[发明专利]用于存储数据的方法和装置

说明书

本申请实施例公开了用于存储数据的方法和装置。该方法的一具体实施方式包括：提取目标数据所包括的实体与关系，其中，目标数据包括至少两个词汇，实体是目标数据中的词汇，关系是目标数据中的、不同于实体的词汇；确定实体的上位词；基于实体与上位词，确定第一实体集合；将第一实体集合中符合预设条件的实体的集合，确定为第二实体集合；关联存储关系与第二实体集合中的每个实体。该实施方式丰富了知识图谱的构建方式。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于存储数据的方法和装置。

背景技术

知识图谱(Knowledge Graph)又称为科学知识图谱，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。

目前，知识图谱广泛应用于搜索、人工智能、深度学习等领域。为搜索中的内容推荐、语义理解、问题回答等提供支持。知识图谱有助于提供更有深度的信息，可以帮助用户找出更加准确、系统的信息。

发明内容

本申请实施例提出了用于存储数据的方法和装置。

第一方面，本申请实施例提供了一种用于存储数据的方法，该方法包括：提取目标数据所包括的实体与关系，其中，目标数据包括至少两个词汇，实体是目标数据中的词汇，关系是目标数据中的、不同于实体的词汇；确定实体的上位词；基于实体与上位词，确定第一实体集合；将第一实体集合中符合预设条件的实体的集合，确定为第二实体集合；关联存储关系与第二实体集合中的每个实体。

在一些实施例中，将第一实体集合中符合预设条件的实体的集合，确定为第二实体集合，包括：获取预定的知识条目集合，其中，知识条目包括实体与关系；将第一实体集合中的每个实体与目标数据中的关系组成为待验证知识条目，得到待验证知识条目集合；确定待验证知识条目集合中的每个待验证知识条目在预定的知识条目集合中出现的次数，将大于预定数值的次数所对应的待验证知识条目所包括的实体的集合确定为第二实体集合。

在一些实施例中，关联存储关系与第二实体集合中的每个实体，包括：确定目标数据中的关系在目标数据或预定的知识条目集合中的重要程度值；响应于确定出重要程度值属于预定范围，关联存储目标数据中的关系与第二实体集合中的每个实体。

在一些实施例中，上述重要程度值是词频-反转文件频率。

在一些实施例中，目标数据是包括词汇序列的非结构化数据；以及提取目标数据所包括的实体与关系，包括：对目标数据进行分词处理，生成词汇序列；确定词汇序列中的各个词汇之间的依存关系；确定各个词汇的词性；提取词汇序列中的实体与关系。

在一些实施例中，预设条件包括预定模板集合中存在与词汇序列所包含的词汇的数量、各个词汇之间的依存关系、各个词汇的词性相匹配的模板，其中，模板用于规定数据所包含的词汇的数量、数据所包含的各个词汇之间的依存关系、数据所包含的各个词汇的词性。

在一些实施例中，预设条件还包括所提取的实体不属于针对目标数据中的关系预先确定的第三实体集合。

第二方面，本申请实施例提供了一种用于存储数据的装置，该装置包括：提取单元，配置用于提取目标数据所包括的实体与关系，其中，目标数据包括至少两个词汇，实体是目标数据中的词汇，关系是目标数据中的、不同于实体的词汇；第一确定单元，配置用于确定实体的上位词；第二确定单元，配置用于基于实体与上位词，确定第一实体集合；第三确定单元，配置用于将第一实体集合中符合预设条件的实体的集合，确定为第二实体集合；存储单元，配置用于关联存储关系与第二实体集合中的每个实体。