[发明专利]面向知识图谱构建的细粒度中文属性对齐方法

摘要

一种面向知识图谱构建的细粒度中文属性对齐方法，包括：步骤A，针对每一数据集的各个属性分别生成属性的扩展；步骤B，针对每个属性的扩展，考虑该属性的所有属性值类型的统计特性，从而确定该属性的数据类型；步骤C，基于属性的数据类型，定义属性值的相似度，实现属性间的相似度计算；步骤D，根据细粒度属性对齐的需要，针对任意两不同数据集要判别的属性对关系，基于属性间的相似度生成特征；步骤E，将所述特征输入训练好的分类器，输出分类结果。

主权项

1.一种面向知识图谱构建的细粒度中文属性对齐方法，其特征在于，包括：步骤A，针对每一数据集的各个属性分别生成属性的扩展；步骤B，针对每个属性的扩展，考虑该属性的所有属性值类型的统计特性，从而确定该属性的数据类型；步骤C，基于属性的数据类型，定义属性值的相似度，实现属性间的相似度计算；步骤D，根据细粒度属性对齐的需要，针对任意两不同数据集要判别的属性对关系，基于属性间的相似度生成特征；步骤E，将所述特征输入训练好的分类器，输出分类结果；所述的步骤B包括：步骤B1：确定属性值的数据类型，任意属性值l可看作由n个原子文本ai拼接而成，其中n≥1，1≤i≤n，i，n均为正整数，任意属性值l的数据类型通常与其中一个或几个关键的原子文本的类型保持一致，使用如下启发式准则判断属性值l的数据类型：其中I是指示函数，时为1，否则为0；g_L为求文本长度的函数，U为数据类型的集合；步骤B2：确定属性的数据类型，采用下式，对属性p的所有属性值的数据类型进行统计，即计算每个类型出现次数占其属性值总数的比例，假定比例低于阈值θ的类型为噪声导致的错误，其中，E_p表示属性p的扩展中所有实体构成的集合，l_e,p表示给定实体e和属性p时对应的属性值，代表属性值l_e,p的数据类型。