[发明专利]结合知识库的深层数据处理方法和系统

摘要

本发明公开了一种结合知识库的深层数据处理方法，该方法包括以下步骤：对于本体库中的概念元组集合进行归并；得到不同类型谓词的链接路径和相应的逻辑规则集合；对逻辑规则集合初步筛选获得候选规则集合；得到深层概率图模型；基于待处理数据得到结构化元组并映射到层次化概念空间；生成目标元组并进行语义泛化；得到逻辑规则集合和证据元组集合；对马尔可夫逻辑网络进行实例化，计算目标元组成立的条件概率，得到数据处理结果。本发明还提供了一种深层数据处理系统，该系统包括结构化模块、概念化模块、目标生成模块、泛化模块、激活模块和概率计算模块。利用本发明，可以充分融合上下文语境以及背景知识，从而真正达到语义理解的目的。

主权项

一种结合知识库的深层数据处理方法，其特征在于，该方法包括以下步骤：步骤S1，基于本体库中概念的层次组织结构，对于所述本体库中的概念元组集合进行归并处理，这些元组的谓词包括概念的属性或者概念之间的关系；步骤S2，基于归并处理后得到的概念元组集合，得到不同类型谓词的链接路径，以及相应的逻辑规则集合；步骤S3，对所述逻辑规则集合进行初步筛选，获得候选规则集合；步骤S4，基于深层和积网络（Sum‑Product Network,SPN）得到用来计算所述候选规则集合不确定性的深层概率图模型，继而得到赋值权重的逻辑规则集合，即马尔可夫逻辑网络，并存储于规则库中；步骤S5，利用汉语分词技术将待处理数据转化为词语的有序元组，并且每个词语都具有相应的词性标注，再结合基本的句式结构提取得到结构化元组；步骤S6，将所述步骤S5得到的所有结构化元组中的实例分别映射到层次化概念空间中，依据实例所属概念，以及谓词对应的概念搭配，对结构化元组中的实例和谓词分别进行语义标识；步骤S7，基于所述步骤S6得到的语义标识结果，生成待推理的有标识结构化元组，即目标元组；步骤S8，对所述步骤S7得到的目标元组进行语义泛化，并将泛化后产生的结构化元组与原目标元组一起形成目标元组集合；步骤S9，基于所述步骤S8得到的目标元组集合，对规则库中的逻辑规则进行有效的激活，对事实库中的结构化元组以及上下文知识进行有效的激活，所述上下文知识为所述步骤S5中得到的结构化元组中的非目标元组集合，得到逻辑规则集合和支撑后续推理的证据元组集合；步骤S10，基于所述步骤S9中激活得到的证据元组集合，对所述步骤S9得到的逻辑规则集合进行实例化，同时计算所述目标元组成立的条件概率，得到待处理数据的最终处理结果。