[发明专利]知识图谱的数据存储与智能构建方法及实现系统

说明书

本发明提供一种知识图谱的数据存储与智能构建方法及实现系统，其中，所述知识图谱的智能构建方法，包括步骤：A1、获取业务需求内容；A2、解析出业务需求内容的业务需求目的；A3、解析出业务需求目的中的关键字；A4、根据关键字匹配出归属结构目录域、关键字域、标签域中的事项节点信息数据；A5、根据匹配视角的不同，把获得的事项节点信息数据进行区分，分成结构节点目录数据集合、关键字节点目录集合、标签节点目录集合；A6、把相应的节点目录集合进行聚类，并构建成对应的知识图谱。本发明提供的知识图谱的数据存储与智能构建方法及实现系统，基于多专业间的数据逻辑关系构建，达到了个性化的数据智能构建的目的。

技术领域

本发明涉及大数据技术领域，特别是涉及一种知识图谱的数据存储与智能构建方法及实现系统。

背景技术

知识图谱(Knowledge Graph)是一种称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源数据及其关联信息，挖掘数据、决策分析、构建绘制和显示知识及它们之间的相互联系。在铁路行业中铁路运营资源的知识图谱的应用主要是针对事件体现及其关联事项进行构建后，可以自由设定专题节点进行智能拓展分析。使得知识图谱中聚焦一个事项，则可以发现其事项的基本信息，以及事项下各事件的节点及其串接关系等内容。

就技术要构建的知识图谱而言，将面临的难点将会是以下几点：

1、属性抽取及多来源属性融合和不同事项间关系的确立。现有技术对于事项的图片构建，采用基于事项性质的组织架构归属进行抽取与聚类融合。现有技术的缺点是基于铁路行业，对不同专业的事项，其特定属性的确定都需要专业人士的介入，但仅仅靠人力始终无法高效处理，且对于标准也各自带有自我主观因素的问题。而根据统一的规范进行，虽然能识文本中以关键字为中心词的关系，但对于名词同位语之类的关系抽取就容易出现误判。此外这种方法无法对未收入的名词进行有效地处理和判断。

2、现有铁路行业的知识图谱属性提炼不能实现文本之间自动相关性分析和推理，实现根据业务要求，数据能智能完成点到点的自适应学习与关系建立。

3、现有的铁路运营资源的知识图谱的构建，需要业务人员针对整体事项进行定义和分类，导致图谱构建流程过长，扩展不够灵活。

因此，需要提供一种知识图谱的数据存储与智能构建方法及实现系统以解决上述技术问题。

发明内容

本发明主要解决的技术问题是提供一种知识图谱的数据存储与智能构建方法及实现系统，在基于多专业间的数据逻辑关系构建，达到个性化的数据智能构建，且能使在节点内容频繁变更也不会影响任何铁路运营资源的知识图谱的构建。

为解决上述技术问题，本发明采用的第一种技术方案是提供一种知识图谱的数据存储方法，包括步骤：

S1、获取事项节点信息数据及其录入人员的组织信息；

S2、根据数据字典，对事项节点信息数据进行关键字提炼；

S3、根据所述关键字的性质及其录入人员的组织信息对事项节点信息数据进行区分，设定事项节点数据的归属结构目录域，根据关键字导向标签信息，对所述事项节点信息数据按类型分域存储。

实施例中，作为优选：所述步骤S3中所述的域包括事项节点数据的本身内容域、归属结构目录域、关键字域、标签域。

实施例中，作为优选：

所述步骤S2包括：根据数据字典，对事项节点信息数据进行关键字提炼，如果事项节点信息数据不在所述数据字典的覆盖范围之内，则对所述数据字典进行扩充，直到所述的事项节点信息数据落在数据字典的覆盖范围之内。

为解决上述技术问题，本发明采用的第二种技术方案是提供一种知识图谱的智能构建方法，包括步骤：