[发明专利]数据索引构建方法、装置、电子设备和计算机可读介质

说明书

本公开的实施例公开了数据索引构建方法、装置、电子设备和计算机可读介质，数据处理技术领域。该方法的具体实施方式包括：对初始数据进行抽取处理得到目标数据，基于上述目标数据集构建知识图谱；根据上述知识图谱中的语义信息，构建语义信息向量；根据上述语义信息向量构建数据索引。该实施方式通过对初始数据进行抽取处理得到目标数据，基于上述目标数据集构建知识图谱，根据上述知识图谱中的语义信息，构建语义信息向量，根据上述语义信息向量构建数据索引。能够利用知识图谱的实体进行语义拓展、利用实体和单词之间的交互获取更多的语义匹配信息等，并且能够提供更加精准快速的语义检索功能。

技术领域

本公开的实施例涉及数据处理技术领域，具体涉及数据索引构建方法、装置、电子设备和计算机可读介质。

背景技术

相似案例检索是司法领域的一项重要任务，也是具有重要实践意义的应用方向，是司法实践中实现“类案同判”、“类案类判”的重要辅助手段，在司法领域拥有广泛的适用环境。

当前实现智能检索系统常常使用基于词向量的语义搜索算法。利用词向量方法，可以计算词汇间的语法和语义的线性相似度，所有词汇的语法和语义的线性相似度，是指词汇的语法相似度和语义相似度可进行近似的线性计算。

实际应用场景中纠纷案件存在较为明显和统一的类别区分，包括民间借贷纠纷、劳动纠纷、工伤纠纷等，且卷宗文本通常较长，如果只把每一份卷宗文本作为独立的数据进行处理，使用传统的文档检索，则数据库的占用空间将会较大，且没有充分利用到卷宗文件内在的关联与共性，得到的检索效果将会相对降低。

发明内容

有鉴于此，本公开实施例提供了一种数据索引构建方法、装置、电子设备和计算机可读介质，以解决现有技术中如何针对司法案件进行检索的问题。

本公开实施例的第一方面，提供了一种数据索引构建方法，包括：对初始数据进行抽取处理得到目标数据，基于上述目标数据集构建知识图谱；根据上述知识图谱中的语义信息，构建语义信息向量；根据上述语义信息向量构建数据索引。

在一些实施例的一些可选的实现方式中，上述对初始数据进行抽取处理得到目标数据，包括：从上述初始数据中抽取初始实体信息和初始关系信息；对上述初始实体信息和初始关系信息进行数据清洗，得到目标实体信息和目标关系信息；根据上述目标实体信息和上述目标关系信息，确定目标数据。

在一些实施例的一些可选的实现方式中，上述基于上述目标数据集构建知识图谱，包括：根据上述目标数据确定三元组数据和属性数据；基于上述三元组数据以及上述属性数据构建知识图谱。

在一些实施例的一些可选的实现方式中，上述根据上述知识图谱中的语义信息，构建语义信息向量，包括：基于向量化召回优化算法，对上述知识图谱中的语义信息进行处理，构建语义信息向量。

在一些实施例的一些可选的实现方式中，上述基于向量化召回优化算法，对上述知识图谱中的语义信息进行处理，构建语义信息向量，包括：基于上述向量化召回优化算法确定初始处理模型；确定与上述知识图谱中的语义信息相关的训练集，并根据上述训练集对上述初始处理模型进行训练，得到目标处理模型；基于上述目标处理模型对上述知识图谱中的语义信息进行处理，得到语义信息向量。

在一些实施例的一些可选的实现方式中，上述根据上述语义信息向量构建数据索引，包括：确定索引构建模型，根据上述语义信息向量对上述索引构建模型进行训练，得到目标索引构建模型；基于上述目标索引构建模型，确定数据索引。

在一些实施例的一些可选的实现方式中，上述方法还包括：基于上述数据索引进行语义检索。

本公开实施例的第二方面，提供了一种数据索引构建装置，装置包括：图谱构建单元，被配置成对初始数据进行抽取处理得到目标数据，基于上述目标数据集构建知识图谱；向量构建单元，被配置成根据上述知识图谱中的语义信息，构建语义信息向量；索引构建单元，被配置成根据上述语义信息向量构建数据索引。