[发明专利]一种基于海量文本数据的人事关系知识图谱构建方法

说明书

本发明公开了一种基于海量文本数据的人事关系知识图谱构建方法，该方法包括步骤：解析海量word数据，提取所需文本内容；挖掘事件、人、部门及时间实体；计算实体距离，判断实体关系；数据插入Neo4j构建知识图谱。本发明通过挖掘海量数据，得到人名实体、部门实体、事件实体和时间实体，通过计算实体之间的距离判断事件实体的所属是人还是部门，及时间，最后将发现的关系数据插入Neo4j数据库，构建知识图谱，通过数据库构建的知识图谱，可以发现人与事的关系，人与人的关系。

技术领域

本发明属于人事关系提取技术领域，涉及一种基于海量文本数据的人事关系知识图谱构建方法。

背景技术

现有技术有实体发现算法，但是并没有事件实体的发现，没有事件，关联部门或人，还有时间的组合。

发明内容

本发明要解决的技术问题是：提供一种基于海量文本数据的人事关系知识图谱构建方法，以解决现有技术中存在的问题。

本发明采取的技术方案为：一种基于海量文本数据的人事关系知识图谱构建方法，该方法包括以下步骤：

（1）解析海量word数据，提取所需文本内容；

遍历所有文件，找到word文件，将word文件全部转化为html文件，解决加密word文档的麻烦，通过爬虫方式，提取所有的文本数据；

（2）挖掘事件、人、部门及时间实体；

通过结巴分词，添加自定义词库，标注人名为：per，部门名为：dep，通过正则表达式得到时间，加入专有名词库，例如：（信息管理系统:sys）,分词后专有名词前或后2个词，如果有动词v，则构成一个事件实体，例如：信息管理系统的推广；

（3）计算实体距离，判断实体关系；

在一句话中，正则表达式匹配出一个时间实体，时间实体第一个字在这句话中的位置，这句话中如果出现多个事件实体，所有的事件实体的时间就这个时间实体，出现人名实体或部门实体，计算人名实体第一个字的位置与事件实体出现的第一个之间的距离，距离最小的就是事件实体的所属实体；

（4）数据插入Neo4j构建知识图谱；

得到一个关系数据，关系数据包括事件实体、时间实体、人名实体或部门名实体，将关系数据插入Neo4j数据库中，构建知识图谱。

本发明的有益效果：与现有技术相比，本发明通过挖掘海量数据，得到人名实体、部门实体、事件实体和时间实体，通过计算实体之间的距离判断事件实体的所属是人还是部门，及时间，最后将发现的关系数据插入Neo4j数据库，构建知识图谱，通过数据库构建的知识图谱，可以发现人与事的关系，人与人的关系。

附图说明

图1为提取文本内容流程示意图；

图2为挖掘事件、人、部门及时间实体流程示意图；

图3为判断实体关系流程示意图；

图4为构建知识图谱流程示意图；

图5为实例图；

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

实施例1：如图1-5所示，一种基于海量文本数据的人事关系知识图谱构建方法，该方法包括以下步骤：

（1）解析海量word数据，提取所需文本内容；

遍历所有文件，找到word文件，将word文件全部转化为html文件，解决加密word文档的麻烦，通过爬虫方式，提取所有的文本数据，通过将稳步转化为，如图1所示；