[发明专利]一种从多源数据集成视角构建企业知识图谱的方法

摘要

本发明公开了一种从多源数据集成视角构建企业知识图谱的方法，知识图谱的构建包含了数据获取、知识融合和知识加工存储过程，并设计基于企业知识图谱的应用检索系统。本发明的有益效果是从构建领域本体和Karma建模实现多源异构数据集成的角度可以快速构建面向企业领域的知识图谱，提高领域知识图谱构建的速度并节省知识图谱构建的成本。构建的企业知识图谱将政府部门存储的企业数据和互联网上的企业数据高效地集成利用起来，将孤立的数据节点融合到统一的知识库中，为用户提供了一个友好、人性化的企业信息服务平台。

主权项

1.一种从多源数据集成视角构建企业知识图谱的方法，其特征在于：基于本体建模和Karma建模实现多源异构数据集成的视角快速构建企业知识图谱可以分为数据获取、知识融合和知识加工存储；其中，数据获取方法为：数据集一部分来自政府的关系数据库，另一部分通过构建网页爬虫抽取百度百科中相关的企业信息数据，数据采用JSON格式存储，针对百科类网页数据的抽取，构建一套基于WebMagic框架的企业爬虫系统，通过编写正则表达式来获取网页中需要的企业信息数据，爬虫系统框架包括以下四个组件：下载器、页面解析器、调度器、管道组件，在Spider容器中，将这几个组件组织起来，通过相互交互和流程化的执行，根据具体需求完成数据抽取；知识融合方法：针对多源异构的结构化数据集，提出了基于企业法人本体的数据集成方法，对获取到的数据集进行分析和整理，抽取出实体类、对象属性和数据属性本体的相关概念，完成企业领域本体的构建，利用本体构建Karma模型进行多源数据的快速集成与融合；知识加工方法：推理引擎完成企业法人本体和集成发布的企业RDF数据的上下位推理、缺失类别补全、一致性检测和自定义规则推理四大功能，对已有知识进行补全和修正；知识存储方法：采用Neo4j图数据库对知识图谱进行持久化存储，通过构建RDF2Neo4j解释器，将RDF三元组数据导入Neo4j图数据库中进行存储。