[发明专利]一种基于多指标的知识图谱生成方法

权利要求书

1.一种基于多指标的知识图谱生成方法，其特征在于，该生成方法具体步骤如下：

(1)信息抽取：选择待构建旅游领域知识图谱的数据源，利用数据爬虫技术获取数据源中的语料信息，同时对语料信息进行实体、实体之间关系和实体属性值抽取；

(2)知识融合：对所述实体、实体之间关系和实体属性值进行实体链接，以消除实体歧义，并进行知识合并；

(3)知识加工：以现有本体库为基础，同时对实体、实体之间关系和实体属性值进行知识推理和质量评估，形成旅游领域知识图谱；

(4)知识更新：通过自动更新方式输入新数据，同时以置信度为评判基础，对旅游领域知识图谱进行增量式的动态更新；

所述知识融合其具体过程如下：

SS1：构建旅游信息库，将所述实体链接到该旅游信息库中，消除实体歧义

SS2：利用相关性算法对来源于不同数据源的实体进行知识融合；

所述旅游信息库包括景点、餐厅、酒店、城市、省份和交通的名称和别称；

所述知识更新采用增量更新方法，其具体过程如下：

SSS1：输入更新信息，其更新信息包括实体、实体关系或实体属性中的一种；

SSS2：对所述更新信息进行置信度判断；

SSS3：若置信度处于设定阈值范围内，则将更新信息输入旅游领域知识图谱中进行增量式更新，反之，则过滤掉更新信息；

所述设定阈值范围根据实际使用情况确定；

步骤SSS2中所述置信度由多项指标共同确定，所述多项指标包括词向量、句向量和编辑距离，其计算公式为：置信度＝(词向量指标+句向量指标+编辑距离指标)/3。

2.根据权利要求1所述的一种基于多指标的知识图谱生成方法，其特征在于，步骤(1)中所述数据源包括百度百科、去哪儿网、携程、猫途鹰、马蜂窝、艺龙、飞猪、驴妈妈、同程和马蜂窝；所述数据爬虫技术具体为PhantomJS和Selenium；所述信息抽取具体过程如下：

S1：实体抽取，对所述语料信息进行分词，同时去除重复词、去停用词、象声词和拟声词，并进行词性标注预处理，构成主语-谓语-宾语结构，抽取主语和宾语，得到实体；

S2：关系抽取，定义实体之间关系规则，根据关系规则对所述语料信息进行抽取，得到实体之间关系；

S3：属性抽取，定义属性规则，根据属性规则进行抽取，得到具体实体属性值；

S4：构建实体-关系-实体属性值的三元组。

3.根据权利要求2所述的一种基于多指标的知识图谱生成方法，其特征在于，步骤S1中所述实体包含景点、餐厅、酒店、城市、省份和交通的名称和别称；所述实体之间关系规则和属性规则均由专家构建，并由人工进行输入；所述实体属性值具体包括价格、客流量、星级、平均消费水平以及重游/重住数。