[发明专利]西里尔蒙古文和传统蒙古文双文种知识图谱构建方法

权利要求书

1.一种西里尔蒙古文和传统蒙古文双文种知识图谱构建方法，其特征在于，具体按照以下步骤进行：

步骤一，将开源知识图谱和蒙古文网页资源进行抓取和预处理；

步骤二，将预处理后的西里尔蒙古文文本转传统蒙古文文本；

步骤三，建立传统蒙古文知识图谱数据模式；

步骤四，传统蒙古文命名实体识别和消解；

步骤五，传统蒙古文事实抽取，所述传统蒙古文事实抽取，包括实体关系知识抽取、实体属性知识抽取、概念实体类属关系知识抽取；

步骤六，传统蒙古文知识图谱集成；

步骤七，建立西里尔蒙古文和传统蒙古文双文种知识图谱；

所述步骤三中，传统蒙古文知识图谱数据模式，采用基于翻译和蒙古文概念层次聚类相结合的方法建立，具体按照以下步骤进行：

步骤a，利用蒙英翻译的方式将开源英文知识图谱DBpedia的数据模式翻译为蒙古文知识图谱的数据模式；

步骤b，从蒙古文网站的蒙古文词条中抽取概念并采用基于层次聚类的方法构建新获取概念间层次关系；

步骤c，将构建的概念间层次关系整合到翻译的蒙古文知识图谱的数据模式中，建立传统蒙古文知识图谱数据模式；

所述步骤四中，传统蒙古文命名实体识别，具体按照以下步骤进行：

步骤(1)，基于众包的传统蒙古文命名实体语料标注：利用Bayes分类方法将获得的蒙古文文档划分为政治、经济、文化、体育、历史、地理、科技、教育、军事九个类别，然后根据标注人员的兴趣和专业领域为其分配待标记文本语料，采用自动化的方法检验用户标注的准确度，准确度合格后得到传统蒙古文命名实体标注语料；

步骤(2)，基于多特征和条件随机模型进行传统蒙古文命名实体识别：将传统蒙古文命名实体标注语料中句子的单词格式化处理，得到单词特征，将单词的多种特征向量合并实现特征融合，将融合后的单词特征输入条件随机模型，得到对完整句子的每个单词的标注结果，利用标注结果读取句中命名实体，训练条件随机模型；将蒙古文命名实体标注语料替换为未进行命名实体识别的传统蒙古文文本，运行训练好的条件随机模型，即完成传统蒙古文命名实体识别；

所述步骤七中，建立西里尔蒙古文和传统蒙古文双文种知识图谱：采用基于LSTM模型的方法完成西里尔蒙古文和传统蒙古文中未登录词的相互转换，将传统统蒙古文知识图谱转换为西里尔蒙古文和传统蒙古文双文种知识图谱。

2.根据权利要求1所述的一种西里尔蒙古文和传统蒙古文双文种知识图谱构建方法，其特征在于，所述步骤二中，西里尔蒙古文文本转传统蒙古文文本，具体按照以下步骤进行：集内词采用西里尔蒙古文和传统蒙古文对照词典进行相互转换；未登录词采用长短时记忆循环神经网络模型进行相互转换。

3.根据权利要求1所述的一种西里尔蒙古文和传统蒙古文双文种知识图谱构建方法，其特征在于，所述步骤四中，传统蒙古文命名实体消解，具体为：采用词向量模型将每个单词转换为一个向量，通过计算两个向量间的距离，得到两个单词间的相似性；根据指代项的属性计算命名实体指代项之间的相似性Sim(r_i,r_j)，其中,r_i、r_j表示两个命名实体指代项,a_ik表示r_i第k个属性,a_jk表示r_j第k个属性，sim_k为对第k个属性定义的相似函数，w_k为对第k个相似函数的所占的权重；基于共同邻居的方法，计算与两个命名实体指代项有关系的实体集合的相似性Common(r_i,r_j)，其中，Nbr(r_i)、Nbr(r_j)分别表示与r_i、r_j有关系的实体集，K用于规范化|Nbr(r_i)∩Nbr(r_j)|，从而使Common(r_i,r_j)的值大于0且小于1；对三种方法计算的相似性加权求和，作为两个命名实体指代项的相似性，利用命名实体指代项的相似性进行聚类，确定所有指向相同命名实体的指代项，完成传统蒙古文命名实体消解。