[发明专利]一种基于词向量和依存句法的知识图谱构建方法及系统

说明书

本发明公开了一种基于词向量和依存句法的知识图谱构建方法及系统，通过提取领域文本数据中的多个三元组，构建初始知识图谱；计算每条文本数据的文本数据二维坐标；基于初始知识图谱的领域类型，得到相似知识图谱中未知实体的节点及其节点文本数据，计算节点向量坐标，基于节点向量坐标到每个文本数据二维坐标的距离，获取距离最小值对应的第一文本数据中的第一三元组，以及节点文本数据对应的多个节点三元组，获取并基于第一三元组和每个节点三元组中存在依存句法关系一致的第一实体词，将相似知识图谱嵌入到原始知识图谱中，得到知识图谱。与现有技术相比，本发明的技术方案在提高知识图谱的内容丰富程度的前提下，提高知识图谱构建的效率。

技术领域

本发明涉及知识图谱构建的技术领域，特别是涉及一种基于词向量和依存句法的知识图谱构建方法及系统。

背景技术

在大数据时代背景下，随着海量数据的出现以及多数据源融合交叉应用，传统的数据管理模式以及查询方式受到一定的制约，近年来，知识图谱作为一种新的知识表示方法和数据管理模式，在自然语言处理、问题回答、信息检索等领域有着重要的应用。知识图谱是结构化的语义知识库，用于符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体-关系-实体”三元组，以及实体及其相关属性-值对，实体间通过关系相互连接，构成网状的知识结构。

对于知识图谱的建立通常是直接通过单一的算法，基于原始数据库建立对应的知识图谱，通过这种方式建立的知识图谱对数据的描述方式单一，且所呈现的知识图谱所涉及的内容仅为原始数据库中的数据，内容受限。因此，为了丰富知识图谱的内容，普遍通过构建知识图谱补全模型，用于获取知识图谱的相关数据，以补全原始知识图谱，但现有中，对于知识图谱推理模型的构建过程，需要获取大量数据，用于模型训练，数据处理量大，不利于提高知识图谱的构建效率。

发明内容

本发明要解决的技术问题是：提供一种基于词向量和依存句法的知识图谱构建方法及系统，在提高知识图谱的内容丰富程度的前提下，提高知识图谱构建的效率。

为了解决上述技术问题，本发明提供了一种基于词向量和依存句法的知识图谱构建方法，

获取领域文本数据，对所述领域文本数据进行分句处理，得到多条文本数据，根据依存句法对每条文本数据进行实体关系提取，得到并基于多个三元组，构建初始知识图谱，获取所述初始知识图谱中的实体领域嵌入向量；

基于word2vec技术对每条文本数据进行词向量化处理，得到每条文本数据的词向量，并对所述词向量进行降维处理，得到每条文本数据在预设向量空间的文本数据二维坐标；

获取并基于所述初始知识图谱的领域类型，得到相似知识图谱中未知实体的节点及其对应的节点文本数据，基于所述word2vec技术对所述节点进行向量化处理，得到节点词向量，并对所述节点词向量和所述领域嵌入向量进行加法处理，得到节点向量坐标；

计算所述节点向量坐标到每个文本数据二维坐标的距离，获取距离最小值对应的第一文本数据二维坐标，及所述第一文本数据二维坐标对应的第一文本数据；

提取所述第一文本数据对应的第一三元组，并基于依存句法对所述节点文本数据进行实体关系提取，得到多个节点三元组，依次将所述第一三元组和每个节点三元组进行对比，判断所述第一三元组和每个多个节点三元组中是否存在依存句法关系一致的第一实体词，若是，则保留所述第一实体词，并基于所述第一实体词，将所述相似知识图谱与所述初始知识图谱进行结合，得到知识图谱。

在一种可能的实现方式中，基于word2vec技术对每条文本数据进行词向量化处理，得到每条文本数据的词向量，并对所述词向量进行降维处理，得到每条文本数据在预设空间的文本数据二维坐标，具体包括：

对每条文本数据进行数据分词处理，得到每条文本数据对应的词集合；