[发明专利]企业信息库的建立方法与装置

权利要求书

1.一种企业信息库的建立方法，其特征在于，包括：

获取目标企业的企业数据；

对所述企业数据进行规范化处理，得到规范化数据；

对所述规范化数据进行文本解析，得到解析后数据；

对所述解析后数据进行信息抽取，得到各类知识图谱数据；

对各类所述知识图谱数据进行知识精炼，得到精炼知识数据；

将所述精炼知识数据进行知识融合，得到可入库数据；以及

将所述可入库数据进行知识入库，形成企业信息库；

所述对所述规范化数据进行文本解析，得到解析后数据，包括：

将所述规范化数据中的PDF格式的文字坐标解析转化为连续的文本数据，并保存所述PDF格式的文字中文本块的坐标；以及

将所述规范化数据中的HTML格式的数据解析转化为纯文本数据，并保存所述HTML格式数据的所属标签的位置信息，得到解析后数据。

2.根据权利要求1所述的企业信息库的建立方法，其特征在于，所述对所述解析后数据进行信息抽取，得到各类知识图谱数据，包括：

对所述解析后数据进行属性抽取、关系抽取与通用信息抽取，得到结构化的知识图谱数据、网状结构的知识图谱数据与事件类或事实类的知识图谱数据。

3.根据权利要求2所述的企业信息库的建立方法，其特征在于，所述对所述解析后数据进行属性抽取、关系抽取与通用信息抽取，得到结构化的知识图谱数据、网状结构的知识图谱数据与事件类或事实类的知识图谱数据，包括：

抽取所述解析后数据中的时间、实体、属性、值四元组属性信息，形成结构化的知识图谱数据；

抽取所述解析后数据中的主体、关系、主体三元组关系信息，形成网状结构的知识图谱数据；以及

抽取所述解析后数据中的时间、主体、动作、客体、参数、条件六元组动作信息，形成事件类或事实类的知识图谱数据。

4.根据权利要求1所述的企业信息库的建立方法，其特征在于，所述对各类所述知识图谱数据进行知识精炼，得到精炼知识数据，包括：

将各类所述知识图谱数据中同一实体的多种名称合并成一个名称，实现实体对齐；

将各类所述知识图谱数据中省略了设定信息的句子连接到出现过的所述设定信息，实现信息补全；

将各类所述知识图谱数据中同一属性的多种名称合并成一个名称，实现属性对齐；

将各类所述知识图谱数据中同一时间的多种表达方式合并成一种表达方式，实现时间对齐；

将各类所述知识图谱数据中指向同一实体的简称或代称转换成统一的实体名称，实现指代消解；以及

将各类所述知识图谱数据输出，得到精炼知识数据。

5.根据权利要求1所述的企业信息库的建立方法，其特征在于，所述将所述精炼知识数据进行知识融合，得到可入库数据，包括：

将所述精炼知识数据进行合并；

确定所述精炼知识数据中各个知识点之间的逻辑关系；

依据各个所述知识点的来源数量计算每个所述知识点的可信度；以及

将可信度大于来源阈值的所述知识点输出为可入库数据。

6.根据权利要求1所述的企业信息库的建立方法，其特征在于，所述将所述可入库数据进行知识入库，形成企业信息库，包括：

将所述可入库数据中的完整信息元入库持久化存储，建立全文索引，以提供关键词检索功能；以及

将所述可入库数据中的多元组数据统一转成三元组数据保存到图数据库，以提供知识关联检索功能，形成企业信息库。

7.根据权利要求1所述的企业信息库的建立方法，其特征在于，所述将所述可入库数据进行知识入库，形成企业信息库之后，包括：

获取人工标注数据；

获取自动标注数据；

根据所述人工标注数据与所述自动标注数据，对所述信息抽取的功能进行信息抽取训练；以及

将经过信息抽取训练后的所述信息抽取的功能进行更新。