[发明专利]一种民族文化信息资源知识图谱的构建方法

说明书

本发明涉及一种民族文化信息资源知识图谱的构建方法，属于知识图谱技术领域。首先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大辞典数据中的辞条数据进行分词和词性标注，然后对分词和词性标注后的辞条数据进行检测，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，直到无新词为止，然后对正确分词后的辞条数据进行属性提取，用以构建领域知识图谱，再次对领域知识图谱进行重复性检测，删除重复数据，将存储后的领域知识图谱与资源链接，最终进行存储。

技术领域

本发明涉及一种民族文化信息资源知识图谱的构建方法，属于知识图谱技术领域。

背景技术

民族文化是一个民族的精神财富，将民族文化记录保存下来，不仅可以让后人传承优秀的文化，也能使民族的文化在历史上留下浓墨重彩的一笔。传统的民族文化通过数字化技术，转化为数字化的编码形态，继而存储、传输、复制、再现甚至创造，使之呈现为“活的文化”，这将成为保护民族文化遗产的必然趋势，也是少数民族文化数字化发展的创新思路。

知识图谱技术近年来引起了学者们的广泛关注，通过知识图谱，可以将互联网的信息表达成更接近人类认知世界的形式，而且提供了一种更好的组织、管理和利用信息的方式。

为了推动民族文化信息资源逐渐发展，需要构建民族文化信息资源知识图谱，但目前国外对英文知识图谱构建的方法无法完全适用于中文知识图谱的构建，民族文化信息资源的知识图谱构建也较少，迫切需要民族文化信息资源知识图谱构建方法。

发明内容

本发明要解决的技术问题是提供一种民族文化信息资源知识图谱的构建方法，用以解决上述问题。

本发明的技术方案是：一种民族文化信息资源知识图谱的构建方法，首先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大辞典数据中的辞条数据进行分词和词性标注，然后对分词和词性标注后的辞条数据进行检测，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，直到无新词为止，然后对正确分词后的辞条数据进行属性提取，用以构建领域知识图谱，再次对领域知识图谱进行重复性检测，删除重复数据，将存储后的领域知识图谱与资源链接，最终进行存储。

具体步骤为：

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。

所述步骤1和步骤2中的分词系统为NLPIR汉语分词系统

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,……,S_m)；

②对集合S中每个分词结果S_i统计字数，得到集合字数结果C(C₁,C₂,……,C_m)，其中C_i＝len(S_i)，且1≤i≤m；

③设定阈值k，满足2≤k≤m；