[发明专利]一种基于维基百科构建概念型知识地图的方法

权利要求书

1.一种基于维基百科构建概念型知识地图的方法，其特征在于，该方法包括下述步骤：

第1步、抽取知识文档：从维基百科全文数据中抽取出知识文档，然后将抽取的文档分为概念知识文档和类别知识文档，最后将知识文档存储；

第2步、获取知识信息：分析所有存储的知识文档，获取各知识文档中所包含的知识信息，包括概念、类别的基本知识信息，概念与类别之间的关联信息以及概念与概念之间的关联信息，并将所有获取的知识信息存入数据库；

第3步、知识信息转化为知识节点：以知识节点格式描述库中的规范为基础，将获取的知识信息按照统一的描述格式转化为知识节点，然后将知识节点以文件形式存储到本地；

第4步、使用知识信息：对知识节点中的知识信息建立索引，以提供通过关键词对知识信息进行检索的功能，并将检索结果以概念知识地图的方式进行显示。

2.根据权利要求1所述的基于维基百科构建概念型知识地图的方法，其特征在于，第1步具体包括下述过程：

(a1)首先从维基百科官方网站下载其全文数据文件；

(a2)读取标签，直到全文数据文件开始标签，接下来以知识文档为单位对该文件进行解析；

(a3)新建知识文档，读取<id>标签内容作为文档编号，<title>标签内容作为文档标题，<text>标签内容作为文档内容；

(a4)以文档编号为文件名保存知识文档；继续读取标签，若当前读取标签为全文数据文件结束标签，则执行步骤(a5)，否则执行步骤(a3)；

(a5)判断该知识文档标题是否以字符串“Category：”开头，如果是，表明该文档是类别知识文档，否则就是概念型知识文档；

(a6)依据知识文档的分类结果将知识文档分别储存到两个目录下，以文档编号作为文件名。

3.根据权利要求1所述的基于维基百科构建概念型知识地图的方法，其特征在于，第2步具体包括下述过程：

(b1)初始，建立数据库，并从知识文档集中读取一份文档；

所建立的数据库中包括五个表：概念基本知识信息表，概念关联知识信息表，类别基本知识信息表，类别关联知识信息表以及类别与概念关联知识信息表；

(b2)对知识文档进行分析，如果文档是概念知识文档执行步骤(b3)，否则转步骤(b5)执行；

(b3)获取概念基本知识信息，以文档标题作为概念名称，文档编号作为概念编号，存入数据库的概念基本知识信息表中；

(b4)获取概念与概念之间的知识信息，将名称为“See also”的文档片段对应的概念集提取出来作为当前概念的关联概念，存入数据库的概念关联知识信息表中，然后转步骤(b8)执行；

(b5)获取类别基本知识信息，以文档标题作为类别名称，文档编号作为类别编号，存入数据库的类别基本知识信息表中；

(b6)获取类别与类别之间的知识信息，将名称为“Subcategories”的文档片段对应的概念集提取出来作为当前类别的子类别，存入数据库的类别关联知识信息表中；

(b7)获取类别与概念之间的知识信息，将名称为“Pages in category”的文档片段对应的概念集提取出来作为当前类别的关联概念，存入数据库的类别与概念关联知识信息表中，然后转步骤(b8)执行；

(b8)判断知识文档集是否读取完毕，如果是，结束，否则读取下一篇知识文档，然后转入步骤(b2)。

4.根据权利要求3所述的基于维基百科构建概念型知识地图的方法，其特征在于，步骤(b2)中，对知识文档进行分析的过程如下：

①初始，设置空的集合作为知识概念集，并根据文档编号，查找到对应的知识文档；

②读取当前行，若到达文件末，则转步骤④；

③如果当前行以字符串“＝＝”开头，则表明新的文档片段开始，此时保存上一个文档片段的名称和知识概念集，然后从当前行中匹配出下一个文档片段名称，并清空知识概念集合，再转步骤②执行；如果当前行不以字符串“＝＝”开头，则从当前行中用正则表达式匹配出知识概念，并将其加入到知识概念集中，转步骤②执行；

④文档分析结束。