[发明专利]一种工程机械行业知识图谱构建方法及系统

权利要求书

1.一种工程机械行业知识图谱构建方法，其特征在于，所述构建方法包括：

根据工程机械行业内的通用知识数据库建立初始知识图谱；

对除所述通用知识数据库所包含知识数据外的工程机械行业的知识数据进行知识抽取，得到若干个三元组；所述三元组包括第一三元组和第二三元组；所述第一三元组为包括实体关系的三元组；所述第二三元组为不包括实体关系的三元组；

对所有所述第一三元组进行聚类，得到多个类簇；

逐类簇将所有所述类簇内的第一三元组添加到所述初始知识图谱，得到中间知识图谱；

基于所述第二三元组对所述中间知识图谱进行补全，得到工程机械行业知识图谱；

所述对所有所述第一三元组进行聚类，得到多个类簇具体包括：

根据聚类中心计算公式确定第θ个聚类中心；θ的初始值为1；

利用相似度计算公式计算第θ个聚类中心的语境相似度；

对于每一个未聚类三元组，判断所述未聚类三元组中的实体关系与第θ个聚类中心中的实体关系是否相同；若相同，则利用相似度计算公式计算所述未聚类三元组的语境相似度，并基于所述未聚类三元组的语境相似度和第θ个聚类中心的语境相似度确定所述未聚类三元组是否属于第θ个类簇；若不同，则所述未聚类三元组不属于第θ个类簇；所述未聚类三元组为不属于前θ-1类簇的第一三元组；

判断剩余未聚类三元组的个数是否大于1，得到第一判断结果；

若所述第一判断结果为是，则令θ=θ+1，返回“根据聚类中心计算公式确定第θ个聚类中心”的步骤；

若所述第一判断结果为否，则判断剩余未聚类三元组的个数是否等于1；若是，则剩余未聚类三元组组成第θ+1个类簇，得到θ+1个类簇；若否，则得到θ个类簇；

所述聚类中心计算公式为：

；

其中，q_θ为第θ个聚类中心；|C_i|为所有所述未聚类三元组的上下文语境所组成的集合；i为所有所述未聚类三元组所组成的集合；j=1，2，...，i；q_j为第j个未聚类三元组；

所述相似度计算公式为：

；

其中，α为第一权重；e1_k为所述未聚类三元组或第θ个聚类中心的前文语境中的第一个实体对应的值；e2_k为所述未聚类三元组或第θ个聚类中心的前文语境中的第二个实体对应的值；

；

其中，β为第二权重；e1_q为所述未聚类三元组或第θ个聚类中心的后文语境中的第一个实体对应的值；e2_q为所述未聚类三元组或第θ个聚类中心的后文语境中的第二个实体对应的值；

；

其中，S为语境相似度。

2.根据权利要求1所述的构建方法，其特征在于，所述根据工程机械行业内的通用知识数据库建立初始知识图谱具体包括：

根据工程机械行业内的通用知识数据库，采用自顶向下的构建方式建立初始知识图谱。

3.根据权利要求1所述的构建方法，其特征在于，所述对除所述通用知识数据库所包含知识数据外的工程机械行业的知识数据进行知识抽取，得到若干个三元组具体包括：

确定除所述通用知识数据库所包含知识数据外的工程机械行业的知识数据中每一知识数据的数据类型；

当所述数据类型为结构化数据时，则基于D2R技术对所述知识数据进行知识抽取，得到三元组；

当所述数据类型为半结构化数据时，则结合包装器和D2R技术对所述知识数据进行知识抽取，得到三元组；

当所述数据类型为非结构化数据时，则对所述知识数据分别进行实体、实体关系和实体属性的抽取，得到三元组。

4.根据权利要求3所述的构建方法，其特征在于，所述结构化数据包括来自专用知识数据库的知识数据；所述半结构化数据包括来自HTML网页新闻的知识数据；所述非结构化数据包括来自小程序、公众号和移动APP的知识数据。