存在从知识 点 到知识点 的边， 其中， Λ( ,7·)表示知识点。,到知识点 的显性关系权重； 所述带权有向图 G的顶点与所述显性关系矩阵 Ε的顶点相同， 都代表知识点。 在本实施例中，所述两知识点的简单路径集合的算法为： 集合 Dik的初始值 为从顶点 i到顶点 k的边， 当集合 Dy中的某条路径和集合 Djk中的某条路径仅 在顶点 j重合时，将这两条路径合并得到从顶点 i到顶点 k的一条简单路径，并 在所述集合 Dik中； 其中〖， =1，2，...，11 ( 11为顶点数目）， 按从小到大顺序依 次遍历 k， i和 j的所有取值， 并全部保存在所述集合 Dik中。 作为可替换的实施例， 所述两知识点的简单路径集合，通过 deletion algorithm删除算法获取前 K条简单路径近似获取所有简单路径的集合。 所述隐性关系强度计算模块中， 计算所述简单路径集合中每条简单路径对 应的隐性关系强度的方法为： ΠΛ ，")，其中 (0 0χ η， /£(w,w)是从知识点 到 的显性关系强度， m，n表示知识点的编号； （。m,。J是所述简单路径上的一 条边。 所述隐性关系强度预设阈值设置为 ， 其中 0.05≤ ≤0.4 。 优选地， 所述隐 性关系强度预设阈值 = 0.1。 本实施例提供一种知识点隐性关系获取系统， 利用所述知识点隐性关系获 取方法， 有效避免了现有技术中只是利用知识点之间的关系强度及关系强度比 例相对性获取知识点的隐性关系， 隐性关系的寻找方式不够精确， 同时没有对 关系强度进行归一化处理， 导致关系强度的判断缺乏一个绝对的可衡量值， 难 以获得最具 性的隐性关系的问题。 实施例 4: 本实施例提供一种应用实施例。 始皇到李斯存在一条显性关系，显性关系强度为 0.5， 该关系在图中表 现为一条^始皇到李斯的有向边 el， el的权重为 0.5。 从李斯到韩非存在一 条显性关系，显性关系强度为 0.3， 该关系在图中表现为一条从李斯到韩非的有 向边 e2， e2的权重为 0.3。 基于以上信息， 得到从秦始皇到韩非存在一条简单路径， 该简单路径从秦 始皇开始，依次经由 el、李斯和 e2到达韩非。这条简单路径表示了从秦始皇到 韩非的一条隐性关系， 其隐性关系强度为 0.5*0.3=0.15。 通过计算从秦始皇到韩非的其他简单路径可以得到其对应的隐性关系强度， 例如， 获取了其他两条简单 对应的隐性关系强度分别为 0.1和 0.12， 设置 = 0.1， 则最终得到从秦始皇到韩非的有效隐性关系强度为 0.15。
显然， 上述实施例仅仅是为清楚地说明所作的举例， 而并非对实施方式的 限定。 对于所属领域的普通技术人员来说， 在上述说明的基础上还可以做出其 它不同形式的变化或变动。 这里无需也无法对所有的实施方式予以穷举。 而由 本领域内的技术人员应明白， 本发明的实施例可提供为方法、 系统、 或计 算机程序产品。 因此， 本发明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， 本发明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盾 (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。
本发明是参照根据本发明实施例的方法、 i殳备（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^^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 i殳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¾½图一个 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。
尽管已描述了本发明的优选实施例， 但本领域内的技术人员一旦得知了基 本创造性概念， 则可对这些实施例作出另外的变更和修改。 所以， 所附权利要 求意欲解释为包括优选实施例以及落 发明范围的所有变更和修改。

Claims

权 利 要 求
1. 一种知识点隐性关系获取方法， 其特征在于， 包括：
根据所有知识点及其解释的集合建立知识点显性关系图谱； 根据所述知识点显性关系图谱， 计算两知识点的简单路径集合； 计算所述简单路径集合中每条简单路径对应的隐性关系强度；
比较每条简单路径的所述隐性关系强度， 其值最大且大于预设阈值的路径 的隐性关系强度设置为有效的隐性关系强度。
2. 根据权利要求 1所述的知识点隐性关系获取方法， 其特征在于， 所述根 据所有知识点及其解释的集合建立知识点显性关系图谱的处理包括如下步骤： 根据所述所有知识点及其解释的集合计算知识点正向显性关系， 并设置所 述知识点正向显性关系强度； 根据所述所有知识点及其解释的集合计算知识点反向显性关系， 并设置所 述知识点反向显性关系强度；
根据所述知识点正向显性关系和所述知识点反向显性关系计算知识点显性 关系并计算知识点的显性关系强度；
根据所有知识点的所述显性关系强度， 建立知识点显性关系图谱。
3. 根据权利要求 2所述的知识点隐性关系获取方法， 其特征在于， 所述知 识点正向显性关系强度的设置方法为：
当（0,, ) e 时，从知识点 0,到 的正向显性关系的强度设置为 /^,_/) = 0.66； 当 时， 从知识点 0,到 的正向显性关系的强度设置为 Λ( ,_/) = 0 ; 其中 表示知识点 ο;到^的正向显性关系， = {(0,,0 ) | x e HO,; ≠_ }， Xi 是知识点 0,的名称， 是知识点。,的解释， Η( ) 是 中所提及的知识点集合， i，j=l，2，".，n ( n为知识点的个数 )； 或 /和， 所述知识点反向显性关系强度的设置方法为：
当（0, , 0 ) e 时，从知识点 0,到 的反向显性关系的强度设置为 (/, 7) = 0.33； 当 时， 从知识点 0,到 ^的反向显性关系的强度设置为 f i, = 0 ; 其中 表示知识点 Oi到 0]的反向显性关系， = {(o, , 0j ) \ x, e H(yj ), i≠ j}。
4. 根据权利要求 2-3任一所述的知识点隐性关系获取方法， 其特征在于： 所述知识点显性关系的计算方法为：
其中， 表示知识点。,到。,的显性关系， 表示知识点。,到。,的反向显性 关系， 表示知识点 0,到 ^的正向显性关系， 则所有的知识点间的显性关系集 合 为：
所述知识点显性关系强度的计算方法为：
Figure imgf000021_0001
其中， Λ( , 7)表示知识点。,到知识点 显性关系的强度， 为从知识点 °' 到知识点 的正向显性关系强度， 为从知识点。 ,到知识点 的反向显性关 系强度；
计算显性关系集合 中所有知识点的关系强度并保存在显性关系强度矩阵 E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。
5. 根据权利要求 1-4任一所述的知识点隐性关系获取方法， 其特征在于， 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重和顶点， 其中， 边和权重的设置方法为：
所述带权有向图 G中从知识点 0,到知识点。的边的权重设置为 当 /£( , =0时， 所述带权有向图 G中不存在从知识点。,到知识点。的边， 其中， fE (i, j)表示知识点 Oi到知识点 0]的显性关系权重；
所述带权有向图 G的顶点与所述显性关系矩阵 E的顶点相同，都代表知识
6. 根据权利要求 1-5任一所述的知识点隐性关系获取方法， 其特征在于， 所述两知识点的简单路径集合的算法为：
集合 Dik的初始值为从顶点 i到顶点 k的边， 当集合 Dy中的某条路径和集 合 Djk中的某条 顶点 j重合时， 将这两条 合并得到从顶点 i到顶点 k的一条简单路径， 并保存在所述集合 Dik中；
其中 i，j，k=l，2，...，n ( n为顶点数目）， 按从小到大顺序依次遍历 k， i和 j的 所有取值， 并 在所述集合 Dik中。
7. 根据权利要求 1-6任一所述的知识点隐性关系获取方法， 其特征在于： 所述两知识点的简单路径集合，通过 deletion algorithm删除算法获取前 K条简 单 ^^来近似获取所有简卑珞径的集合。
8. 根据权利要求 1-6任一所述的知识点隐性关系获取方法， 其特征在于： 所述计算所述简单路径集合中每条简单路径对应的隐性关系强度的方法为：
ΠΛ ，" )， 其中 (。m，。„) e ， 是从知识点 到 的显性关系强度， m，n 表示知识点的编号； 是所述简单路径上的一条边。
9. 根据权利要求 1-8任一所述的知识点隐性关系获取方法， 其特征在于： 所述隐性关系强度预设阈值设置为 ，其中 0.05≤ ≤0.4，优选所述隐性关系强度 预设阈值 = 0.1。
10. —种知识点隐性关系获取系统， 其特 于， 包括：
知识点显性关系图谱建立模块， 用于根据所有知识点及其解释的集合建立 知识点显性关系图谱； 简单路径集合计算模块， 用于所述知识点显性关系图谱， 计算两知识点的 简单 集合； 隐性关系强度计算模块， 用于计算所述简单^^集合中每条简单^^对应 的隐性关系强度；
有效隐性关系强度设置模块，用于比较每条简单 的所述隐性关系强度， 其值最大且大于预设阈值的 i ^^的隐性关系强度设置为有效的隐性关系强度。
11. 根据权利要求 10所述的知识点隐性关系获取系统， 其特征在于， 所述 知识点显性关系图谱建立^包括： 知识点正向显性关系强度设置单元， 用于根据所述所有知识点及其解释的 集合计算知识点正向显性关系， 并设置所述知识点正向显性关系强度； 知识点反向显性关系强度设置单元， 用于根据所述所有知识点及其解释的 集合计算知识点反向显性关系， 并设置所述知识点反向显性关系强度； 知识点显性关系强度计算单元， 用于根据所述知识点正向显性关系和所述 知识点反向显性关系计算知识点显性关系并计算知识点的显性关系强度； 显性关系图谱建立单元， 用于根据所有知识点的所 性关系强度， 建立 知识点显性关系图谱。
12. 根据权利要求 11所述的知识点隐性关系获取系统， 其特征在于， 所述 知识点正向显性关系强度设置单元用于设置所述知识点正向显性关系强度的设 置方法为： 当（0,,0 )e 时，从知识点。,到 的正向显性关系的强度设置为 / , =0.66； 当 时， 从知识点 0,到^的正向显性关系的强度设置为 Λ( ,_/) = 0; 其中 表示知识点 ο,·到^的正向显性关系， ={(0,,0 )|x eHO,; ≠_}， xt 是知识点。,的名称， 是知识点。,的解释， Η( ) 是 中所提及的知识点集合， i，j=l，2，".，n ( n为知识点的个数 )； 或 /和 所述知识点反向显性关系强度设置单元用于设置所述知识点反向显性关系 强度：
当（0i,0 )e 时，从知识点 0,到 的反向显性关系的强度设置为 (/,7) = 0.33； 当 时， 从知识点 0,到 ^的反向显性关系的强度设置为 f i, = 0; 其中 表示知识点 Oj到 0j的反向显性关系， = {(o, ,0j) \ X, e y j ), i≠ j}。
13.根据权利要求 11-12任一所述的知识点隐性关系获取系统，其特征在于： 所述知识点显性关系强度计算单元计算所述知识点显性关系的计算方法为，
其中， 表示知识点 0,到 的显性关系， 表示知识点。,到 的反向显性 关系， 表示知识点 0,到 的正向显性关系， 则所有的知识点间的显性关系集 合 为：
所述知识点显性关系强度的计算方法为：
Figure imgf000024_0001
其中， 表示知识点。,到知识点 显性关系的强度， 为从知识点 到知识点^的正向显性关系强度， 为从知识点 o,到知识点 的反向显性关 系强度；
计算显性关系集合 中所有知识点的关系强度并^ 在显性关系强度矩阵 E中， 根据所述显性关系矩阵 E生成所述知识点显性关系图谱。
14. 根据权利要求 10-13任一所述的知识点隐性关系获取系统， 其特 ^ 于， 所述显性关系图谱为带权有向图 G， 带权有向图 G包括边、 权重和顶点， 其中， 边和权重的设置方法为：
所述带权有向图 G中从知识点 0,到知识点。的边的权重设置为 当 /£( ,7)=0时， 所述带权有向图 G中不存在从知识点。,到知识点。的边， 其中， fE (i, ])表示知识点 Oi到知识点。】的显性关系权重；
所述带权有向图 G的顶点与所述显性关系矩阵 E的顶点相同，都代表知识 点。
15. 根据权利要求 10-14任一所述的知识点隐性关系获取系统， 其特 ^ 于： 所述简单路径集合计算模块计算所述两知识点的简单路径集合的算法为： 集合 Dik的初始值为从顶点 i到顶点 k的边， 当集合 D,中的某条路径和集 合 Djk中的某条 顶点 j重合时， 将这两条 合并得到从顶点 i到顶点 k的一条简单路径， 并保存在所述集合 Dik中； 其中 i，j，k=l，2，...，n ( n为顶点数目）， 按从小到大顺序依次遍历 k， i和 j的 所有取值， 并 在所述集合 Dik中。
16. 根据权利要求 10-15任一所述的知识点隐性关系获取系统， 其特 于： 所述两知识点的简单路径集合，通过 deletion algorithm删除算法获取前 K 条简单路径来近似获取所有简单路径的集合。
17. 根据权利要求 10-15任一所述的知识点隐性关系获取系统， 其特征在 于： 所述隐性关系强度计算模块计算所述简单路径集合中每条简单路径对应的 隐性关系强度的方法为： ΠΛ ，" )，其中 (。m，。J e n， 是从知识点。„到 的显性关系强度， m，n表示知识点的编号； 是所述简单路径上的一条边。
18. 根据权利要求 10-17任一所述的知识点隐性关系获取系统， 其特征在 于： 所述隐性关系强度预设阈值设置为 ，其中 0.05≤ ≤0.4，优选所述隐性关系 强度预设阈值 = 0.1。
19. 一种或多种具有计算机可执行指令的计算机可读介盾， 所述指令在由 计算机执行时， 执行知识点隐性关系获取方法， 该方法包括：
根据所有知识点及其解释的集合建立知识点显性关系图谱； 根据所述知识点显性关系图谱， 计算两知识点的简单路径集合； 计算所述简单路径集合中每条简单路径对应的隐性关系强度； 比较每条简单路径的所述隐性关系强度， 其值最大且大于预设阈值的路径 的隐性关系强度设置为有效的隐性关系强度。
PCT/CN2013/088740 2013-09-29 2013-12-06 一种知识点隐性关系获取方法及其系统 WO2015043070A1 (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US15/025,478 US10210281B2 (en) 2013-09-29 2013-12-06 Method and system for obtaining knowledge point implicit relationship
JP2016517541A JP6276396B2 (ja) 2013-09-29 2013-12-06 知識ポイントの黙示的な関係を取得するための方法及びシステム
EP13894858.3A EP3051435A4 (en) 2013-09-29 2013-12-06 Method and system for obtaining a knowledge point implicit relationship

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310456317.1A CN104216933A (zh) 2013-09-29 2013-09-29 一种知识点隐性关系获取方法及其系统
CN201310456317.1 2013-09-29

Publications (1)

Publication Number Publication Date
WO2015043070A1 true WO2015043070A1 (zh) 2015-04-02

Family

ID=52098428

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/088740 WO2015043070A1 (zh) 2013-09-29 2013-12-06 一种知识点隐性关系获取方法及其系统

Country Status (5)

Country Link
US (1) US10210281B2 (zh)
EP (1) EP3051435A4 (zh)
JP (1) JP6276396B2 (zh)
CN (1) CN104216933A (zh)
WO (1) WO2015043070A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573051A (zh) * 2018-04-23 2018-09-25 温州市鹿城区中津先进科技研究院 基于大数据分析的知识点图谱
CN109145071B (zh) * 2018-08-06 2021-08-27 中国地质大学（武汉） 一种面向地球物理领域知识图谱的自动化构建方法及系统
CN109840284B (zh) * 2018-12-21 2020-11-13 中科曙光南京研究院有限公司 家族亲缘关系知识图谱构建方法与系统
CN112836511B (zh) * 2021-01-27 2024-01-30 北京计算机技术及应用研究所 基于协同关系的知识图谱上下文嵌入方法
CN116976434B (zh) * 2023-07-05 2024-02-20 长江大学 一种基于知识点扩散表示的知识追踪方法及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102195899A (zh) * 2011-05-30 2011-09-21 中国人民解放军总参谋部第五十四研究所 通信网络的信息挖掘方法与系统
CN102622363A (zh) * 2011-01-28 2012-08-01 鸿富锦精密工业（深圳）有限公司 关联词汇搜索系统及方法
CN102646096A (zh) * 2011-02-18 2012-08-22 鸿富锦精密工业（深圳）有限公司 关联词汇搜索系统及方法
CN103235772A (zh) * 2013-03-08 2013-08-07 北京理工大学 一种文本集人物关系自动提取方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122231A (ja) * 2003-10-14 2005-05-12 Hitachi Ltd 画面表示システム及び画面表示方法
JP4975273B2 (ja) * 2005-05-30 2012-07-11 株式会社エヌ・ティ・ティ・ドコモ 話題遷移制御装置、話題遷移制御システム、及び、話題遷移制御方法
US9367823B1 (en) * 2007-11-09 2016-06-14 Skyword, Inc. Computer method and system for ranking users in a network community of users
JP2009288829A (ja) * 2008-05-27 2009-12-10 Sony Corp コンテンツ表示装置およびコンテンツ表示方法
US9002701B2 (en) * 2010-09-29 2015-04-07 Rhonda Enterprises, Llc Method, system, and computer readable medium for graphically displaying related text in an electronic document
JP5043209B2 (ja) * 2011-03-04 2012-10-10 楽天株式会社 集合拡張処理装置、集合拡張処理方法、プログラム、及び、記録媒体
US8290981B2 (en) * 2011-03-08 2012-10-16 Hon Hai Precision Industry Co., Ltd. Social network system and member searching and analyzing method in social network
JP5691735B2 (ja) * 2011-03-29 2015-04-01 ソニー株式会社 コンテンツ推薦装置、推薦コンテンツの検索方法、及びプログラム
US8719248B2 (en) * 2011-05-26 2014-05-06 Verizon Patent And Licensing Inc. Semantic-based search engine for content
US8918431B2 (en) * 2011-09-09 2014-12-23 Sri International Adaptive ontology

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622363A (zh) * 2011-01-28 2012-08-01 鸿富锦精密工业（深圳）有限公司 关联词汇搜索系统及方法
CN102646096A (zh) * 2011-02-18 2012-08-22 鸿富锦精密工业（深圳）有限公司 关联词汇搜索系统及方法
CN102195899A (zh) * 2011-05-30 2011-09-21 中国人民解放军总参谋部第五十四研究所 通信网络的信息挖掘方法与系统
CN103235772A (zh) * 2013-03-08 2013-08-07 北京理工大学 一种文本集人物关系自动提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3051435A4 *

Also Published As

Publication number Publication date
US20160210372A1 (en) 2016-07-21
EP3051435A4 (en) 2017-06-14
CN104216933A (zh) 2014-12-17
JP2016536662A (ja) 2016-11-24
EP3051435A1 (en) 2016-08-03
US10210281B2 (en) 2019-02-19
JP6276396B2 (ja) 2018-02-07

Similar Documents

Publication Publication Date Title
WO2015043070A1 (zh) 一种知识点隐性关系获取方法及其系统
CN107341220B (zh) 一种多源数据融合方法和装置
JP5615932B2 (ja) 検索方法およびシステム
US20190294588A1 (en) Text deduplication method and apparatus, and storage medium
WO2015197008A1 (zh) 一种生物认证方法及终端
WO2019041521A1 (zh) 用户关键词提取装置、方法及计算机可读存储介质
WO2015043073A1 (zh) 一种关键知识点推荐方法及其系统
US20140236958A1 (en) Evolving metadata
JP6777807B2 (ja) コンピュータシステムからのユーザ情報の収集
US8176045B2 (en) Systems and methods for cross-street identification
WO2015027425A1 (zh) 存储数据的方法和装置
CN105677661A (zh) 一种检测社交媒体重复数据的方法
JP2014506355A5 (zh)
CN111368989B (zh) 神经网络模型的训练方法、装置、设备及可读存储介质
EP3611629A1 (en) Photo processing method and apparatus, and computer device
CN110716913B (zh) 一种Kafka与Elasticsearch数据库数据的互相迁移方法
JP6727097B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN111403011A (zh) 挂号科室推送方法、装置、系统、电子设备及存储介质
CN111597396A (zh) 异构网络社群检测方法、装置、计算机设备及存储介质
MITREA* et al. Sobolev and Besov space estimates for solutions to second order PDE on Lipschitz domains in manifolds with Dini or Hölder continuous metric tensors
CN103544222A (zh) 一种通用亲缘关系信息存储表示方法、系统及设备
CN112163485B (zh) 数据处理方法、装置、数据库系统及电子设备
TW201913414A (zh) 多文檔交集的獲取方法及文檔伺服器
JP5965057B2 (ja) 属性推定装置
US11520850B1 (en) Determining a number of secondary tracking attempts avoided by blocking a primary tracking domain from loading in a host web page

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13894858

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016517541

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15025478

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REEP Request for entry into the european phase

Ref document number: 2013894858

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2013894858

Country of ref document: EP