[发明专利]一种融合图谱构建方法及装置

说明书

本申请公开一种融合图谱构建方法及装置，从各信源获取事件文本；针对任一事件文本，通过机器学习算法确定所述事件文本中存在因果关系的事件组，并确定事件组中原因事件和结果事件之间的因果强度；根据各事件组及各事件组中原因事件和结果事件之间的因果强度，确定事件图谱；通过所述事件图谱中各事件组与知识图谱中的实体构建图谱关系，从而形成融合图谱。该方式中通过使用融合了事件图谱的知识图谱来对城市工作进行评价，则可摆脱对专家经验的依赖，而仅根据城市运行过程中发生的事件与知识图谱的关联关系，即可以对城市态势进行监测或评价。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种融合图谱构建方法及装置。

背景技术

随着科技的不断发展与进步，智慧城市的建设已成为当前科技创新的前进动力之一。建设智慧城市，不仅需要对海量城市数据进行有效存储、计算与分析，更需要从海量城市数据中挖掘潜在价值、探究城市运行规律，为城市运营决策提供有力支撑。

然而，在对智慧城市进行建设的过程中，尤其是在对城市工作进行评价时，主要依赖于专家经验。也即，在获取到海量城市数据并预处理后，将交由从事城市管理、规划工作的专门人士，由他们对城市数据进行分析，以提出好的城市运营方案。

显然，上述对城市工作进行评价的方式过于依赖专家经验，不够自动化与智能化。

发明内容

本申请提供一种融合图谱构建方法及装置，用以解决背景技术中强依赖于专家经验的方式来对城市工作进行评价的技术难题。

第一方面，本申请实施例提供一种融合图谱构建方法，该方法包括：从各信源获取事件文本；针对任一事件文本，通过机器学习算法确定所述事件文本中存在因果关系的事件组，并确定事件组中原因事件和结果事件之间的因果强度；根据各事件组及各事件组中原因事件和结果事件之间的因果强度，确定事件图谱；通过所述事件图谱中各事件组与知识图谱中的实体构建图谱关系，从而形成融合图谱。

基于该方案，对于城市运行过程中产生的各个事件文本，该些事件文本可以通过多种渠道进行发布，针对任一事件文本，确定该事件文本是否包括因果关系的事件组，并为包括因果关系的事件文本确定对应于它的事件组中原因事件与结果事件之间的因果强度，进而确定事件图谱，最后，通过将事件图谱与知识图谱进行融合，该知识图谱为城市运行过程中针对城市主体而建立的图谱，因而，通过使用融合了事件图谱的知识图谱来对城市工作进行评价，则可摆脱对专家经验的依赖，而仅根据城市运行过程中发生的事件与知识图谱的关联关系，即可以对城市态势进行监测或评价。

在一种可能实现的方法中，所述针对任一事件文本，通过机器学习算法确定所述事件文本中存在因果关系的事件组，包括：确定所述事件文本的语义特征向量和句法依存图；通过所述语义特征向量和所述句法依存图，确定所述事件文本的注意力特征；通过所述注意力特征，确定所述事件文本中存在因果关系的事件组。

基于该方案，在对一事件文本进行分析时，首先对事件文本进行切词，并基于切词后得到的分词，确定事件文本的语义特征向量和句法依存图；然后结合所得到的语义特征向量和句法依存图，可确定事件文本的注意力特征；最后，可根据注意力特征来确定事件文本中存在因果关系的事件组。该方式中，通过为切词后的事件文本确定语义特征向量，以及确定分词之间的依赖关系，从而可以全面地对事件文本进行描述，并实现对因果事件进行抽取的目标。

在一种可能实现的方法中，所述确定所述事件文本的语义特征向量，包括：通过双向深度转译预训练编码器Bert模型对所述事件文本中的多个分词进行向量化表示，得到每个分词对应的特征向量；通过双向长短期记忆模型 Bi-LSTM模型对所述多个分词分别对应的特征向量进行处理，得到每个分词对应的语义特征向量。