[发明专利]一种基于实体识别和属性抽取模型的学校领域知识图谱构建方法

权利要求书

1.一种基于实体识别和属性抽取模型的学校领域知识图谱构建方法，其特征在于，包括如下步骤：

(1)对学校领域问答对数据集进行预处理，得到实体识别模型标注数据集EntityData；

(2)利用数据集EntityData训练基于BERT-BiLSTM-CRF的实体识别模型，得到学校领域实体识别模型SchoolEntityModel；

(3)对学校领域问答对数据集进行预处理，得到属性抽取模型标注数据集AttributeData；

(4)利用数据集AttributeData训练基于BERT的属性抽取模型，得到学校领域属性抽取模型SchoolAttributeModel；

(5)在问句对文本数据上抽取出实体、属性和属性值，建立知识三元组，构建学校领域知识图谱。

2.根据权利要求1所述的一种基于实体识别和属性抽取模型的学校领域知识图谱构建方法，其特征在于，所述步骤(1)中得到实体识别模型标注数据集的具体步骤如下：

(1.1)定义预处理后的问答对集合QASet，定义question,answer,triple分别为单个问答对的问句、答案和三元组，并且满足关系QASet＝{[question₁,answer₁,triple₁],[question₂,answer₂,triple₂],…,[question_QASetNum,answer_QASetNum,triple_QASetNum]}，其中，QASetNum为问答对集合中数据的个数；对问答对数据进行预处理，得到问答对集合QASet；

(1.2)定义Word、Label分别为问句和答案中每个字构成的数据集、每个字对应的标签构成的数据集，Word＝{word₁,word₂,…,word_QANum}，Label＝{label₁,label₂,…,label_QANum}，word_n为Word中第n个字，label_n为Label中第n个字对应的标签，其中，QANum为问句和答案的总个数，变量n∈[1,QANum]；定义LabelTemp为单个问句和答案中每个字对应的标签构成的数据，其中，定义计数器count1，令count1＝1，用于遍历QASet；

(1.3)若count1≤QASetNum，执行步骤(1.4)，否则执行步骤(1.6)；

(1.4)遍历步骤(1.1)中集合QASet的数据，将数据处理为单个字存入数据集Word中，并将数据集Label中的所有数据标注为非实体标签，若question或者answer存在于triple中，则将LabelTemp标注为实体标签，替换Label中对应位置的数据；

(1.5)令count1＝count1+1，执行步骤(1.3)；

(1.6)将Word和Label中的数据打包为一个个元组，得到实体识别模型标注数据集EntityData＝{[word₁,label₂],[word₂,label₂],…,[word_QANum,label_QANum]}，word_n与label_n间用制表符分隔。