[发明专利]一种以群智感知任务为中心的知识图谱构建方法

权利要求书

1.以群智感知任务为中心的演化知识图谱构造方法，其特征在于，该方法包括以下步骤：

步骤(1)在群智感知任务中，以Application为核心构建知识图谱子图，感知任务由Publisher发布，可以拥有多个子任务Task；对发布任务，有hasEvent关系描述特定时间点，hasPlace描述感知地点；每个子任务有hasTitle表示任务名称，hasDescription描述任务详情，hasType描述任务类型，hasState描述具体的感知结果，State可以记录感知的对象hasEntity，感知的对象hasPlace，感知的执行者hasActor，而感知的详细数据将以haseAttr进行保存，以key/value对的形式保留数据key为结果类型，value为状态值；

步骤(2)感知人员进行感知之后，通过平台提交感知数据T，感知数据一般情况下是非格式化的描述文字。对感知数据运用双向LSTM-CRF进行命名实体识别，抽取非格式化文本T中的对应描述实体M；同时，感知数据T中针对感知对象的描述往往包含某种描述关系，通过预处理后，对信息中存在的关系进行抽取，构造M-R-M关系链；

步骤(3)通过步骤(2)得到相关描述实体集合后，需要将描述实体M与知识图谱中节点E进行匹配；利用迭代式搜索算法，首先得到描述实体M的候选节点集在迭代时，筛选匹配度高于阈值的M标记为“已匹配”，作为训练的锚点；每次迭代都加入新的“已匹配”集，直到全部匹配；则M-R-M关系可以构造成E-R-E关系链；

步骤(4)将感知人员提供的E-R-E信息进行可信度检测，主要方式为根据感知人员历史感知信息可靠度，将感知人员区分为勤奋的、草率的和恶意的工作者，丢弃评分过低的感知信息；最后将该次感知的信息构建成图谱子图，并加入原始图谱中，形成图谱的演化过程。

2.根据权利要求1所述的以群智感知任务为中心的演化知识图谱构造方法，其特征在于，步骤(2)中，采用双向LSTM模型进行命名实体识别及关系提取，具体步骤为：

步骤(2.1)利用业内公开的标注数据集作为训练样本；在命名实体识别中，采用双向LSTM-CRF模型；首先，对输入的非格式化信息T进行分词操作得到字词c_j；然后，通过向量映射层将输入的字或词映射为低维向量(一般采用GloVe)，即：其中，T^c为映射函数，将字词映射得到特定的嵌入向量，为对应于词c_j的词向量；

步骤(2.2)将词向量输入双向LSTM网络中，将正反方向LSTM模型输出的向量进行拼接得到输出向量将该向量输入CRF层，并进而得到预测的标签L_j输出。其中，CRF条件随机场可以形式化的表示为：

其中，输出的分数是每个词c_i映射到tag_j的概率；在CRF中，存在转移概率矩阵A，A_i，j代表tag_i转移到tag_j的转移概率；矩阵P_i，j为双向LSTM输出的预测分数，即第i个字对应第i个标签的概率；

根据如下损失函数，使得真实路径的占比在全部计算可能路径中比例尽可能提高。路径值即各字词对应标签形成的概率分数，其中P₁，P₂等为词c_i对应于特定标签的可能结果，P_RealPath为最终正确的对应方式。

在最终输出结果中，挑选分值最大者为标记结果。将训练好的模型用于标注得到的非结构化感知数据。通过该模型，可以得到c_j：L_j映射，表示词c_j的标签为L_j；

步骤(2.3)通过步骤(2.2)得到{c_j：L_j}映射集；首先对映射集进行预筛除，忽略其中所有标注非“人物”、“地点”、“时间”、“动词”等信息；随后，构建关系词字典，用于匹配动词中的描述过程；对于非精确匹配的动词，利用编辑距离计算相似度，高于某个阈值者认为匹配；最后，迭代处理映射集，按照“实体”-“动词”-“实体”的规范读取规范化的数据，将每一条关系作为单个元素构成M-R-M集合{c_i：L_k：c_j}。