[发明专利]面向知识图谱构建的细粒度中文属性对齐方法

权利要求书

1.一种面向知识图谱构建的细粒度中文属性对齐方法，其特征在于，包括：

步骤A，针对每一数据集的各个属性分别生成属性的扩展；

步骤B，针对每个属性的扩展，考虑该属性的所有属性值类型的统计特性，从而确定该属性的数据类型；

步骤C，基于属性的数据类型，定义属性值的相似度，实现属性间的相似度计算；

步骤D，根据细粒度属性对齐的需要，针对任意两不同数据集要判别的属性对关系，基于属性间的相似度生成特征；

步骤E，将所述特征输入训练好的分类器，输出分类结果；

所述的步骤B包括：

步骤B1：确定属性值的数据类型，任意属性值l可看作由n个原子文本a_i拼接而成，其中n≥1，1≤i≤n，i，n均为正整数，任意属性值l的数据类型通常与其中一个或几个关键的原子文本的类型保持一致，使用如下启发式准则判断属性值l的数据类型：

其中I是指示函数，时为1，否则为0；g_L为求文本长度的函数，U为数据类型的集合；

步骤B2：确定属性的数据类型，采用下式，对属性p的所有属性值的数据类型进行统计，即计算每个类型出现次数占其属性值总数的比例，假定比例低于阈值θ的类型为噪声导致的错误，

其中，E_p表示属性p的扩展中所有实体构成的集合，l_e,p表示给定实体e和属性p时对应的属性值，代表属性值l_e,p的数据类型。

2.根据权利要求1所述的细粒度中文属性对齐方法，其特征在于，步骤A中属性的扩展是指在该属性所在的语义数据集中，所有该属性相关的实体和属性值对所构成的二元组集合。

3.根据权利要求1所述的细粒度中文属性对齐方法，其特征在于，所述的步骤C包括：

步骤C1：属性值相似度的计算，若给定两个属性值l₁和l₂的关键原子文本集合A₁和A₂及其最佳匹配集则属性值的相似度可由下式计算，

其中s_a函数用于求两个原子文本值的相似度；

步骤C2：基于属性值相似度计算属性的相似度，计算两个属性p₁和p₂相似度的公式如下：

其中，s_l为计算属性值相似度的函数，l_e,p表示给定实体e和属性p时对应的属性值。

4.根据权利要求1所述的细粒度中文属性对齐方法，其特征在于，所述的步骤D中，属性p₁和p₂分别来自任意两个数据集D₁和D₂，所述的步骤D生成特征包括：

针对所有关系的特征f₁＝s_p(p₁,p₂)；

针对相关关系的特征f₂＝s_p(p′₁,p₂),f₃＝s_p(p₁,p'₂)其中，p′₁是D₂中p₁同名的属性，p'₂是D₁中与p₂有同名的属性；

针对包含关系的特征

其中，M_p为属性p的扩展中所有实体类别的集合，c_e表示实体e的概念，

其中I是指示函数，满足条件时为1否则为0。