[发明专利]一种知识驱动的业务操作图谱构建方法

说明书

本发明提供了一种知识驱动的业务操作图谱构建方法，包括基于多源异构业务数据的知识生成与领域知识图谱构建和基于作业模式演变的全网领域操作图网络构建两部分；其中基于多源异构业务数据的知识生成与领域知识图谱构建包括基于多模态全链路多维度业务数据的知识萃取与关联处理、基于多源萃取知识的协同建模与图谱生成和基于业务领域知识自主发现的知识图谱拓展。本发明将业务操作图谱的构建问题转换为——根据业务操作流程和所需数据，从业务数据知识图谱中搜索相关操作知识图谱内容，以此从庞大的公共业务数据知识图谱中搜索有关操作的业务的子图查询问题。

技术领域

本发明属于知识萃取及关联技术以及业务融合的技术领域，特别涉及一种知识驱动的业务操作图谱构建方法。

背景技术

人工智能的发展走过了从机器智能到感知智能的阶段，正在迈向认知智能的阶段。但要实现认知智能，机器必须学会处理人类复杂的语言，学会做知识的推理，这正是人工智能遇到的一大难题。目前通过机器的深度学习和知识图谱推理相结合，能够很好的解决人类自然语言的语义鸿沟。

知识图谱是一种规模非常大的语义网络系统，它主要目的就是为了描述真实世界里实体或概念之间的关联关系。通过大量的数据收集，整理成机器能处理的知识库，实现可视化的展示。对于知识图谱构建过程中，关于查询图的顶点和边的匹配顺序及查询子图是否满足同构的条件的两方面，仍然存在着以下问题。

(1)现有的很多算法没有考虑查询图顶点和边的匹配顺序，简单的按照顶点的数组标号匹配，这样结构上面的不匹配就不能早些发现，从而造成多余的搜索空间。

(2)即使规模不大的查询子图也可能导致较大的查询开销。

发明内容

为了解决上述涉及的多个技术问题，本发明提供的一种知识驱动的业务操作图谱构建方法，是基于全网领域知识驱动的业务操作图网络构建方法，包括基于多源异构业务数据的知识生成与领域知识图谱构建和基于作业模式演变的全网领域操作图网络构建两部分；

其中所述基于多源异构业务数据的知识生成与领域知识图谱构建包括基于多模态全链路多维度业务数据的知识萃取与关联处理、基于多源萃取知识的协同建模与图谱生成和基于业务领域知识自主发现的知识图谱拓展；

所述基于作业模式演变的全网领域操作图网络构建，包括基于作业模式演变的全网领域操作图网络构建、基于业务操作发现的操作图谱自动拓展。

作为改进，所述基于多模态全链路多维度业务数据的知识萃取与关联处理，是通过对文本情报的提取、图像和视频情报的提取进行的；

所述文本情报的提取具体步骤为：步骤一：使用NCRF++模型进行命名实体识别，整个模型分为三层，前两层均使用LSTM单元，第三层使用CRF；

步骤二：关系提取；复用NCRF++模型，且通过只保留CRF层输出的最后一个向量，抛弃其余所有向量，将其改成序列到向量的模型；

步骤三：事件提取；通过包括但不限于一下：触发词识别、实践分类、论元识别、角色识别至少一种识别方式进行实践提取；

所述图像和视频情报的提取具体步骤为：设定预训练模型VGG16；加载模型，冻结所有卷积和池化层，使它们的参与在训练过程中不会更新，进而提取图像的特征；根据具体任务，设计剩余的架构；

作为改进，还包括通过数据库、矢量和格式报的提取，其中所述数据库、矢量和格式报的提取，包括关系模式提取、模式映射和数据转换，具体步骤为：从数据库中获取数据库模式的数据信息，包括但不限于关系、属性、属性类型、能否为空、主键外键；将数据信息应用相应转化规则转化成本体；再将本体应用相应规则将关系型数据直接转化为本体实例；

使用时空语义标注方法，从多个维度对矢量数据进行约束，建立矢量数据的元数据与语义描述集合，具体包括主题语义、分辨率语义、优先级语义、时间语义和空间语义；