[发明专利]一种基于图数据库的技术图谱构建方法和系统

说明书

本发明涉及一种基于图数据库的技术图谱构建方法和系统，方法包括：确定技术图谱包含以下要素类别：领域、技术、研究、研究者、关键词、研究机构及其相关属性；使用OWL作为技术图谱的本体描述语言，构建本体库；根据应用场景对技术领域进行分类；根据技术领域分类结果选取某一领域，获取该领域的文章数据；根据本体库的结构，从文章数据中抽取实体和属性知识，并存储到neo4j图数据库中，neo4j图数据库中的节点为本体库中的实体、边为本体库中实体间的关系。与现有技术相比，本发明基于结构化数据抽取的知识准确性高，覆盖面广；基于Neo4j构建的知识图谱能形象地展示图谱中的实体和实体间关系信息，并且提供了良好的交互方式。

技术领域

本发明涉及技术图谱构建技术领域，尤其是涉及一种基于图数据库的技术图谱构建方法和系统。

背景技术

知识图谱，是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系，通过将数据粒度从document级别降到data级别，聚合大量知识，从而实现知识的快速响应和推理。当下，知识图谱已在工业领域得到了广泛应用，如搜索领域的Google搜索、百度搜索，社交领域的领英经济图谱，企业信息领域的天眼查企业图谱等。

在知识图谱中，知识是大量的复杂、低结构化、高连接关系的数据。当这些知识被频繁地查询和更新时，关系数据库会在每次处理时产生大量的表连接，从而导致性能问题。

关系数据库在知识图谱的设计和使用上也存在一些不便，当新实体或关系到来时，添加新的表或字段会给开发和升级带来很多工作。

此外，基于关系数据库的知识存储通过实体和关系映射来达到知识获取的目的，但是其缺点在于每次进行知识访问需要进行两次翻译，当知识的查询和检索操作比较频繁时，其效率上的劣势也会凸显。并且，RDF的知识表示形式与基于SPARQL的知识查询也会带来一些使用上的不便。

技术图谱是知识图谱在技术领域内的一种应用，旨在描述技术领域中存在的各种实体或概念，以及它们之间的关联关系。技术图谱本质上是一种语义网络的技术库，从实际应用的角度出发可以简单地把技术图谱理解成多关系图。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能形象地展示图谱中的实体和实体间关系信息，并且提供了良好的交互方式的基于图数据库的技术图谱构建方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种基于图数据库的技术图谱构建方法，包括以下步骤：

S1：确定技术图谱包含以下要素类别：领域、技术、研究、研究者、关键词、研究机构及其相关属性；

S2：使用OWL作为技术图谱的本体描述语言，构建本体库；

所述本体库的构建具体包括以下步骤：

S21：确定本体库的领域；

S22：根据步骤S1中的各个所述要素类别，确定本体库的实体及实体间的关系；

S23：根据所述要素类别和预设的指定范围，导入文章数据，形成原始数据表；

S24：对原始数据表进行数据清洗；

S25：定义用于代表领域内相关概念的类；

S26：明确定义实体的属性以及值域；

S3：根据应用场景对技术领域进行分类；

S4：根据步骤S3中的技术领域分类结果选取某一领域，获取该领域的文章数据；

S5：根据所述本体库的结构，从步骤S4中获取的所述文章数据中抽取实体和属性知识，并存储到neo4j图数据库中，所述neo4j图数据库中的节点为本体库中的实体、边为本体库中实体间的关系。