[发明专利]一种知识图谱构建方法及装置、电子设备

权利要求书

1.一种知识图谱构建方法，其特征在于，所述方法包括：

从多种类型的数据源采集多种类型的工控安全数据；

对所述工控安全数据进行实体抽取、关系抽取以及事件抽取；

对抽取出来的实体进行实体消歧处理；

将消歧后的实体、关系和属性存入图数据库中，搭建知识图谱系统；

利用张量分解算法进行自动学习和推理，从当前的所述知识图谱中挖掘目标信息，并将所述目标信息作为知识的一部分反馈存储在所述知识图谱中。

2.根据权利要求1所述的方法，其特征在于，所述对所述工控安全数据进行实体抽取，包括：

对于属于结构化数据的工控安全数据，根据所述工控安全数据在数据库中的的字段名和预设的规则进行实体抽取、关系抽取和属性抽取。

3.根据权利要求1所述的方法，其特征在于，所述对所述工控安全数据进行实体抽取，包括：

对于属于非结构化数据的工控安全数据，使用模板法和命名实体识别算法进行实体抽取；其中，

所述模板法包括：通过词性分析和关系关键词匹配，从语句中抽取实体；

所述命名实体识别算法包括：使用训练好的命名实体识别模型在未标注的数据上进行分词和命名实体的识别，得到粗粒度的实体；使用词向量Word2Vec工具将所述粗粒度的实体转化为词向量，并筛选出工控高相关的实体的词向量；计算其他实体的词向量与所述工控高相关的实体的词向量的距离的均值，并迭代执行筛选工控高相关的实体的词向量的操作。

4.根据权利要求1所述的方法，其特征在于，所述对所述工控安全数据进行关系抽取，包括：

对于属于结构化数据的工控安全数据，按照定义的实体关系类别对所述工控安全数据进行抽取，得到实体间的关系以及部分实体的属性。

5.根据权利要求1所述的方法，其特征在于，所述对所述工控安全数据进行关系抽取，包括：

对于属于非结构化数据的工控安全数据，采用基于词向量的卷积神经网络对所述工控安全数据进行关系抽取。

6.根据权利要求5所述的方法，其特征在于，所述采用基于词向量的卷积神经网络对所述工控安全数据进行关系抽取，包括：

使用Word2Vec工具将所述工控安全数据对应的所有训练语料中的词语进行向量化处理，并将每一个词汇转化为固定长度的词向量；

使用实体及其句式结构附近的词汇的词向量作为基本特征，将所述基本特征组合成特征向量，并根据词语在句式结构中的位置进行非线性的加权变换，得到根据词语向量信息和词语位置信息组合生成的特征向量；

将所述特征向量经过不同卷积核的卷积运算后，得到目标特征集合，将所述目标特征集合应用于分类器中训练分类模型。

7.根据权利要求1所述的方法，其特征在于，所述对所述工控安全数据进行事件抽取，包括：

对所述工控安全数据进行事件识别和事件关键信息的提取。

8.根据权利要求7所述的方法，其特征在于，所述对所述工控安全数据进行事件识别，包括：

使用触发词词典对所述工控安全数据中的各个句子进行匹配，判断所述句子中是否描述了工控安全事件；

其中，所述触发词词典包括事件核心词词典和/或事件相关词词典。

9.根据权利要求8所述的方法，其特征在于，所述对所述工控安全数据进行事件关键信息的提取，包括：

当确认所述句子描述了一个工控安全事件后，按照预设规则从所述句子中抽取事件关键信息。

10.根据权利要求1至9任一项所述的方法，其特征在于，所述对抽取出来的实体进行实体消歧处理，包括：

对每一个待消歧的实体e，对于的候选实体集合为E＝{e₁，e₂，…，e_m}；

将所述e链接到所述E中的一个实体，从而将所述实体e划分为所述E中的一个类别。