[发明专利]基于知识图谱的文献实体关系发现方法及系统

说明书

本发明公开了一种基于知识图谱的文献实体关系发现方法及系统，其根据文献内容中的实体以及实体之间的关系进行构建知识图谱；提取所述知识图谱中的RDF数据，并对所述RDF数据进行向量化处理，得到向量数据；根据所述向量数据的关联关系，得到原生实体关系向量组和未连接的实体关系向量组；对所述未连接的实体关系向量组进行向量匹配度的计算，并筛选出向量匹配度大于预设阈值的未连接的实体关系向量组，或者，根据计算得到的向量匹配度对所述未连接的实体关系向量组进行排序；本发明通过以文献内容中的实体为粒度进行构建知识图谱，并基于该知识图谱通过向量计算进行实体关系的匹配，能够深度挖掘文献内容之间的潜在的实体关系，从而提供了一种革新的研究方法来发现人类尚未发现的潜在的知识，加速人类科学发展进程。

技术领域

本发明涉及信息科学与知识工程技术领域，特别是一种基于知识图谱的文献实体关系发现方法及其应用该方法的系统。

背景技术

学术领域里的瀚海中有很多埋藏在文献里的尚未被挖掘的潜在知识关系或者知识内容，这也是学者们通过大量的文献查阅寻找灵感的工作内容，这就是知识发现的过程。

基于文献的知识发现，更确切的术语是“基于非相关文献的知识发现”，它是1986年由Swanson教授首先提出，其含义是指:从公开发表的非相关文献中发现某些知识片段间的隐含联系，并在此基础上提出科学假设或猜想，一道科研人员进行攻关或实验，从而发现新知识”。

Swanson提出的知识发现方法首先在生物医学中得到应用。1986年，他发现，雷诺氏病是一种病因和治疗方法均未知的血液循环紊乱疾病。有的文献记载了部分雷诺氏病患者血液中有些异常(如血液黏度偏高)，又有一些文献记载了食用鱼油能纠正这些异常(如它可降低血液黏度)。Swanson将34篇论述血液变化可导致雷诺氏病的生物医学文献分为一组(A)，而降25篇论述食用鱼油可引起血液某种变化的生物医学文献分为另一组(C),通过雷诺氏病主题词(B)将两组文献类型在一起。在此基础上，Swanson提出科学假设:食用鱼油会对雷诺氏病患者有益。当时，这一假设并未以任何形式公开发表过，学术界尚未发现食用鱼油与雷诺氏病之间的联系。两年后，这个科学假设被临床实验所证实。后来，Swanson通过文献研究又发现了偏头痛与镁的11条被忽略掉的联系。他在1998年发表的文章中提出了镁的缺乏可能引起偏头痛的假设，后来也被临床实验和脑中镁含量的检测报告所证实。

该基于文献的知识发现不仅适用于科学文献，也同样适用于人文文献。例如，美国为嗯州立大学Cort教授将Swanson方法成功应用于发现Wilson人文数据库中文献间的隐含关系。他发现可以前未被人们发觉的诗人Robert Forst(1874-1963)和希腊哲学家Carneades(公元前214～公元前129年)间的联系。为此证实在人文科学文献中同样存在着许多未被挖掘的隐含联系。

Swanson教授根据其思想开发了Arrowsmith系统。ArrowSmith系统在医疗研究领域证明了这种潜在的关联可以通过文本实体的识别和对发现两者之间的关系：“假设A和C之间存在某些联系，在数据库分别检索形成文献集合A和C，将所有连接两个文献的中间词B根据相对词频B，最后对表中高相关性文献进行深入阅读，已验证假设、找出合理的联系途径”。即，从两个因果关系中可以推导出第三个因果关系，例如，A→B(A引起B)，B→C(B引起C)，则A→C(A引起C)。

Arrowsmith系统主要是采用标题检索模式或者主题词和文摘检索模式。一方面，ArrowSmith系统检索或推荐内容主要只是基于文章标题或摘要为粒度的，且推荐是需要用户输入搜索索引关键词来进行判断的，属于局域计算，准确性较低；另一方面，ArrowSmith系统需要人为假定预设关联，每一个假设关联在文献环节都需要耗费大量的时间精力，且不一定能够找得到，效率较低。

发明内容