[发明专利]一种甲骨文计算机辅助考释方法及系统

说明书

本发明属于甲骨文考释技术领域，具体公开了一种甲骨文计算机辅助考释方法及系统，方法包括以下步骤：S1，利用深度学习模型对甲骨文图像进行特征提取得到图像向量；S2，将释文文本转换成甲骨文的字向量；S3，构建多模态知识图谱，将甲骨文的图像向量与甲骨文的字向量映射到统一的语义空间；S4，构建甲骨文考释事件数据库，动态抽取考释过程的事件日志，自主挖掘发现可用于甲骨文考释的关键点；S5，以统一语义空间的向量相似度计算及关键点为甲骨文考释线索来辅助甲骨文考释。该方案将数据驱动、知识驱动及过程驱动进行融合以辅助甲骨文考释，实现了甲骨文研究的静态思维到动态思维转变，提出了一种全新的甲骨文考释方法。

技术领域

本发明属于甲骨文考释技术领域，特别是关于一种甲骨文计算机辅助考释方法及系统。

背景技术

目前，随着人工智能及深度学习等技术的引入，使得甲骨文信息处理的研究有了较大进展，并取得了一系列的成果。但是这些方法在甲骨文考释研究方面尚未体现出明显的优势，因为甲骨文考释是一项高度复杂的知识推理任务，也是目前单靠感知智能无法完成的任务之一，必须有认知智能的介入。虽然我们已经积累了大量的甲骨文基础数据，但目前大多数的人工智能和深度学习技术过多依赖大数据而缺乏领域背景知识的支持，因此单靠这些方法尚不能解决甲骨文考释面临的种种问题。

经过分析，现有的甲骨文信息处理研究方法存在3个关键问题：一是甲骨文考释对领域背景知识的依赖性强，仅仅依赖基础研究数据是不够的；二是将甲骨文图像和甲骨文文本割裂开来进行研究，这与甲骨文专家的考释对象不一致，因为专家考释时总是综合多种甲骨文资料，相互对照和印证；三是从静态的角度进行考释研究，这与甲骨文专家的考释活动不一致，因为实际的考释是一个动态过程。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种甲骨文计算机辅助考释方法及系统，其能够突破甲骨文考释面临的瓶颈问题。

本发明提供了一种甲骨文计算机辅助考释方法，包括以下步骤：

S1，获取现有的甲骨文图像，利用深度学习模型对所述甲骨文图像进行特征提取得到图像向量；

S2，获取现有的甲骨文对应的释文文本，将所述释文文本表示为甲骨文的字向量；

S3，构建多模态知识图谱，将甲骨文的图像向量与甲骨文的字向量映射到统一的语义空间；

S4，构建甲骨文考释事件数据库，动态抽取考释过程的事件日志，自主挖掘发现可用于甲骨文考释的关键点，实现甲骨文考释线索的自动推送；

S5，以统一语义空间的向量相似度计算及关键点为甲骨文考释线索来辅助甲骨文考释。

优选地，所述S1具体包括：通过深度学习模型自动对甲骨文图像进行特征提取、分类识别后得到图像特征，并在甲骨文大数据基础上，通过向量计算完成甲骨文专家较少干预的浅层任务。

优选地，所述S3具体包括：甲骨文图像特征和文本特征融合嵌入后，通过计算向量相似度得到相关甲骨文知识关联。

优选地，所述向量相似度的计算公式为：

其中，I为图像向量，T为文本向量。

优选地，所述S4具体包括：

首先，整理历年来的甲骨文考释数据和考释成果，构建考释事件数据库，关注考释事件的时间节点和考释活动；

然后，实现基于数据库的事件日志提取；

最后，利用过程挖掘方法从日志中提取知识，用于发现、检测和改进考释过程。