[发明专利]知识图谱融合方法及装置

权利要求书

1.一种知识图谱融合方法，其特征在于，包括：

获取多个待融合知识图谱，从多个所述待融合知识图谱中确定目标知识图谱和多个其他知识图谱；

对每个所述其他知识图谱中包含的各个实体进行数据预处理，并将数据预处理后的各个实体组成实体集；

从所述实体集包含的各个实体中确定多个高价值实体和多个低价值实体；

针对每个所述低价值实体，计算所述低价值实体与每个所述高价值实体之间的距离，若所述低价值实体与所有高价值实体之间的距离均大于预设的第一距离阈值，则将所述低价值实体从所述实体集中删除，得到目标实体集；

对所述目标实体集中包含的各个实体进行聚类，得到多个目标子集；

计算所述目标子集中的包含的每个实体的属性信息；

针对每个所述目标子集中包含的每个实体，依据所述实体的属性信息，计算所述实体与所述目标知识图谱中包含的每个实体之间的相似度，若所述实体与所述目标知识图谱中包含的所有实体之间的相似度均小于预设相似度阈值，则将所述实体确定为目标实体；

获取各个所述目标实体之间的实体关系；

将各个所述目标实体、以及各个所述目标实体之间的实体关系写入所述目标知识图谱中；

其中，所述从所述实体集包含的各个实体中确定多个高价值实体和多个低价值实体，包括：

从所述实体集中选取一个实体作为中心实体，计算所述实体集中的每个其他实体与所述中心实体之间的距离；所述其他实体为所述实体集中的包含的各个实体中除所述中心实体外的实体；

将所述中心实体、以及距离小于预设的第二距离阈值的其他实体组成第一集合，并将距离不小于所述第二距离阈值的其他实体组成第二集合；

若所述第一集合中的实体数量大于预设数值，则将所述第一集合中的每个实体确定为高价值实体，并将所述第二集合中的每个实体确定为低价值实体；若所述第一集合中的实体数量不大于所述预设数值，则将所述第一集合中的每个实体确定为低价值实体，并将所述第二集合中的每个实体确定为高价值实体。

2.根据权利要求1所述的方法，其特征在于，所述对所述目标实体集中包含的各个实体进行聚类，得到多个目标子集，包括：

基于预设的聚类算法，对所述目标实体集中包含的各个实体进行第一聚类，得到多个实体子集质心；

依据各个所述实体子集质心，调用K-Meams聚类算法，对所述目标实体集中包含的各个实体进行第二聚类，得到多个目标子集。

3.根据权利要求2所述的方法，其特征在于，所述对所述目标实体集中包含的各个实体进行第一聚类，得到多个实体子集质心，包括：

构建第三集合，所述第三集合包含所述目标实体集中的所有实体；

从所述第三集合中选取一个实体作为实体子集的实体子集质心，并将所选取的实体从所述第三集合中删除；

从所述第三集合中选取一个实体，计算所述实体与所有实体子集质心之间的距离；

将距离最小的实体子集质心作为目标实体子集质心；

若所述实体与所述目标实体子集质心之间的距离大于预设的第三距离阈值，则将所述实体作为新的实体子集质心，并将所述实体从所述第三集合中删除；若所述实体与所述目标实体子集质心之间的距离小于预设的第四距离阈值，则将所述实体添加至该目标实体子集质心对应的实体子集中，并将所述实体从所述第三集合中删除；所述第四距离阈值小于所述第三距离阈值；

判断所述第三集合是否为空集，若否，则返回执行从所述第三集合中选取一个实体，计算所述实体与所有实体子集质心之间的距离的步骤，直至所述第三集合为空集。

4.根据权利要求1所述的方法，其特征在于，所述获取各个所述目标实体之间的实体关系，包括：

将各个所述目标实体输入预先构建的实体关系识别模型中，得到各个所述目标实体之间的实体关系；其中，所述实体关系识别模型利用网络本体语言owl构建得到。