[发明专利]知识图谱构建方法、装置、计算机设备及存储介质

权利要求书

1.一种知识图谱构建方法，所述方法包括：

根据种子词汇爬取多个待选网页的知识信息，所述待选网页包括与所述种子词汇相关的跳转链接，所述种子词汇为待构建知识图谱所属领域的知识词汇；

根据所述跳转链接获取扩充词汇；

获取所述种子词汇在所述待选网页的词汇标签，构建上位词集；

根据所述上位词集对所述扩充词汇进行词过滤，根据过滤后的所述扩充词汇以及所述种子词汇获取目标词集；

根据所述上位词集、所述目标词集中的所述种子词汇、所述扩充词汇及跳转链接关系构建知识图谱。

2.根据权利要求1所述的方法，其特征在于，所述根据所述上位词集、所述目标词集中的所述种子词汇、所述扩充词汇及跳转链接关系构建知识图谱之前还包括：

根据所述词过滤后的扩充词汇爬取多个待选网页的知识信息，获取与所述词过滤后的扩充词汇相关的迭代跳转链接；

根据所述迭代跳转链接获取迭代扩充词汇；

根据所述上位词集对所述迭代扩充词汇进行词过滤，根据过滤后的迭代扩充词汇更新所述目标词集；

将所述迭代扩充词汇作为新的词过滤后的扩充词汇，返回将根据所述词过滤后的扩充词汇爬取多个待选网页的知识信息，获取与所述词过滤后的扩充词汇相关的迭代跳转链接的步骤，直至可以通过所述上位词集过滤掉所有最新的迭代扩充词汇；

根据所述上位词集、所述目标词集中的所述种子词汇、所述扩充词汇及跳转链接关系构建知识图谱包括：

根据所述上位词集、更新后的所述目标词集中的所述种子词汇、所述扩充词汇、跳转链接、所述迭代扩充词汇以及所述迭代跳转链接构建知识图谱。

3.根据权利要求2所述的方法，其特征在于，所述根据所述上位词集对所述迭代扩充词汇进行词过滤，根据过滤后的迭代扩充词汇更新所述目标词集之前还包括：

根据目标词集内所述种子词汇、所述扩充词汇以及所述迭代扩充词汇在所述待选网页的词汇标签重新构建所述上位词集。

4.根据权利要求1所述的方法，其特征在于，所述根据所述上位词集对所述扩充词汇进行词过滤，根据过滤后的所述扩充词汇以及所述种子词汇获取目标词集迭代扩充词汇包括：

获取迭代扩充词汇所述扩充词汇对应的各词汇标签；

过滤掉所述扩充词汇中，属于上位词集中的词汇标签占，所述扩充词汇对应的各词汇标签的比例小于或等于预设分类阈值的扩充词汇；

根据过滤后的所述扩充词汇以及所述种子词汇获取目标词集。

5.根据权利要求1所述的方法，其特征在于，所述根据种子词汇爬取多个待选网页的知识信息，所述待选网页包括与所述种子词汇相关的跳转链接之前还包括：

获取待构建知识图谱对应的领域信息；

根据所述领域信息，基于scrapy爬虫框架和xpath解析库从第三方平台的领域分类树中爬取待构建知识图谱所属领域的种子词汇。

6.根据权利要求5所述的方法，其特征在于，所述根据种子词汇爬取多个待选网页的知识信息之前，还包括：

查找所述种子词汇中的相同词汇；

通过语义依存解析查找所述种子词汇中的同义词汇；

根据所述相同词汇以及所述同义词汇对所述种子词汇进行去重。

7.根据权利要求1所述的方法，其特征在于，所述获取所述种子词汇在所述待选网页的词汇标签，构建上位词集包括：

获取所述种子词汇对应的词汇标签；

当所述词汇标签与预设核心词汇存在关联关系时，将所述词汇标签归入所述上位词集。