[发明专利]一种融合多源异构数据的产业园知识图谱构建方法及系统

权利要求书

1.一种融合多源异构数据的产业园知识图谱构建方法，其特征在于，所述一种融合多源异构数据的产业园知识图谱构建方法包括以下步骤：

S1，采集不同来源的关于数字经济知识以及数字经济产业园数据；

S2，通过数据清洗将所述知识和数据整合成以数字经济产业园为中心的结构化知识；

S3，根据标注策略，对所述结构化知识中的实体关系进行标注；

S4，基于卷积神经网络构建数字经济产业园知识融合模型并对其进行训练；

S5，通过所述数字经济产业园知识融合模型对所述结构化知识中的实体关系进行初步提取；

S6，检索重复的实体关系三元组并进行实体关系抽取，从而构建数字经济产业园知识图谱的实体-关系-实体三元组，并进行知识融合。

2.如权利要求1所述的一种融合多源异构数据的产业园知识图谱构建方法，其特征在于，所述步骤S1具体包括：

所述数字经济知识包括数字产业化知识和产业数字化知识，所述数字产业化包括数字产品制造业、数字产品服务业、数字技术应用业和数字要素驱动业，所述产业数字化包括数字化效率提升业；

所述数字经济产业园数据包括：数字经济产业园政策、企业上下游关系、行业分类与目录、园区的发展与现状、园区主要企业、主要产品、主要设备、投融资、知识产权、人才分布、技术改造、产值利润；

所述采集的方式包括：利用爬虫框架，爬取产业园区网站的半结构化公开数据；对数字经济产业园包括相关权威政策、产业报告、行业分析、相关资料、书籍的数据进行归纳整理；通过专家对数字经济产业园数据进行修正和增删，提高数据知识的专业化水平。

3.如权利要求1所述的一种融合多源异构数据的产业园知识图谱构建方法，其特征在于，所述步骤S2具体包括：

对所述知识和数据进行信息脱敏和文本分词的预处理工作，同时辅助权威书籍和专家对其进行修正、补充和删除冗杂信息操作，整合成以数字经济产业园为中心的结构化知识，获得所述知识和数据中的实体信息。

4.如权利要求3所述的一种融合多源异构数据的产业园知识图谱构建方法，其特征在于，所述步骤S3具体包括：

确定所述结构化知识中的实体关系，对于两个实体的记录x和y，x和y在第i个属性上的值为x_i,y_i，对x和y通过如下步骤进行记录连接：

①综合单个属性相似度得到属性相似度向量

[sim(x₁，y₁)，sim(x₂，y₂)，…sim(x_n，y_n)，]；

②根据属性相似度向量得到实体间的相似度；

根据实体间的相似度对所述实体关系添加标签，所述标签由实体中的位置、关系类型和实体的顺序组成；

所述根据属性相似度向量得到实体间的相似度的计算方法包括但不限于编辑距离、集合相似度计算、基于向量的相似度计算以及基于同义词词林的词语相似度计算。

5.如权利要求4所述的一种融合多源异构数据的产业园知识图谱构建方法，其特征在于，所述步骤S4具体包括：

构建包括卷积层、池化层、隐藏层以及转换层的数字经济产业园知识融合模型，并对其进行训练；所述数字经济产业园知识融合模型使用基于卷积神经网络的相似度计算方法，将检索语句分词后生成词向量作为输入，在卷积层通过不同尺寸、不同卷积核的卷积窗口对语句的词向量卷积分别得到卷积值，通过一个池化层筛选出最大值并保留，通过计算得到隐藏层输出系数，在将隐藏层的输出系数与语句聚类特征计算最终得到转换层的输出，即为检索语句与被检索语句的相似值；将检索语句的卷积特征和聚类特征通过模型进行映射，计算相似特征描述语句。