[发明专利]一种基于NLP和图数据库的全景检索系统及方法

权利要求书

1.一种基于NLP和图数据库的全景检索系统，其特征在于，包括抽取模块、图谱模块、检索模块；其中：

抽取模块，用于将SPO全量知识数据存储到图数据库中，得到图谱信息；

图谱模块，用于根据图谱信息，以图数据库建模的形式来表示安全行业中的实体或概念以及它们之间的关联关系，形成一张巨大的语义网络图谱，并且作为图数据存储系统，能够进行图谱实体拓展及实体间关系推演；

图数据库包括多个顶点，其中的每个顶点包含多个属性，通过属性完整描述顶点的详细信息，顶点之间通过一条或多条有方向的边进行连接，连接边表征顶点之间的关系信息；

图谱实体拓展，具体包括：获取从待拓展的顶点到周围顶点之间所需经过的所有或满足待筛选关系连接边对应的关系信息；以及根据获取到的关系信息生成待拓展的顶点与周围顶点之间的关系信息；

图谱实体间关系推演，具体包括：以待推演的顶点为中心，逐级获取从待推演的顶点到周围顶点之间所需经过的所有连接边对应的关系信息；以及当从待推演的顶点到另一待推演顶点之间所需经过的连接边数量达到阈值时，停止逐级获取的过程；

检索模块，用于获取用户的问题文本，基于NLP提取出问题文本的问题要素，根据问题要素分场景针对性检索出对应的问题答案，达到全景检索的目的；NLP用于将半结构化数据通过自动化的方式抽取出包含实体、关系以及属性共三个知识要素的知识单元，以RDF的三元组SPO知识来符号性描述实体之间的关系；

基于NLP提取出问题文本的问题要素，具体包括：把问题文本按照中文语义进行分词，并按照分词结果的词性及对分词后的各个词项作依存句法分析划分出三元组SPO成分，并将划分出的多对SPO进行排序，从而达到理解问题要素的目的。

2.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，SPO全量知识数据以键值对的格式存储到图数据库中。

3.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，抽取模块，通过其他多数据源中提取知识，并将其存入到图数据库中。

4.如权利要求3的一种基于NLP和图数据库的全景检索系统，其特征在于，多数据源，可以为关系型数据库、消息队列、分布式数据仓库。

5.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，图谱模块，可针对性的对部分实体属性创建索引，索引可以是图数据库系统本身内置的已经实现的索引系统或可通过图数据库系统支持的外部化配置的方式进行创建。

6.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，图谱模块，可通过多节点集群的部署方式并行处理，快速响应用户请求，为进一步提高数据加载、数据查询性能可随节点数量线性扩展。

7.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，检索模块，获取用户的问题文本，对文本进行分析，包括：实体类别及属性识别、语义分析、组合分析、智能联想和拼音识别，得到基于NLP提取出问题文本的问题要素。

8.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，检索模块，可对用户输入的文本进行实时匹配智能推荐或补全。

9.如权利要求1的一种基于NLP和图数据库的全景检索系统，其特征在于，检索模块，可对用户输入的文本信息中拼音及通配符的识别和提取。

10.一种基于NLP和图数据库的全景检索方法，其特征在于，包括：

抽取模块将SPO全量知识数据存储到图数据库中，得到图谱信息；

图谱模块根据图谱信息，以图数据库建模的形式来表示安全行业中的实体或概念以及它们之间的关联关系，形成一张巨大的语义网络图谱，并且作为图数据存储系统，能够进行图谱实体拓展及实体间关系推演；

图数据库包括多个顶点，其中的每个顶点包含多个属性，通过属性完整描述顶点的详细信息，顶点之间通过一条或多条有方向的边进行连接，连接边表征顶点之间的关系信息；

图谱实体拓展，具体包括：获取从待拓展的顶点到周围顶点之间所需经过的所有或满足待筛选关系连接边对应的关系信息；以及根据获取到的关系信息生成待拓展的顶点与周围顶点之间的关系信息；

图谱实体间关系推演，具体包括：以待推演的顶点为中心，逐级获取从待推演的顶点到周围顶点之间所需经过的所有连接边对应的关系信息；以及当从待推演的顶点到另一待推演顶点之间所需经过的连接边数量达到阈值时，停止逐级获取的过程；

检索模块获取用户的问题文本，基于NLP提取出问题文本的问题要素，根据问题要素分场景针对性检索出对应的问题答案，达到全景检索的目的；NLP用于将半结构化数据通过自动化的方式抽取出包含实体、关系以及属性共三个知识要素的知识单元，以RDF的三元组SPO知识来符号性描述实体之间的关系；

基于NLP提取出问题文本的问题要素，具体包括：把问题文本按照中文语义进行分词，并按照分词结果的词性及对分词后的各个词项作依存句法分析划分出三元组SPO成分，并将划分出的多对SPO进行排序，从而达到理解问题要素的目的。