[发明专利]基于产生式别名挖掘的知识图谱实体发现和链接方法

摘要

一种基于产生式别名挖掘的知识图谱实体发现和链接方法，包括以下步骤：步骤A：实体别名挖掘，生成别名‑实体映射词典；步骤B：基于改进的文本编辑距离生成候选实体；以及步骤C：候选实体判别，获得候选实体指称项。

主权项

1.基于产生式别名挖掘的知识图谱实体发现和链接方法，其特征在于，包括以下步骤：步骤A：实体别名挖掘，生成别名‑实体映射词典；步骤A包括以下步骤：所述实体别名挖掘分为实体名识别和别名发现挖掘两个步骤；针对大规模文本库D＝{d₁,d₂,…,d_N}，d表示文本库中的文档，N表示文档数目；实体名识别的目标是识别出每篇文档中一类或几类实体的名称，生成文档实体集合其中，表示第i篇文档d_i中识别出的实体指称项列表，M表示实体指称项，n_i为文档d_i中识别出的实体指称项数目；别名发现针对知识库中每一个实体E，根据该实体的已知实体名E_M，在文档实体集中找出该实体的其他名称集合，生成别名‑实体映射词典；子步骤A1：生成实体别名挖掘训练集；将实体名的识别问题建模为一个分类问题；对于长度为n的文档d＝{c1,c2,…,cn}，其中，ci表示文档d中的第i个字符；对于文档d中的连续字符子串m＝ci…cj(1≤iM，在文档‑实体集中检索出现该实体名的文档，计算该文档中的候选实体名的相关度值：式中，表示候选实体名在文档‑实体集中的频率，k为正整数，表示实体名E_M和共现的频率，Rel值大于阈值θ的候选实体名构成频繁集S_F，对知识库中的实体名构建Lucene索引，以为查询词在索引中进行检索，若检索结果中实体名E_M的相关度最高，则是实体名E_M的别名；步骤B：基于改进的文本编辑距离的生成候选实体；利用步骤A的别名‑实体映射词典，对输入文本进行基于改进的文本编辑距离的候选实体生成；在候选实体生成过程中，实体名与指称项之间存在编辑距离，以处理拼写错误；实体名中不同的字被写错或故意省略的概率是不相同的；根据步骤A中挖掘的别名，产生一种新的编辑距离度量；对于实体的别名集合中，选择其中等长的实体名，将实体名中不同的部分记为一个相同的文字对；设定文本编辑距离的阈值，从输入文本中选取与别名‑实体字典中名称的编辑距离在该阈值范围内的字符子串，生成候选实体指称项；以及步骤C：候选实体判别，获得候选实体指称项；所述实体判别模型采用long short‑term memory模型进行自动特征提取，Logistic层进行分类判别。