[发明专利]一种基于依存句法树的知识图谱扩充方法及系统

权利要求书

1.一种基于依存句法树的知识图谱扩充方法，其特征在于，包括以下步骤：

1)爬取知识图谱对应百科站点的语料作为基础语料集A，以及爬取任一网站的语料作为知识抽取语料集B；

2)将步骤1)的基础语料集A和知识抽取语料集B语料中多余的标点及网页标签去除，然后对语料进行分句和分词处理；

3)对步骤2)中分词处理后的语料进行句法分析以获取语料中词语间的依存关系，并根据分析结果构建依存句法树；

4)将步骤3)中基于基础语料集A构建的依存句法树，结合知识图谱中的对应的知识生成依存句法树规则，并计算依存句法树规则的得分值，并将得到的依存句法树规则与其对应的得分值加入依存句法树规则库G0中；

5)利用步骤4)中依存句法树规则库G0抽取步骤3)中经句法分析后的知识抽取语料集B中语料的三元组知识，

若能抽取出三元组知识，则舍弃包含该三元组知识的语料；

若未能抽取出三元组知识，则采用弱监督方式构建依存句法树规则x，并检验规则x在语料集B中的抽取率，在抽取率大于0时再计算依存句法树规则对应的得分值，将得到的依存句法树规则与其对应的得分值加入依存句法树规则库G0中，然后将依存句法树规则库G0按照得分值升序排列，删除排序靠前的2％-5％的依存句法树规则，得到更新后的依存句法树规则库G1；

6)根据依存句法树规则库G1抽取步骤3)中经句法分析后的知识抽取语料集B中语料的三元组知识，并判断获取的三元组知识的属性关系词是否能与属性词表中的词语相匹配，若能匹配，则表示成功提取出三元组知识；若不能匹配，则表示未能成功提取出三元组知识，然后将匹配上的得分值最高的三元组知识输出,并且一个语料至多输出得分值最高的设定条的三元组知识作为备选知识；

7)判断步骤6)输出的三元组知识是否存在于知识图谱中，若不存在，则添加相应三元组知识。

2.根据权利要求1所述的一种基于依存句法树的知识图谱扩充方法，其特征在于，所述步骤2)中采用正则匹配方式进行语料中多余的标点及网页标签去除，采用HanLP开源的分词器进行分词处理。

3.根据权利要求1所述的一种基于依存句法树的知识图谱扩充方法，其特征在于，所述步骤3)具体为：采用斯坦福的句法分析算法，训练出依存句法模型，并运用该模型对步骤2)中已分词的语句进行分析，得出语句的句法依存关系，构建依存句法树。

4.根据权利要求1所述的一种基于依存句法树的知识图谱扩充方法，其特征在于，所述步骤3)具体为：采用哈尔滨工业大学建立的语言云平台的依存句法分析算法分析步骤2)中的分词后的语句，得出语句的句法依存关系，构建依存句法树。

5.根据权利要求1所述的一种基于依存句法树的知识图谱扩充方法，其特征在于，所述步骤5)中采用弱监督方式构建依存句法树规则具体包括：通过人工标记出语料中的三元组知识，然后将标记出的三元组知识结合其对应的语料，运用依存句法树规则生成算法生成新的依存句法树规则。

6.根据权利要求1所述的一种基于依存句法树的知识图谱扩充方法，其特征在于，所述步骤5)中检验规则x在知识抽取语料集B中的抽取率，利用如下公式计算：

其中，P(x)表示某条依存句法数规则x在知识抽取语料集B中的抽取率，|B|表示知识抽取语料集B的规模，k_i表示利用依存句法树规则x在知识抽取语料集B中的一个知识抽取语料样本中抽取的三元组知识数目，当抽取率P(x)大于0时，表述该条依存句法树规则可以用于抽取知识，是一条有效的规则。