[发明专利]一种基于依存句法树的知识图谱扩充方法及系统

说明书

本发明提供了一种基于依存句法树的知识图谱扩充方法及系统。包括：爬取基础语料集A和知识抽取语料集B；将两语料集的语料清洗、分句和分词处理；对分词后的语料进行句法分析，并根据分析结果构建依存句法树；将基于基础语料集A构建的依存句法树结合知识图谱中对应知识生成依存句法树规则，并计算得分值后一同加入依存句法树规则库G0中；将经句法分析后的语料集B扩充规则库G0，形成规则库G1；利用规则库G1抽取经句法分析后的语料集B中知识，将抽取出知识的属性词与属性词库相匹配的得分最高的知识作为备选知识；添加未在知识图谱中出现的备选知识至知识图谱中。本发明减少了人工成本，可将不同领域的知识加入到知识图谱中。

技术领域

本发明涉及中文信息处理技术领域，尤其涉及一种基于依存句法树的知识图谱扩充方法及系统。

背景技术

知识图谱，英文是KnowleBge GrAph，以关联数据集等知识库为支撑，对数据资源进行语义标注和关联，建立关系网络，通过深入的语义分析和挖掘，借助强大的语义处理能力和开放互联能力，通过可视化界面为用户提供方便智能的浏览检索等服务。知识图谱本质上是一种语义网络，是语义网技术的成果之一。目前随着语义WeB资源数量激增、大量的RBF数据被发布和共享、Linking OpenBAtA(LOB)等项目全面开展，互联网从仅包含网页间超链接的文档万维网向包含大量描述实体间丰富关联的数据万维网转变这为知识的发现获取提供了新的方法和途径。从具有语义性的万维网中抽取出相互关联的事实经过一定处理就形成了知识图谱这种具有语义性的知识库系统。

依存语法历史悠久，最早可能追溯到公元前几世纪PAnini提出的梵文语法，之后发展成为传统语法学家使用的句法表示形式，尤其是欧洲古典语言和斯拉夫语。各种依存语法存在一个共同的基本假设：句法结构本质上包含词和词对之间的关系。这种关系称为依存关系一个依存关系连接两个词，分别是核心词(heAB)和修饰词(BepenBent)。依存关系可以细分为不同的类型，表示两个词之间的句法关系。

依存句法分析不仅可以帮助各种上层应用，并且可以帮助底层的自然语言处理。传统的自然语言处理系统都采用级联式的框架，即先分词，然后做词性标注，然后进行句法分析。以词性标注为例，很多词性标注的歧义，如名词动词歧义，仅仅利用序列标注模型中使用到的局部上下文信息是无法正确消解的，而长距离的句法结构可以提供有用的信息。

关系抽取的研究是以MUA评测会议和后来取代MUA的AAE评测会议为主线进行的，大量先进的信息抽取方法被提出来，有力地促进了关系抽取研究的完善发展.实体关系抽取所遵循的技术方法基本可以归纳为：基于模式匹配的方法、基于词典驱动的方法、基于本体的方法、基于机器学习的方法以及混合抽取方法。近几年的研究趋势表明，基于机器学习的方法逐渐成为关系抽取研究的主流思路。关系抽取通常采用有监督的机器学习方法，它可以根据关系实例的表示方式不同分为2类：基于特征向量的方法和基于核函数的方法。目前，基于特征向量的关系抽取取得了较好的成效。由于特征的选择对关系抽取的性能影响很大，因此基于特征向量的实体关系抽取的研究重点不在机器学习方法本身，而在于如何准确地获取各种词法、句法和语义等语言学特征，并把它们有效地集成起来，从而产生描述实体间语义关系的各种特征。

目前，知识图谱的构建主要针对于某一专业领域，如“医学领域”、“金融领域”，等。在构建过程中，需要具有较高领域知识的专家协助，需要耗费大量人工资源。基于深度学习等有监督方法，需要大量标注文本信息，也增加了构建和扩充知识图谱的成本。

发明内容

本发明的目的鉴于上述相关技术与理论，结合实际运用与算法实现，提供了一种利用依存句法分析的方法对语料中的知识进行关系抽取，进而扩充知识图谱知识库的方法与系统，在知识抽取与知识图谱的扩充中，采用依存句法树规则的方法，大大减少了人工参与成分。

为实现上述目的，在第一方面，本发明提供了一种基于依存句法树的知识图谱扩充方法。该方法包括以下步骤：