[发明专利]一种垂直领域知识图谱构建方法及系统

权利要求书

1.一种垂直领域知识图谱构建方法，其特征在于，包括：

将产品文档输入到训练好的知识抽取模型中，所述训练好的知识抽取模型包括表格标注模型和文本知识抽取模型；

若所述产品文档存在半结构化数据，则通过所述表格标注模型对所述产品文档中的半结构化数据进行表格标注处理，得到所述产品文档的三元组，所述表格标注模型是通过序列标注后的半结构化样本数据，对神经网络进行训练得到的；

所述训练好的知识抽取模型通过以下步骤训练得到：

获取样本产品文档，所述样本产品文档包括半结构化样本数据和非结构化样本数据；

对所述半结构化样本数据进行序列标注，并基于文本增强技术和实例交叉增强技术，对序列标注后的半结构化样本数据进行增强处理，构建得到第一训练数据集；所述实例交叉增强技术使用中文近义词工具包Synonyms进行近义词替换，使用本地构建的实体型号词典，进行文本中的主体实体的交叉替换，完成增强数据的自动生成；

对所述非结构化样本数据进行纯文本标注，并基于文本增强技术和实例交叉增强技术，对纯文本标注后的非结构化样本数据进行增强处理，获取第二训练数据集；

将所述第一训练数据集输入到神经网络中进行训练，得到表格标注模型；

将所述第二训练数据集输入到改进的语言模型中进行训练，得到文本知识抽取模型，所述改进的语言模型是基于概率图模型和BERT模型构建得到的；

根据所述表格标注模型和所述文本知识抽取模型，获取训练好的知识抽取模型；

所述将所述第一训练数据集输入到神经网络中进行训练，得到表格标注模型：

根据所述第一训练数据集中半结构化样本数据的表头信息，生成多个子模式层；

基于所述多个子模式层，通过所述第一训练数据集，对所述神经网络进行训练，得到所述表格标注模型；

若所述产品文档存在非结构化数据，则通过所述文本知识抽取模型对所述产品文档中的非结构化数据进行知识抽取处理，得到所述产品文档的三元组，所述文本知识抽取模型是通过纯文本标注后的非结构化样本数据，对改进的语言模型进行训练得到的；

根据所述三元组，构建所述产品文档的知识图谱。

2.根据权利要求1所述的垂直领域知识图谱构建方法，其特征在于，所述若所述产品文档存在半结构化数据，则通过所述表格标注模型对所述产品文档中的半结构化数据进行表格标注处理，得到所述产品文档的三元组，包括：

通过所述表格标注模型，对半结构化数据中的表格主题和表头序列进行标注处理，得到标注的表格数据；

根据所述标注的表格数据，生成对应的子模式层；

对所述标注的表格数据进行节点和边的匹配，生成表格列属性；

根据所述表格列属性和所述子模式层，获取三元组。

3.根据权利要求1所述的垂直领域知识图谱构建方法，其特征在于，在所述对所述半结构化样本数据进行序列标注，并基于文本增强技术和实例交叉增强技术，对序列标注后的半结构化样本数据进行增强处理，构建得到第一训练数据集之前，所述方法还包括：

根据半结构化样本数据中多个单元格，合并得到表格；

基于预设规则脚本，对所述多个单元格合并的表格进行规范化处理，获取目标表格，并对所述目标表格中单元格ul标签和li标签进行标注，获取标签标注后的半结构化数据，以通过所述标签标注后的半结构化数据构建训练集。

4.根据权利要求1所述的垂直领域知识图谱构建方法，其特征在于，在所述根据所述三元组，构建所述产品文档的知识图谱之前，所述方法还包括：

对所述三元组进行容错处理和对齐处理，以根据处理后的三元组生成知识图谱。