[发明专利]基于知识图谱的智能搜索方法

权利要求书

1.基于知识图谱的智能搜索方法，其特征在于：具体包括如下步骤：

S1、构建知识图谱；

S2、合理设计分词；

S3、输入检索关键词；

S4、关键词处理；

S5、输出搜索结果；

S6、使用NLP语义理解；

S7、使用ES进行搜索。

2.根据权利要求1所述的基于知识图谱的智能搜索方法，其特征在于：所述S1中，知识图谱的构建具体包括如下步骤：

A、确定知识图谱的数据模型；

B、获取知识图谱的数据信息；

C、数据信息处理；

D、根据模型代入数据信息；

E、形成知识图谱。

3.根据权利要求2所述的基于知识图谱的智能搜索方法，其特征在于：所述A中，依据知识图谱的数据内容、数据类型和数据特点来确定数据模型，同时根据数据内容、数据类型和数据特点并以大集合的形式将数据模型进行建立，记为集合N，并在数据内容、数据类型和数据特点对应的集合内建立子集合，记为集合n，实现数据模型整体框架由其内部组成的集合进行分级，其中集合N包含集合n；

所述B中，在数据模型建立后，将所有构成知识图谱的具体数据信息进行收集，形成一个庞大的数据集，该数据集包含所有构成知识图谱的数据信息。

4.根据权利要求2所述的基于知识图谱的智能搜索方法，其特征在于：所述C中，是指在知识图谱的具体数据信息收集后，对数据集内的数据信息进行处理，具体包括对数据集内的数据信息进行整理、分析、分类和归纳的处理；

所述整理处理，是指对数据集内收集的数据信息进行规整和转换处理，包括对数据信息的格式和内容进行转换和翻译处理；

所述分析处理，是指在数据信息在经过整理处理后，通过NLP语义分析技术来对收集的数据信息的语义进行分析，剔除数据信息内分析出语义不合逻辑的数据信息，使整理后数据信息的释义更加准确和唯一；

所述分类处理，是指对数据集内释义后的数据信息进行分类处理，具体依照数据信息分析后释义的内容来将数据集内的数据信息按照释义的类别进行分类，并以数据信息释义的内容中提取的关键词作为对应数据信息的类别名称，使得数据集内的数据信息转换为由不同类别的数据信息组成；

所述归纳处理，是指依照数据集内数据信息的类别名称来将各个类别的数据信息进行归纳处理，使得相同相近类别的数据信息能够重新被归纳到一个新的搜索集内；

最终使得数据集内的数据结构由多个搜索集组成，而搜索集由多个分类后的相同相似类别的数据信息组成。

5.根据权利要求2所述的基于知识图谱的智能搜索方法，其特征在于：所述D中，在数据集及其内部对应的数据信息经过处理后，依据建立的数据模型将处理后的数据信息分别代入到数据模型内对应的集合内，具体将数据模型内的搜索集代入到集合N内，将搜索集内对应类别的数据信息代入到集合n内；

所述E中，在数据信息对应代入到数据模型内后，该融合数据信息的数据模型即为搜索知识图谱。

6.根据权利要求1所述的基于知识图谱的智能搜索方法，其特征在于：所述S2中，在知识图谱构建后，对知识图谱内数据模型中的各个集合N和集合n进行名称设置，并通过名称设置使知识图谱内各个集合之间能够区分开来；

所述S3中，根据实际检索的需求向知识图谱中输入检索的关键词信息。

7.根据权利要求1所述的基于知识图谱的智能搜索方法，其特征在于：所述S4中，知识图谱的检测模型获取检索关键词后，对检索关键词进行处理，具体包括对检索的关键词信息进行词义分析和歧义分析；

所述词义分析是指通过NLP语义分析技术来对检索的关键词的词义进行分析，并确定该检索关键词的核心检索词义；

所述歧义分析是指在关键词的词义分析后，依据关键词词义分析的结果来对不同的词义分析结果进行进一步的结合分析，剔除检索关键词内明显不符合实际和不符合逻辑的词义信息，使保留的关键词词义信息更加准确。