[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

说明书

本发明公开了一种基于中文文本的水务领域知识图谱构建方法，包括在网上爬取大量水务文本，利用jieba分词进行中文文本分词，利用stopwords去词表去除分词后文本的停用词，利用TF‑IDF方法获取每个概念词的权重，设置一个阈值，保留大于阈值的概念词组成水务概念词库。然后根据与CN‑Dbprdia接口连接，获取水务概念词的上级概念，建立结构化水务知识图谱。接着水务结构化知识图谱挂接水务结构化数据库表以及水务文本，完成最终的水务知识图谱的构建。最后运用评估方法对挂接方法进行评估。本发明通过结合不同知识图谱构建方法，充分考虑了知识图谱之间的多种类型数据进行融合，能够提高水务知识图谱构建的效率，提高水务知识图谱的完整性以及准确性。

技术领域

本发明涉及知识图谱构建技术领域，涉及一种基于中文文本的水务领域知识图谱构建方法，特别涉及一种基于TF-IDF权重计算方法、CN-Dbpedia等级关系组建方法以及编辑距离和LDA相似度计算挂接方法的水务文本领域知识图谱构建方法。

背景技术

目前调研知识图谱构建主要包含技术有：1)数据模式层融合：概念合并，概念上下位关系合并，概念的属性合并，国内外研究学者在这些方面做出了很多贡献。国内知识图谱映射技术主要包括词典wordnet、结构和基于实例的方法，以及使用背景知识和以前的知识找到匹配结果输出。通常，两个相关知识图谱的匹配，输出是由匹配知识图谱概念之间的对应关系组成的知识图谱映射，知识图谱映射对于知识图谱演化和不同的信息集成是有用的，例如知识图谱集成。中国中南大学的Lily知识图谱映射系统在近几年发展较好。国外许多著名的大学和实验室都对知识图谱映射进行了相关的研究，已经开发出一些具体的映射系统和实现方法，如华盛顿大学研究的Glue系统的基于概念实例的方法，斯坦福大学的知识图谱代数方法，马里兰大学的语义消解方法，M.Andrew等提出的利用概念定义的方法，Karlsruhe大学的KAON工程中的知识图谱映射框架MAFRA。Juanzi Li等人针对知识图谱对齐提出的Rimom框架，通过自动组合多种策略提高效果。Daniel Faria在2015年的OAEI中参赛的AML知识图谱映射系统就是基于知识图谱概念的知识图谱映射系统。Rana Forsati等人提出了一种基于知识图谱映射(HSOMAP)的方法等等；2)数据层融合：实体合并、实体属性合并、冲突检测与解决，国外Aidan Hogan等人对于大规模，静态的关联数据预料库，讨论了实体整合的可扩展和分布式方法。

但是这些方法应用于中文文本的水务领域知识图谱构建效果不佳。

发明内容

有鉴于上述现有技术的不足，本发明的目的在于提供一种基于中文文本的水务领域知识图谱构建方法，旨在解决智慧水务信息融合的问题。

本发明解决其技术问题所采取的技术方案是：一种中文文本的水务领域知识图谱构建方法，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。

进一步的，本发明步骤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。