[发明专利]一种基于知识图谱增强档案实体关联度的方法及系统

说明书

本发明公开了一种基于知识图谱增强档案实体关联度的方法及系统，方法包括：获取档案文本类数据；利用实体识别模型识别档案文本类数据，生成已定义实体的实例数据；利用关系抽取模型识别已定义实体的实例数据，生成知识图谱中最小的单元；利用知识融合模型对知识图谱中最小的单元进行去重预处理，建立分区索引分文档，依据文本相似性或者结构相似度来查找匹配的实体，利用预设实体对齐算法进行知识融合，增强档案实体的关联度。本发明提出了使用实体识别、关系抽取、融合技术实现档案智能化采集与归档、数据加工与解析以及档案资源语义增强主要功能，为档案管理语义关联化、智能化发展提供有力支撑，提高档案数据关联度与利用率。

技术领域

本发明涉及信息资源管理技术领域，具体涉及一种基于知识图谱增强档案实体关联度的方法及系统。

背景技术

传统的档案管理主要是“手工”管理，收集主要通过“索要”，档案资源处在“以存为主”的阶段，在资源收集、著录与检索查询的功能上缺乏深度资源开发和共享，导致档案数据价值没有被激活，不能满足档案科研人员信息共享的迫切需求。围绕档案数字化、档案数据库系统以及数字档案馆建设等方面进行了目标设计和任务描述。档案管理也正逐步向档案信息化建设方向倾斜，促进档案的进一步开放和共享。在科学研究的第四范式即数据密集型科学发现的影响下，档案科研活动中各个要素间的联系更加紧密，档案科研手段发生了巨大变化，大规模、跨地域、跨机构的科研活动日益广泛。

档案系统的出现将纸质档案在实体档案馆的管理状态转换为电子档案在数据库中的存储模式，但在现有的档案系统内资源的加工粒度依然按照传统的“卷”和“件”进行，标引按照档案著录格式开展，存在档案数据关联度与利用率低的缺陷。

发明内容

因此，本发明提供的一种基于知识图谱增强档案实体关联度的方法及系统，克服了现有技术中档案数据关联度与利用率低的缺陷。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明实施例提供一种基于知识图谱增强档案实体关联度的方法，包括：

获取档案文本类数据；

利用实体识别模型识别档案文本类数据，生成已定义实体的实例数据；

利用关系抽取模型识别已定义实体的实例数据，生成知识图谱中最小的单元；

利用知识融合模型对知识图谱中最小的单元进行去重预处理，建立分区索引分文档，依据文本相似性或者结构相似度来查找匹配的实体，利用预设实体对齐算法进行知识融合，增强档案实体的关联度。

在一实施例中，所述利用实体识别模型识别文本类数据，生成已定义实体的实例数据的步骤，包括：

利用中文分词工具识别文本类数据，结合领域叙词表，生成中文文本分词数据；

利用条件随机场模型识别中文文本分词数据，生成中文文本分词标注数据；

利用二次验证模型识别中文文本分词数据、中文文本分词标注数据，生成已定义实体的实例数据。

在一实施例中，所述利用二次验证模型识别中文文本分词数据、中文文本分词标注数据，生成已定义实体的实例数据的步骤，包括：

获取中文文本分词数据、中文文本分词标注数据；

利用特征提取器识别档案知识图谱模型中的数据及中文文本分词标注数据，生成特征提取数据；

对中文文本分词数据及特征提取数据进行交叉验证，生成第一验证结果；

利用名词词频统计工具识别中文文本分词标注数据，结合叙词表、领域本体进行人工标注作为训练数据，并利用训练数据训练分类器，将特征提取数据输入训练好的分类器，生成分类数据；