[发明专利]一种无监督事件知识图谱构建方法及系统

权利要求书

1.一种无监督事件知识图谱构建方法，其特征在于，包括以下步骤：

S1、依据样本邻域对特征相似性的影响，利用邻域互信息度量特征之间的依赖，将具有依赖关系的特征划分到一个簇类，得到具有事件相关性的特征聚类簇；

S2、根据步骤S1得到的特征聚类簇生成包含对应特征簇的样本集合，在多维统计数据高阶相关性基础上，构造样本集合的相似矩阵，利用局部线性嵌入算法，在保持原始样本流形结构的基础上，获取样本集合的低维嵌入集合；

S3、采用稀疏表示方法对步骤S2获得的低维嵌入集合进行处理，获取样本集合的稀疏表示系数，筛选稀疏表示系数中非零元素对应的特征构建事件的知识图谱。

2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：

S101、初始化特征簇数{k|k＝1}；

S102、构造新的特征集合T^*；

S103、构造簇中心表c-table，平均划分特征集合T^*为k+1份，将每份右端点的特征作为簇中心点加入到簇中心表c-table中；

S104、计算特征集合T^*中每个特征T_i与簇中心表c-table中的特征c_v，两者之间的相关度SIH_ζ(T_i；c_v)，v∈{1,2,…k}，将每个特征T_i归入相关度SIH_ζ(T_i；c_v)值最大的簇中，实现特征聚类；

S105、计算特征T_i与簇C_v的相关度SMIH_ζ(T_i；C_v)，更新c-table，将簇C_v中SMIH_ζ(T_i；C_v)值最大的特征更新为聚类中心；

S106、计算簇C_v内特征之间的相关度SIH_ζ(T_i；T_j)及簇C_v的方差D(C_v)；

S107、依次迭代k＝k+1，重复步骤S103～S106，直至max{D(C_v)}≤θ时结束，θ为特征的聚类阈值，输出具有事件相关性的特征聚类簇。

3.根据权利要求2所述的方法，其特征在于，步骤S107中，特征的聚类阈值θ计算方法为：

其中，为特征T_i的平均相关度，为特征T_i与T_j的平均相关度。

4.根据权利要求3所述的方法，其特征在于，特征T_i的平均相关度为：

其中，i∈{1,2,…,p}，i,j∈{1,2,…,p}，i≠j。

5.根据权利要求1所述的方法，其特征在于，步骤S2具体为：

S201、采用步骤S1的特征聚类算法及样本选取规则获取|C_v|维样本集完成样本筛选；

S202、利用拉格朗日乘法求解最优权值w_ij，确定权值系数矩阵W＝[w_ij]；

S203、加入约束条件，使达到最小，计算样本集合的低维嵌入集合Y_v。

6.根据权利要求5所述的方法，其特征在于，步骤S203中，约束条件为：

由此，y_i为x_i对应的低维投影向量，I为单位矩阵，为邻域样本集合，J(Y_v)转化为tr为迹函数，W为权值系数矩阵。