[发明专利]一种基于自然语言生成技术的知识图谱辅助理解系统

说明书

本发明公开了一种基于自然语言生成技术的知识图谱辅助理解系统，该系统包括知识图谱选择模块、知识图谱翻译模块和结果展示模块；本发明利用自然语言生成技术将知识图谱转换为自然语言文本，方便领域专家在不了解知识图谱的源代码和软件的基础上，在使用知识图谱前，对于其领域的知识图谱有准确、深入且全面的了解。同时每一个短句与知识图谱本身对应的源代码相关联，如果发现知识图谱存在的冗余和错误信息，可以及时对其进行纠正，且该方法通用性较强。本发明利用可视化方法进一步加快领域专家对于知识图谱的理解。

技术领域

本发明涉及知识图谱技术领域，尤其涉及一种基于自然语言生成技术的知识图谱辅助理解系统。

背景技术

知识图谱是一个语义知识库，它通常采用主语-谓语-宾语的三元组形式表示一个知识点，相比较于本体对于逻辑和语义的严苛要求，知识图谱强调了弱语义和弱逻辑，因此在学术界和工业界，知识图谱得到了较好地推广，以谷歌为首的大型互联网公司纷纷开始研究知识图谱以提高搜索的质量。根据2014年的报告显示，目前谷歌的知识图谱已经搜集到了超过16亿的事实，其中2.71亿个事实的真实性被认为超过90％。在2016年5月的Google搜索中，知识图谱大约回答了该月1000亿次搜索中的三分之一的问题。

自然语言生成技术是自然语言处理技术的其中一大技术。不同于自然语言理解，自然语言生成技术关注的是计算机如何以自然语言文本来表达给定的含义、思想等。对于知识图谱，尤其是特定领域的知识图谱，其对于实际应用的知识图谱的准确性要求非常高，例如医学相关的知识图谱，其知识图谱的质量严重关系到整个系统的准确性。然而构建知识图谱的编程语言和本体一样，主要是RDF(Resource Description Framework，资源描述框架)、OWL(Web Ontology Language，网络本体语言)，采用的软件主要是斯坦福大学开发的Protégé等。这些语言和软件专业性强，如果没有经过长期学习和培训，非相关人员很难理解其具体含义。同时以OWL和RDF存储的知识点是无序的，同一内容相关的知识点存储在程序的不同部位，这进一步加大了领域专家直接理解知识图谱的源代码的难度。知识图谱大多由计算机行业从事者建立，但使用者则是该知识图谱内容相关的领域的学者和专家，两者的不匹配性导致了领域专家无法理解知识图谱的内容，只能通过使用来进一步完善知识图谱，而不能提前对知识图谱的内容有直观的理解并进行改善。这间接导致了知识图谱质量的不稳定性以及相同内容的知识图谱二次开发现象的严重性。有学者在2017年随机抽取了美国国家生物医学本体中心中的200个生物医学相关的本体，发现在其相应的设计文档中，只有17个得到了专家们的正式评估。

许多领域的知识图谱在使用前需要领域专家对其表示内容进行深入而全面的了解，以便保障其在实际使用过程中的准确性。但知识图谱的相关语言和软件专业性强，相同主题的知识点分布零散，领域专家很难在短期内掌握并了解它们。目前辅助理解知识图谱的软件大多是通过搜索，以可视化的手段呈现不同知识节点的关联，这样呈现的知识是局部知识，且没有涉及到知识图谱本身。同时这些方法都是在知识图谱使用过程中来发现其存在的问题，而没有在其使用之前对其进行全面的了解和评估。

发明内容

本发明的目的是针对于目前知识图谱质量把控不足、领域专家难以理解领域相关的知识图谱的基础上，提出一种基于自然语言生成技术的知识图谱辅助理解系统，本发明根据现实需要，利用自然语言生成技术根据知识图谱的内容生成自然语言文本，并对同一主题的短句进行句子的适当聚合，并且每一个句子都与知识图谱中程序语言一一对应，以方便领域专家在较短时间内对知识图谱进行快速、全面和深入的了解，进行知识图谱质量的把控。

本发明是通过以下技术方案来实现：一种基于自然语言生成技术的知识图谱辅助理解系统，该系统包括知识图谱选择模块、知识图谱翻译模块和结果展示模块；

所述知识图谱选择模块用于获取符合RDF或OWL语法规范的目标知识图谱；