[发明专利]一种基于图书的概念-描述词知识网络的构建方法

摘要

本发明公开了一种基于图书的概念‑描述词知识网络的构建方法。基于图书构建概念‑描述词知识网络本质上是一种知识图谱构建技术。本发明首先从数字图书中抽取得到目录项，在此基础上利用分词工具和正则表达式对目录进行预处理。然后训练语言模型将各个词、词相应的特征以及词对应的标注用词嵌入进行表达，进而用词嵌入匹配算法抽取得到目录短语。随后训练分类器将目录短语分类成概念和描述词，通过概念和描述的映射构建得到概念‑描述词知识网络。本发明从图书中构建概念‑描述词知识网络，有效的完成了对图书知识的抽取和分解。

主权项

1.一种基于图书的概念‑描述词知识网络的构建方法，其特征在于包括以下步骤：1)预处理图书目录：通过正则表达式去除目录无用的前缀，通过自然语言处理工具将目录分词，保存每个词的词性；2)基于词嵌入匹配算法的短语抽取：在步骤1)的基础上，训练得到词嵌入匹配模型，从该模型中得到各个词、词对应的特征和词对应的标注的词嵌入，通过向量间的计算得到得分最高的标注，最终从图书目录中抽取得到短语；所述的步骤2)包括：2.1)以步骤1)预处理的目录为基础，训练得到词嵌入匹配模型，模型参数为输入特征矩阵α和标注矩阵β；2.2)对目录中的每一个词ω，查询矩阵α得到输入特征Iω，查询矩阵β得到每个标注符号x对应的标注向量Ox；2.3)通过向量间的乘积并做指数归一化得到每一个标注符号的得分，公式如下：其中score_i表示第i个标注符号的得分，exp表示以e为底的指数运算，I_ω表示输入的特征向量，O_i表示第i个标注符号的标注向量，是所有得分的总和，用来做归一化；2.4)通过步骤2.3)对每个词选取得分最高的标注符号，最终将词合并得到短语；3)目录短语分类：对步骤2)中得到的目录短语，抽取特征，采用支持向量机分类得到概念和描述词，然后将概念‑描述词对存储到图数据库中。