[发明专利]一种基于深度学习的知识图谱构建方法

说明书

本发明涉及一种基于深度学习的知识图谱构建方法，包括给定目标文本语句,使用双向长短时记忆循环神经网络模型和条件随机场模型识别目标文本语句中的目标实体；使用上下文敏感双向长短时记忆循环神经网络模型和前向神经网络模型抽取两个目标实体之间的关系；使用向量空间模型对目标实体进行规范化，并将规范化后的目标实体映射到概念上；根据目标实体、目标实体之间的关系和概念构建知识图谱。本发明将深度学习技术应用到知识图谱图谱的构建中，采用双向循环神经网络和条件随机场的实体识别模型对目标文本语句中的目标实体进行识别，减少实体识别和关系抽取过程中的特征工程，减轻人工设计和调节特征带来的负担和麻烦，精准挖掘文本中的知识。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种基于深度学习的知识图谱构建方法。

背景技术

Web作为一个巨大的、开放的、异构的和动态的信息容器，产生和容纳了巨大规模的文本、数据、多媒体、临时性数据等各类信息。由于资源分散且没有统一的管理和结构，这就导致相关信息的获取并非易事，人们真正感兴趣的内容常常被淹没在众多无关信息当中。通过对网络内容进行深度的语义挖掘，从语义层次理解用户的兴趣，才能为人们提供高质量的互联网资讯。在这个背景下，Google、百度和搜狗等搜索引擎公司纷纷以此为基础构建知识图谱。知识图谱旨在描述真实世界中存在的各种实体或概念。其中，每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识符(identifier)。每个属性-值对(attribute-value pair，又称AVP)用来刻画实体的内在特性，而关系(relation)用来连接两个实体，刻画它们之间的关联。知识图谱亦可被看作是一张巨大的图，图中的节点表示实体或概念，而图中的边则由属性或关系构成。

命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向语义网的元数据标注等应用领域的重要基础工具，在自然语言处理技术走向实用化的过程中占有重要地位。一般来说，命名实体识别的任务就是识别出待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。在实体识别的过程中，还需要同时对实体间的语义关系进行判断。因为本体库的概念之间定义了大量语义关系，只有明确了这些关系，才能更好的进行语义挖掘。

目前互联网中的主要文本挖掘技术常用的方法主要是基于特征或基于核函数的模型。基于特征的模型往往需要设计大量的词法，句法和语义的特征，然后放到像支持向量机(SVM)这样的分类器当中进行分类，其中基于特征的方法最大的问题是要花费大量的时间和精力去构造特征。而另一种基于核函数的方式，虽然不用去建造庞大的特征工程，但如何设计和选择合适的核函数非常困难。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于深度学习的知识图谱构建方法。

本发明解决上述技术问题的技术方案如下：一种基于深度学习的知识图谱构建方法，包括如下步骤：

步骤1：给定目标文本语句,使用双向长短时记忆循环神经网络模型和条件随机场模型识别所述目标文本语句中的目标实体；

步骤2：使用上下文敏感双向长短时记忆循环神经网络模型和前向神经网络模型抽取两个所述目标实体之间的关系；

步骤3：使用向量空间模型对目标实体进行规范化，并将规范化后的所述目标实体映射到词典概念上；

步骤4：根据所述目标实体、所述目标实体之间的关系和概念构建知识图谱。

本发明的有益效果是：本发明的基于深度学习的知识图谱构建方法，将深度学习技术应用到知识图谱图谱的构建中，采用双向循环神经网络和条件随机场的实体识别模型对目标文本语句中的目标实体进行识别，减少实体识别和关系抽取过程中的特征工程，减轻人工设计和调节特征带来的负担和麻烦，利用深度学习技术的学习能力和表示能力，精准挖掘文本中的知识。

在上述技术方案的基础上，本发明还可以做如下改进：