[发明专利]一种多源实体数据融合方法、装置及设备

权利要求书

1.一种多源实体数据融合方法，其特征在于，包括：

确定待融合的国际标准书号；

根据所述国际标准书号获取来自多个数据源的所述国际标准书号对应的实体数据；所述实体数据包括多个实体类型的数据；所述实体类型包括图书实体、人物实体、出版社实体以及出版品牌实体；

确定每个所述实体类型对应的目标实体数据，得到多个目标实体数据集合；

将每个所述目标实体数据集合中的目标实体数据进行融合，得到每个所述实体类型对应的融合后实体数据集；

建立各所述融合后实体数据集之间的关联关系；

将所述融合后实体数据集以及所述关联关系存储到数据库中；

其中，所述确定每个所述实体类型对应的目标实体数据，具体包括：

确定每个所述实体类型对应的实体候选集；

从所述实体候选集中确定所述实体类型对应的目标实体数据；

其中，所述确定所述实体类型对应的实体候选集，具体包括：

根据所述国际标准书号从所述实体数据中确定具有同一所述国际标准书号的图书实体，得到图书实体候选集；

其中，所述根据所述实体候选集确定所述实体类型对应的目标实体数据，具体包括：

采用层次聚类的方法对所述图书实体候选集进行划分，得到至少一个第一实体候选集集合；

确定所述第一实体候选集集合中各个候选集包含的图书实体的数量；

确定所述图书实体数量最多的候选集中各图书实体的置信度；

将满足置信度条件的各图书实体的属性数据作为所述图书实体对应的目标实体数据。

2.如权利要求1所述的方法，其特征在于，所述图书实体数据包括图书书名、国际标准书号以及图书简介中的一个或多个；

所述将每个所述目标实体数据集合中的目标实体数据进行融合，得到每个所述实体类型对应的融合后实体数据集，具体包括：

将所述图书实体对应的目标实体数据进行融合，得到所述图书实体对应的融合后实体数据集，所述图书实体对应的融合后实体数据集中一个所述国际标准书号对应一个所述图书书名和/或一个所述图书简介。

3.如权利要求1所述的方法，其特征在于，所述实体类型为人物实体，所述实体数据还包括各所述实体之间的关系数据；所述确定所述实体类型对应的实体候选集，具体包括：

根据各所述实体之间的关系数据，确定所述图书实体对应的第一人物实体候选集。

4.如权利要求3所述的方法，其特征在于，所述根据所述实体候选集确定所述实体类型对应的目标实体数据，具体包括：

从互联网数据中确定所述人物实体候选集中各人物实体对应的相似实体，放入所述人物实体候选集中，得到第二实体候选集；

根据所述第二实体候选集中各人物实体来源的置信度从所述第二实体候选集中将满足置信度条件的各人物实体的属性数据作为所述人物实体对应的目标实体数据。

5.如权利要求4所述的方法，其特征在于，所述人物实体数据包括作者名称、译者名称及编者名称中的一个或多个；

所述将每个所述目标实体数据集合中的目标实体数据进行融合，得到每个所述实体类型对应的融合后实体数据集，具体包括：

将所述人物实体对应的目标实体数据进行融合，得到所述人物实体对应的融合后实体数据集。

6.如权利要求1所述的方法，其特征在于，所述实体类型为出版社实体，所述从所述实体候选集中确定所述实体类型对应的目标实体数据，具体包括：

按照解析规则从所述国际标准书号解析得到所述国际标准书号对应的出版社的国际标准书号代码；

根据所述国际标准书号代码从指定网站中确定所述国际标准书号对应的出版社实体以及所述出版社实体对应的目标实体数据。

7.如权利要求6所述的方法，其特征在于，按照解析规则从所述国际标准书号解析得到所述国际标准书号对应的出版社的国际标准书号代码之后，还包括：

根据所述国际标准书号代码从非指定网站中确定所述国际标准书号对应的出版社实体候选集；

采用多数投票的方式确定所述出版社实体候选集中的出版社目标实体以及所述出版社实体对应的目标实体数据。