[发明专利]一种基于知识图谱的评价权重计算方法

说明书

本发明公开了一种基于知识图谱的评价权重计算方法，包括如下步骤：根据评价相关数据建立评价知识图谱和关键词词向量库；结合设定的评价目标和计算的关键词词向量相似度检索指标库中的适配指标形成评价指标体系；将建立好的评价指标体系转换为有向图，通过有向图节点间的关键词词向量相似度计算出知识推理概率替代现有PageRank算法中的随机游走概率，形成改进的PageRank算法；依据改进的PageRank算法计算出各节点的PageRank值作为各评价指标的客观权重。本发明能够充分利用专家知识等数据，发掘评价指标间的潜在联系，自动计算出评价指标体系中各指标的权重，使得评价权重的确定不依赖于人的主观判断，提升评价决策过程的效率和客观性。

技术领域

本发明涉及权重计算、知识图谱技术领域，具体涉及一种基于知识图谱的评价权重计算方法。

背景技术

知识图谱是通过多种来源收集数据信息而建立的知识库，是知识的集合。知识图谱在2012年由Google正式提出，用以提升搜索引擎的能力，改善用户的搜索体验。知识图谱本质上是一种语义网络，其以图的形式表现客观世界中的实体及其之间的关系。知识图谱中的节点表示实体，节点间的边表示实体之间的关系。知识图谱技术主要包括知识表示、知识图谱构建、知识图谱应用三个部分，其中，知识图谱构建是形成知识图谱最为关键的环节。目前知识图谱已经在自然语言理解、大数据分析、智能问答、物联网等领域展现出巨大的应用价值，是未来人工智能发展的重要动力。

评价权重计算是确定评价指标体系中各个指标重要程度的过程。评价权重计算方法主要分为三大类：主观评价权重计算方法、客观评价权重计算方法以及主客观组合评价权重计算方法。主观评价权重计算方法有层次分析法、网络分析法、决策实验室分析法等，客观评价权重计算方法有熵权法、主成分分析法等，而主客观组合评价权重计算方法则是将上述两者组合使用得到综合权重。评价权重计算是评价决策过程中的重要环节，对最终的评价结果有重大影响，合理的评价权重能增强评价过程的科学性、合理性。

目前的研究大多采取主客观组合的评价权重计算方法，以主观评价权重为主，客观评价权重为辅，即强调人在评价决策过程中的作用，并对其进行客观修正。但现在的客观评价权重计算方法大多依据单一的指标数据，寻找其分布、变化规律，从而进行赋权，很难发掘指标间更深的联系。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于知识图谱的评价权重计算方法，能够充分利用专家知识等数据，发掘评价指标间的潜在联系，自动计算出评价指标体系中各指标的权重，使得评价权重的确定不依赖于人的主观判断，提升评价决策过程的效率和客观性。

技术方案：为实现上述目的，本发明提供一种基于知识图谱的评价权重计算方法，包括如下步骤：

S1：根据评价相关数据建立评价知识图谱和关键词词向量库，将评价知识图谱作为评价指标体系的评价指标库，将关键词词向量库作为评价指标检索的依据；

S2：结合设定的评价目标和计算的关键词词向量相似度检索指标库中的适配指标形成评价指标体系；

S3：将建立好的评价指标体系转换为有向图，通过有向图节点间的关键词词向量相似度计算出知识推理概率替代现有PageRank算法中的随机游走概率，形成改进的PageRank算法；

S4：依据改进的PageRank算法计算出各节点的PageRank值作为各评价指标的客观权重。

进一步地，所述步骤S1中评价知识图谱的建立方法为：根据评价任务，搜集相关文本数据，采用知识图谱构建技术建立评价知识图谱；

关键词词向量库的建立方法为：对于搜集到的文本数据采用词嵌入算法得到词向量库，然后提取知识图谱各节点的关键词，查找对应词向量形成关键词词向量库。