[发明专利]图谱化知识库的处理方法、装置、计算机设备和存储介质

说明书

本发明公开了一种图谱化知识库的处理方法、装置、计算机设备和存储介质。所述方法包括：获取知识库的各个知识节点；通过标签匹配对知识库的各个知识节点进行结构化处理，得到具有结构化体系结构的知识库；采用关系抽取模型，对知识库中的各个知识节点之间的关联关系进行关系抽取，得到第一抽取结果；以及以预设方式对第一抽取结果进行展示。由于引入了关系抽取模型，这样，能够对知识库中的各个知识节点之间的关联关系进行关系抽取，得到第一抽取结果，并对该第一抽取结果进行展示，这样，展示出来的各个知识节点之间是有一定关联度的，且以用户可以直观地看到各个知识节点之间的关联关系的预设方式展示，从而大大地提高了用户的体验度。

技术领域

本发明涉及人工智能技术领域，特别涉及图谱化知识库的处理方法、装置、计算机设备和存储介质。

背景技术

知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的方法。知识图谱由节点和边组成。节点可以是实体，如一个人、一本书等，或是抽象的概念。边可以是实体的属性，如姓名、书名，或是实体之间的关系，如朋友。

常用的知识图谱由知识图谱Schema，该知识图谱Schema定义了知识图谱的基本类、术语、属性和关系等本体层概念。cnSchema.ORG是OpenKG发起和完成的开放的知识图谱Schema标准。cnSchema的词汇集包括了上千种概念分类、数据类型、属性和关系等常用概念定义，以支持知识图谱数据的通用性、复用性和流动性。结合中文的特点，复用、连接并扩展了Schema.org、Wikidata、Wikipedia等已有的知识图谱Schema标准，为中文领域的开放知识图谱、聊天机器人、搜索引擎优化提供可供参考的数据描述和接口定义标准。通过cnSchema，开发者可以快速对接大量基于Schema.org定义的网站，以及Bot的知识图谱数据API。cnSchema主要解决如下三个问题：第一，Bots是新兴的人机接口，对话中的信息粒度缩小到短文本、实体和关系，不仅需要文本与结构化数据的结合，还需要更丰富的上下文处理机制；第二，知识图谱Schema.缺乏对中文的支持；第三，知识图谱的构建成本高，需要分摊成本。

现有的知识图谱方法涉及知识表示、知识获取、知识处理和知识利用多个方面。一般处理流程为：首先，确定知识表示模型，然后根据数据来源选择不同的知识获取手段导入知识，接着综合利用知识推理、知识融合、知识挖掘等技术对构建的知识图谱进行不断优化，最后根据不同应用场景需求设计不同的知识访问与呈现方法，例如，语义搜索、问答交互、图谱可视化分析等。

上述现有的基于知识图谱的方法构建的知识库，每条知识以行的形式进行存储和管理，以至于每条知识之间缺乏关联性，难以根据语义进行相关问题的关联和访问，从而导致造成基于构建的知识库进行索引的索引效率低，而且索引得到的索引结果也不精准，索引结果往往也不是用户想要的，用户体验度低。

发明内容

基于此，有必要针对现有构建的知识库中的各个知识之间低关联度的问题，提供一种图谱化知识库的处理方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供了一种图谱化知识库的处理方法，所述方法包括：

获取知识库的各个知识节点；

通过标签匹配对所述知识库的各个知识节点进行结构化处理，得到具有结构化体系结构的知识库；

采用关系抽取模型，对所述知识库中的各个知识节点之间的关联关系进行关系抽取，得到第一抽取结果；

以预设方式对所述第一抽取结果进行展示。

在一种实施方式中，所述对知识库的各个知识节点通过标签匹配进行结构化处理包括：

对所述知识库的各个知识节点进行抽取，得到第二抽取结果，所述第二抽取结果用于标识关键实体列表；

基于所述第二抽取结果中的各个数据，构建具有分类标签的字典；