[发明专利]一种基于知识图谱的中文旅游领域知识服务平台构建方法

说明书

一种基于知识图谱的中文旅游领域知识服务平台构建方法，包括从现有的中文百科类知识库中获取结构化旅游知识、知识融合、爬取旅游网站页面数据，通过自定义属性匹配规则对实体Infobox属性进行知识补全、采用斯坦福本体建模工具Protégé构建旅游领域本体、利用D2RQ结合构建的旅游本体将数据转为RDF三元组格式得到旅游领域知识图谱、旅游知识库的Neo4j图数据库存储任务，其中知识融合任务包括使用改进后的深度学习知识表示模型BERT计算实体之间的语义相似度完成实体对齐、基于原则和统计方法进行属性融合、采用多数投票算法进行三元组融合子任务。本发明方便游客获取一站式综合性服务。

技术领域

本发明属于计算机信息处理领域，具体涉及一种基于知识图谱的中文旅游领域知识服务平台构建方法，该方法融合了认知计算、知识表示与推理、信息检索与抽取、自然语言处理与语义web、数据挖掘与机器学习等多种学科，通过为互联网海量旅游数据添加语义(知识)，使数据产生智慧，完成从数据到信息再到知识、最终到智能应用平台的转变过程，从而改进用户的旅游体验、实现从信息服务到知识服务、传播旅游文化等目标。

背景技术

知识图谱以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。

本体是知识图谱的知识表示基础，可以形式化表示为O＝{C,H,P,A,I}，C为概念集合，像事务性概念和事件类概念，H是概念的上下文关系集合，也称为Taxonomy知识，P是属性集合，描述概念所具有的特征，A是规则集合，描述领域规则，I是实例集合，用来描述实体-属性-值。随着以深度学习为代表的表示学习的发展，面向知识图谱中实体和关系的表示学习也取得了重要的进展。知识表示学习将实体和关系表示为稠密的低维向量，实现了对实体和关系的分布式表示，可以高效地对实体和关系进行计算、缓解知识稀疏、有助于实现知识融合，成为了知识图谱知识融合和知识补全的重要方法。知识图谱分为通用知识图谱和领域知识图谱两类，通用知识图谱包括描写英语词汇层语义关系的WordNet，以构建本体的形式对知识条目进行组织的DBPedia，融合WordNet的概念层次结构和维基百科大量实体数据的YAGO，使用群体智能方法建立的Freebase等，中文通用知识图谱研究可以追溯到采用人工编辑方式构建的HowNet项目，工业界有OpenKG.CN，百度知心，搜狗知立方等，学术界包括清华大学、上海交通大学和复旦大学利用百度百科、互动百科和中文维基百科建立的大规模知识图谱XLore、Zhishi.me和CN-DBpedia。Google于2012年5月发布知识图谱项目，并以此为基础构建下一代智能化搜索引擎，标志着大规模知识在互联网语义搜索中的成功应用。

与通用知识图谱相比，领域知识图谱的构建研究相对较少，领域知识图谱又叫行业知识图谱或垂直知识图谱，面向某一特定领域，可看成是一个基于语义技术的行业知识库，因其基于行业数据构建，有着严格而丰富的数据模式，所以对该领域知识的深度、知识准确性有着更高的要求。英国大英博物馆通过结合语义技术对馆藏各类数据资源进行语义组织，通过语义细化、多媒体资源标注等方式提供知识服务；英国广播公司BBC[Kobilarovet al,2009]在其音乐、体育野生动物等板块定义了知识本体，将新闻转化为机器可读的信息源进行内容管理与报道自动生成。国内领域知识图谱技术的利用有上海图书馆借鉴美国国会数目框架BibFrame[Kroeger et al,2013]对家谱、名人、手稿等资源构建知识体系，打造家谱服务平台为研究者们提供古籍循证服务；中国农科院则聚焦于水稻细分领域，整合论文、专利、新闻等行业资源，构建水稻知识图谱，为科研工作者提供了行业专业知识服务平台。

我国旅游业信息化建设已经有30多年的历史，但是专门针对旅游领域的中文知识图谱还很缺少，严重阻碍了我国旅游文化的发展和传承。而且现有中文领域知识图谱存在面向不同领域的数据模式不同，应用需求也各不相同，没有一套通用的标准和规范来指导构建等问题。