[发明专利]一种产业知识库自动构建方法、装置及存储介质

权利要求书

1.一种产业知识库自动构建方法，其特征在于，包括如下步骤：

S1、针对目标产业领域，构建包含概念、实体、事件、文档、属性和关系的产业知识库知识体系模型；

S2、初步采集目标产业中包括企业实体和人才实体在内的感兴趣实体，构建企业实体与所在产业领域的关系以及人才实体与所就职企业的关系，形成产业知识库；

S3、针对目标产业采集产业资讯文档数据，基于深度学习和规则相结合的方法对采集得到的文档进行核心句识别、主题分类和实体识别，得到包含文档基础信息和文档中提及实体的结构化文档库；再对采集得到的文档进行事件级别的事件细粒度抽取，得到包含实体和事件信息的事件库；

S4、基于S3中得到的文档库和事件库，利用实体链接技术对S2中得到的产业知识库进行知识扩展与动态更新，更新范围包括实体新增、实体关系新增、实体关系更新、以及实体与文档和/或事件之间的关联，以保持产业知识库的持续构建与更新；

所述S2中，产业知识库的构建方法如下：

S21、定向批量采集目标产业中感兴趣企业实体的资料数据，并对资料数据进行属性结构化清洗，获取企业实体不同维度的结构化信息，信息维度包括企业简介、经营范围和产品信息；

S22、基于不同产业领域词汇的词典，对每个企业实体不同维度的结构化信息进行匹配打分，根据各维度的加权分数通过阈值法确定企业实体所属的产业领域，构建企业实体与所在产业领域的关系；

S23、获取目标产业领域的候选人才实体的名录以及其对应的简历文本，并将候选人才实体的属性进行规范化处理，使其与外部人才数据库中的属性体系保持一致；然后基于候选人才实体在简历信息中的已知属性在外部人才数据库中进行匹配；若匹配过程中存在唯一匹配对象，则在两者之间形成链接，以外部人才数据库中的属性信息对候选人才实体的简历信息进行属性扩充；若匹配过程中存在多个匹配对象，则基于相似度计算和主动学习的实体匹配方法重新匹配得到唯一匹配对象，在两者之间形成链接，以外部人才数据库中的属性信息对候选人才实体的简历文本进行属性扩充；

S24：针对候选人才实体的简历文本，利用实体识别模型检测出文本中提及的企业实体序列；将企业实体序列与预设的企业实体库中准确的企业名称和别名进行匹配，筛选出候选人才实体就职过的企业实体列表；最后将企业实体列表中的各企业实体ID记录于候选人才实体的数据结构中，构建人才实体与所就职企业的关系。

2.如权利要求1所述的产业知识库自动构建方法，其特征在于，所述的产业知识库知识体系模型中，顶级知识类型包括概念、实体、事件和文档，概念类型包括产业领域和事件类型，实体类型包括企业和人才，关系类型包括文档关于的事件类型、文档提及的企业、事件涉及的企业、事件涉及的人才、企业所属的产业领域、企业与企业的合作、企业之间的投资以及人才在企业的就职。

3.如权利要求1所述的产业知识库自动构建方法，其特征在于，所述S22中，计算各维度的加权分数时，通过众包方式进行人工校验，利用反馈信息调整不同维度的权重和打分规则。

4.如权利要求1所述的产业知识库自动构建方法，其特征在于，所述S23中，基于相似度计算和主动学习的实体匹配方法具体如下：

针对任意两个待判断是否相同的人才实体，对两者共有的维度属性进行相似度计算，并将不同维度的相似度按照其贡献权重进行加权，得到两者的总相似度，总相似度最大的一组人才实体视为同一个人才实体；在不断进行匹配的过程中，通过主动学习持续优化不同维度的贡献权重。