[发明专利]一种基于中文文本的水务领域知识图谱构建方法

权利要求书

1.一种中文文本的水务领域知识图谱构建方法，其特征在于：该方法主要包括如下步骤：

步骤1：在java系统中构建水务概念词库，将构建的词库放入word文本中；

步骤2：将构建好的水务概念词库放入mysql数据库中构建概念层次关系，并对不合理的信息进行修改；

步骤3：构建好的概念层次关系在protégé系统中实现可视化并挂接水务数据库表以及水务文本，得到最终的水务领域知识图谱。

2.根据权利要求1所述的一种中文文本的水务领域知识图谱构建方法，其特征在于：步骤1所述的构建水务概念词库的方法，其步骤具体包括：

步骤1-1：使用python从水务博客以及水务文档中爬取一些水务文本；

步骤1-2：用python中的jieba工具对抽取的水务文本进行文本分词；

步骤1-3：用python中的stopwords工具对分词后的文本进行停用词去除，组成水务相关概念词；

步骤1-4：用TF-IDF方法对水务相关概念词分别进行权重计算，设置一个权重阈值，保留权重大于阈值的概念词。

3.根据权利要求1所述的一种中文文本的水务领域知识图谱构建方法，其特征在于：步骤2所述的构建概念层次关系的方法，其步骤具体包括：

步骤2-1：输出的概念词与CN-Dbpedie接口连接，提取出概念词的上级词汇，构建概念的等级结构层次关系，并保存到数据库中，根据备选概念词和专家知识对概念等级结构进行修改；

步骤2-2：用jena工具将保存到数据库中的概念信息表写成owl文件。

4.根据权利要求1所述的一种中文文本的水务领域知识图谱构建方法，其特征在于：步骤3所述的在protégé中实现可视化并挂接水务信息的方法，其步骤具体包括：

步骤3-1：将owl文件导入到protégé软件中，实现水务领域知识图谱的可视化；

步骤3-2：运用语义相似度算法挂接水务结构化数据库表以及非结构化水务文本，以完善水务领域知识图谱，形成最终的水务知识图谱。

5.根据权利要求2所述的一种中文文本的水务领域知识图谱构建方法，其特征在于：步骤1-4所述的用TF-IDF选取水务相关概念词方法，其步骤具体包括：

步骤1-4-1：计算词语t_i的词频其中n_i,j是词语t_i在文档d_j中出现的次数，∑_kn_k,j是在文档d_j中所有字词的出现次数之和；

步骤1-4-2：计算逆向文件频率其中|D|为语料库中的文档总数，|{j:t_i∈d_j}|为包含该词的文档数；

步骤1-4-3：计算tf-idf值:TF-IDF_i,j＝TF_i,j×IDF_i；

步骤1-4-4：令i＝i+1重复前四步，计算出所有文档中每个词的tf-idf值；

步骤1-4-5：根据概念词权重值情况设定一个阈值，保留权重大于阈值的概念词。

6.根据权利要求4所述的一种中文文本的水务领域知识图谱构建方法，其特征在于：步骤3-2所述的运用语义相似度算法挂接水务结构化数据库表以及非结构化水务文本，其步骤具体包括：

步骤3-2-1：分别用编辑距离算法、Jaccard算法以及欧氏距离算法计算结构化数据库表与水务知识图谱概念词之间的相似度；

步骤3-2-2：分别用TF-IDF+余弦相似度算法、LSI算法以及LDA算法计算水务文本与水务知识图谱概念词之间的相似度；

步骤3-2-3：分别计算结构化数据库表以及水务文本挂接算法结果的查准率P、召回率R以及精确值和召回率的调和均值F，以评估算法，计算公式分别如下：

查准率：

召回率：

精确值和召回率的调和均值：

步骤3-2-4：选取评估结果最好的一种结构化数据库表挂接算法以及一种非结构化水务文本的挂接算法，分别在水务知识图谱中对这两种数据进行挂接，得到最终完善的水务知识图谱。