[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

说明书

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。

技术领域

本发明属于数据处理技术领域，涉及一种从多源数据集成视角构建企业知识图谱的方法。

背景技术

知识图谱利用图的方式关联信息，将知识结构化、标准化。知识图谱构建需要综合利用知识表示(Knowledge Representation,KR)、自然语言处理(Natural LanguageProcess，NLP)、机器学习(Machine Learning，ML)、数据库(Data Base，DB)等方法和技术。随着互联网相关技术的不断发展，人们经历了传统的以文档为中心的Web1.0时代和以用户内容为中心的Web2.0时代，目前Web3.0已经逐渐成为了日益增长的各种Web资源的存储库。Web3.0时代是以知识互联为主要目标，通过构建人与机器都可理解的知识网络，充分利用和挖掘海量的互联网数据来服务人类。但是，数据规模大、来源丰富、类型复杂、变化迅速等诸多特征使得对互联网中数据的挖掘和充分利用充满挑战。知识图谱通过深入的语义分析和数据挖掘，将海量的互联网数据高效组织为知识网络，以直观的方式对知识进行搜索和展现，同时也为大数据分析、智能问答、个性化推荐等提供重要保障。

目前，针对知识图谱构建方面的研究工作主要存在以下问题：①许多研究工作都孤立地强调了知识图谱构建过程中的某一环节，例如知识图谱中知识的表示、图谱的存储和知识的抽取等。②政府企业大数据方面的知识图谱比较匮乏，许多政府部门的企业基础数据仅仅是孤立的存在，没有实现数据之间的互联互通。这些基础数据服务的主体一般是人，有些数据只是偶尔被机器阅读。

因此，如何构建“以人为中心”面向企业领域的知识图谱，将政府和互联网中的企业大数据高效地利用起来，将孤立的数据节点融合到统一的知识库中，为用户提供一个友好、人性化的企业信息服务平台尤为重要。

发明内容

本发明的目的在于提供一种从多源数据集成视角构建企业知识图谱的方法，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“以人为中心”的企业知识图谱，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可以将政府和互联网中的企业大数据高效地利用起来，将孤立的数据节点融合到统一的知识库中，为用户提供一个友好、人性化的企业信息服务平台。

本发明所采用的技术方案是从数据获取、知识融合和知识加工存储来构建企业知识图谱；其中，数据获取方法为：企业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、互动百科中相关的企业信息数据集，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的企业信息数据。知识融合方法：针对的主要是多源异构的结构化数据集，提出了基于本体和Karma建模的多源异构数据集成方法，对获取到的企业相关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等本体的相关概念，半自动化构建了企业法人本体，利用构建本体和一种开源集成开发工具Karma构建Karma模型实现多源异构数据的快速集成与融合，统一发布成RDF数据；知识加工方法：基于Jena推理引擎完成企业知识图谱中上下位推理、缺失类别补全、一致性检测和自定义规则推理四大功能，对已有的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。