[发明专利]一种民族文化信息资源知识图谱的构建方法在审
申请号: | 201910042744.2 | 申请日: | 2019-01-17 |
公开(公告)号: | CN109815340A | 公开(公告)日: | 2019-05-28 |
发明(设计)人: | 甘健侯;王俊;周菊香;文斌 | 申请(专利权)人: | 云南师范大学 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06F17/27 |
代理公司: | 昆明人从众知识产权代理有限公司 53204 | 代理人: | 王娟 |
地址: | 650500 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图谱 分词 领域知识 构建 自定义词库 词性标注 汉语分词 信息资源 存储 民族文化 重复性检测 单字 辞典数据 分词结果 属性提取 重复数据 资源链接 删除 检测 | ||
1.一种民族文化信息资源知识图谱的构建方法,其特征在于:
步骤1:收集少数民族辞条数据,构建少数民族辞条数据库,利用汉语分词系统及用户自定义词库对收集到的少数民族辞条数据库中的辞条数据进行分词和词性标注,并去除标点符号;
步骤2:然后对分词和词性标注后的数据进行检测,若连续分词均为单字的数量不小于设定的阈值,则进行人工分词操作,并把人工分词结果添加至汉语分词系统的用户自定义词库,重复步骤1,直到无新词为止;
步骤3:对正确分词后的数据进行属性提取,用以构建领域知识图谱;
步骤4:对领域知识图谱进行重复性检测,删除重复数据,进行存储;
步骤5:将存储后的领域知识图谱与资源链接。
2.根据权利要求1所述的民族文化信息资源知识图谱的构建方法,其特征在于:所述步骤1和步骤2中的分词系统为NLPIR汉语分词系统。
3.根据权利要求1所述的民族文化信息资源知识图谱的构建方法,其特征在于:所述步骤2中对分词和词性标注后的文本数据进行检测的具体方法为:
①定义分词结果集合S(S1,S2,……,Sm);
②对集合S中每个分词结果Si统计字数,得到集合字数结果C(C1,C2,……,Cm),其中Ci=len(Si),且1≤i≤m;
③设定阈值k,满足2≤k≤m;
④从S中抽取子集合P,P满足式(1)和式(2)
j-i+1≤k<m (2)
说明在S中Si到Sj的位置有连续k个字数为1的分词,通过设定k值,认为连续的字数为1的分词是一个新词x,x={Si,Si+1…Si+k},Si∈S;
④定义新词集合W为W=(x1,x2…xn),并对W行人工审核,如果是新词,添加至用户自定义词库中。
4.根据权利要求3所述的民族文化信息资源知识图谱的构建方法,其特征在于:所述阈值k设定的方式为从大到小,首次设置时k=m,依次递减,直到k=1为止,每次阈值设定后重复步骤2,直到将所有新词添加至用户自定义词库中。
5.根据权利要求1所述的民族文化信息资源知识图谱的构建方法,其特征在于:所述步骤3中属性提取是根据分词结果和词性标注进行逐一分类,把所有内容都进行属性提取,并标明属性名,形成“主题-属性名-属性值”的三元组,即知识图谱。
6.根据权利要求1所述的民族文化信息资源知识图谱的构建方法,其特征在于:
所属步骤4中重复性检测分为以下几种类型:
类型1:同一实体的同一属性有多个属性值,如果某个属性值包含其他的属性值,这消除被包含的属性值;
类型2:同一实体的同一属性有多个属性值,如果属性值之间互斥,则根据拥有该属性值的数量进行判断,属性值较多的保留,并提交人工审核;
类型3:同一实体的同一属性有多个属性值,如果属性值之间互斥,拥有该属性值的数量也相同,则完全提交人工审核。
7.根据权利要求1所述的民族文化信息资源知识图谱的构建方法,其特征在于:所属步骤4中领域知识图谱存储是用关系数据库的方式对图数据库存储知识图谱的方式进行模拟。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南师范大学,未经云南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910042744.2/1.html,转载请声明来源钻瓜专利网。