[发明专利]基于知识图谱的构建自然人生命周期全息画像方法

说明书

本发明公开了一种基于知识图谱的构建自然人生命周期全息画像方法，包括如下步骤：S1、从数据中抽取实体、实体间的关系及实体属性；S2、将抽取的实体链接至知识库中对应的实体对象；S3、构建人名实体与人名实体、与场所实体、证件实体及时间实体的数组；S4、形成人名实体与其他人名实体、人名实体与场所实体、人名实体与证件实体、人名实体与时间实体之间的关系。直观地表达出自然人、场所、证照、事件要素等实体层级和关联关系；可以不断沉淀知识逻辑和模型，降低经验依赖；以生命阶段、人生事件为核心的动态知识的刻画和构建。

技术领域

本发明属大数据技术领域，更具体地，本发明涉及一种基于知识图谱的构建自然人生命周期全息画像方法。

背景技术

本发明涉及知识图谱多源异构数据实体认知技术领域，基于 Knowledgegraph为核心的知识图谱框架而研发。知识图谱服务 (KnowledgeGraph，简称KG)为自然语言处理服务(NaturalLanguageProcessingService，简称NLP)的子服务，通过语义链接帮助理解相关数据项语义识别，建立大规模实体之间的映射关系构建知识库。

人工通过研究《电子政务总体框架》、《政务信息资源目录》和多个省市政府门户网址涉人服务的基础上，建立人口业务体系，将人口业务分成户籍身份、教育、等大类，然后人工按照政府业务对象模型，对每一项人口业务事项进行业务流程分析得到相应的数据实体，建立对应的数据模型，一般构建以用户为中心的政务模型——“X-Y-Z三轴模型”，该模型包括服务的时间轴(X)——生命周期，深度轴(Y)——办理流程，广度轴(Z)——服务延伸，覆盖并匹配用户服务需求。但无法直观展示更多层级关系。

发明内容

本发明提供一种基于知识图谱的构建自然人生命周期全息画像方法，旨在改善上述问题。

本发明是这样实现的，一种基于知识图谱的构建自然人生命周期全息画像方法，所述方法具体包括如下步骤：

S1、从数据中抽取实体、实体间的关系及实体属性；

S2、将抽取的实体链接至知识库中对应的实体对象；

S3、构建人名实体与人名实体、与场所实体、证件实体及时间实体的数组；

S4、形成人名实体与其他人名实体、人名实体与场所实体、人名实体与证件实体、人名实体与时间实体之间的关系。

进一步的，在步骤S3之后还包括：

检测当前构建的数组是否为已有数组，若检测结果为否，则将当前构建的数组加入对应的本体，每个人名本体对相应一个本体；

从本体取出可信本体(即准确率高的本体)，执行步骤S4。

进一步的，所述实体链接的方法具体如下：

S21、获取实体的实体指称项；

S22、将含义相同的不同名实体更改为指定的实体名；

S23、将相同实体名的不同含义实体以不同的实体名进行区分；

S24在知识库中查找各实体名对应的实体对象，将实体名链接至知识库中对应的实体对象。

进一步的，在步骤S1中，对数据依次进行如下操作：

分词，识别实体，特征的识别、实体的词性标注、实体间关系的识别及实体属性的获取。

进一步的，基于生命阶段形成人名实体与其他人名实体之间的关系、人名实体与场所实体之间的关系、人名实体与证件实体之间的关系、人名实体与时间实体之间的关系。

本发明基于知识图谱的构建自然人生命周期全息画像方法具有如下有益技术效果：