[发明专利]一种传统藏医药知识图谱构建和补全方法

权利要求书

1.一种传统藏医药知识图谱的构建和补全方法，其特征在于，包括以下步骤：

S1：设计藏医药知识图谱语义框架，确定实体与实体间关系的定义；

S2：构建汉藏文对应的实体词典。

S3：通过数据库导入和网络爬虫爬取的方法获得部分结构化数据，形成初始的三元组数据集。

S4：录入藏医药文本并对其进行预处理，获得文本标注语料集；

S5：用实体-关系联合抽取模型对文本语料集进行知识抽取，获得实体关系三元组；

S6：用知识图谱补全模型对实体词典和关系的各种组合进行评分，找出步骤S5中未抽取出的三元组进行补全。

S7：将S5和S6步骤产生的三元组进行人工检验，再导入图数据库形成所述知识图谱。

2.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S4包括以下流程：

S41：经过初步筛选处理后进行古籍文本分句处理，以句子为单位开展下游语义标注工作。

S42：以字为最小划分单位利用BERT预训练模型对S41产生的句子进行BIO(B-begin，I-inside，O-other)标注。

3.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S5包括以下流程：

S51：输入句子按字/词进行向量化嵌入；

S52：向量经双向长短期记忆网络与多头自注意力编码层提取字/词及其上下文语义特征；

S53：利用线性链CRF和softmax层将实体识别和关系抽取两个任务产生的结果输出。

4.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S6包括以下流程：

S61：利用TransE模型，将每一个实体、关系训练成单一的向量，使每一个三元组(头实体，关系，尾实体)符合矢量相加的关系，输出向量长度可自定义；

S62：以任意实体关系组成候选三元组；

S63：对候选三元组群进行过滤，删除知识库中已知的有效三元组；

S64：对剩余的每个三元组，利用深度金字塔卷积模型进行评分判断，评分大于阈值则视为有效三元组，小于阈值则视为无效三元组；

S65：将S64中判为有效的三元组补充到知识图谱进行补全。

5.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S5所涉及的实体-关系联合抽取模型并行完成实体识别和关系抽取两个任务。

6.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S5所涉及的实体-关系联合抽取模型采用对抗训练方法，通过在原始样本的向量表示中加入一个小的扰动值，得到对抗样本，然后混合原始样本和对抗样本一起训练模型。

7.根据权利要求1所述的一种传统藏医药知识图谱的构建和补全方法，其特征在于，步骤S6中采用深度金字塔卷积模型进行三元组有效性判断，模型由基准网络和深度卷积网络两部分组成，基准网络负责生成单一维度卷积后的特征图并作为后续输入，深度卷积网络则针对特征做进一步的卷积和池化操作，利用循环单元个数来控制卷积深度。