[发明专利]一种知识图谱的构建方法、系统及存储介质

说明书

本发明涉及数据处理技术领域，公开了一种知识图谱的构建方法、系统及存储介质，包括以下步骤：步骤1：获取原始语料；步骤2：采用基于BERT的多任务联合SPO提取方法，从原始语料中抽取出三元组；所述三元组为SPO三元组；步骤3：对抽取出的三元组进行知识融合，得到初级三元组；步骤4：校验初级三元组，得到高级三元组；步骤5：对高级三元组进行归类，形成知识图谱。本发明能够构建完善的知识图谱，同时达到三元组提取准确率高、知识图谱的搭建效率较高的效果。

技术领域

本发明涉及数据处理技术领域，具体涉及一种知识图谱的构建方法、系统及存储介质。

背景技术

知识图谱是图状具有关联性的知识集合，它可以用来更好的查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。其最大的优点是对数据的描述能力非常强大，因为目前各种机器学习算法虽然在预测能力上很不错，但是在描述能力上非常弱，知识图谱刚好填补了这部分空缺。因此，知识图谱在多个领域均有应用，包括医疗、金融、投资等具有关联信息存在的行业。但是，某些领域的知识图谱构建存在困难，例如在农业种植领域，现有的农业种植领域知识图谱内容相对单薄，如哈工大、复旦提出的农业领域知识图谱，由于缺乏专业概念信息，在实际应用中作用较小。

而还有一种农业知识图谱，根据各农业实体的关联关系，建立农业知识图谱；从网络上获取得到农业实体的百科信息；基于预设提取规则对获取得到的百科页面内容进行提取，并将提取得到的内容添加至语料库和农业知识图谱；对获取得到的百科页面内容进行相似度分析，得到农业实体的分类信息并添加到农业知识图谱中。该方案能够构建出一个百科类的农业知识图谱，但是，该方案对于语料信息的处理步骤不够细致，依赖于传统的知识图谱schema，采用的数据处理方式会限制抽取的种类，抽取的数据量较小，抽取方式不灵活，并且没有对提取到的信息进行噪声排除等处理，三元组提取的准确率不高，以致知识图谱的准确率不高；采用常规的处理工具，知识图谱的搭建效率较低。

发明内容

本发明意在提供一种知识图谱的构建方法、系统及存储介质，以构建一种完善的知识图谱，同时达到三元组提取准确率高、知识图谱的准确率高和知识图谱的构建效率较高的效果。

为达到以上目的，提供如下方案：

方案一：

本发明提供的一种知识图谱的构建方法,包括以下步骤：

步骤1：获取原始语料；

步骤2：采用基于BERT的多任务联合SPO提取方法，从原始语料中抽取出三元组；所述三元组为SPO三元组，其中，S指主语、P指谓语、O指宾语；

步骤3：对抽取出的三元组进行知识融合，得到初级三元组；

步骤4：校验初级三元组，得到高级三元组；

步骤5：对高级三元组进行归类，形成知识图谱。

本发明的效果及优点在于：第一，采用基于BERT的多任务联合SPO提取方法，而非采用现有的常规的知识抽取方法，不依赖于常规知识图谱的数据模型，现有的知识抽取方法会一定程度上限制三元组抽取的种类，召回率较低，以致于得到的三元组信息不完善，不准确，而本方法则没有这类缺陷，在抽取三元组时不受限制，能够抽取更多种类的三元组，并且抽取方式灵活，对原始语料的信息提取的精准度和召回率均得到提升，得到的三元组数据更精准有效，后续形成的知识图谱的精准度也能得到提高。同时，本方法中的多任务联合，能够解决逐步抽取耗时较长等问题，提升抽取效率，进而使得知识图谱的整体搭建流程更快、搭建效率更高。

第二，对三元组进行了知识融合处理，可以去除冗余信息，有效压缩信息数据，减小后续知识图谱内容存储和维护的成本，并且，知识融合后可以降低同一实体的内容分散不全的概率，构建的知识图谱的内容更为完备。第三，对初级三元组进行校验，进一步提升三元组数据内容的准确率和有效性，保证后续得到的知识图谱内的数据是精准可靠的。