一种用于结构化表格数据知识图谱的构建方法技术

本发明专利技术涉及一种用于结构化表格数据知识图谱的构建方法，包括以下步骤：获取源数据；对源数据进行预处理，以生成得到单词林；根据实体核搜索算法，从单词林中筛选得到实体核；基于实体核，根据主表筛选算法，依次确定实体对应的实体主表、实体关系表和无效表；结合规则组合以及最大连续字符匹配的方式，以确定实体属性；根据实体属性、实体主表、实体关系表以及表格外键约束信息，确定实体关系，以完成本体的构建；按照本体，将表格数据导入图数据库中，得到对应的知识图谱。与现有技术相比，本发明专利技术通过深入挖掘结构化表格数据，以得到包含实体、实体属性及实体关系的本体，能够实现自动、高效、准确构建对应知识图谱的目的。

【技术实现步骤摘要】
一种用于结构化表格数据知识图谱的构建方法
本专利技术涉及知识图谱
，尤其是涉及一种用于结构化表格数据知识图谱的构建方法。
技术介绍
随着人工智能领域的不断发展和渗透，越来越多的企业使用人工智能相关技术深化应用场景，企业数据的数量和种类也随之增加，传统的关系型数据库可以达到海量数据存储的目的，但无法满足企业日益增长的个性化和智能化需求，于是探索新的数据表示形式，探索数据之间的关系，挖掘数据深层次的价值成了企业未来的发展方向。知识图谱是近年来人工智能领域新的知识体系组织形式，其以图的方式展现知识、以三元组的结构存储知识，相比于传统的表格存储数据，知识图谱具备更广阔、更先进的应用前景，而如何将传统关系型数据库里的表格数据便捷、准确地转换成图数据库里的知识、构建知识图谱，则是企业数据管理和分析人员亟需解决的问题。传统构建知识图谱的方式是人工手动构建，即人为定义本体、定义构建知识图谱所需的实体、实体属性及实体关系，并按照本体从具体数据中提取相关知识，自顶向下构建知识图谱，这是领域知识图谱构建的一般方法，由于结构化表格数据通常是复杂且本文档来自技高网...

【技术保护点】
1.一种用于结构化表格数据知识图谱的构建方法，其特征在于，包括以下步骤：/nS1、获取源数据，其中，源数据包括表格结构、表格数据和表格外键约束信息；/nS2、对源数据进行预处理，以生成得到单词林；/nS3、根据实体核搜索算法，从单词林中筛选得到实体核；/nS4、基于实体核，根据主表筛选算法，依次确定实体对应的实体主表、实体关系表和无效表，其中，实体具体为与实体核相组合的单词；/nS5、结合规则组合以及最大连续字符匹配的方式，以确定实体属性；/nS6、根据实体属性、实体主表、实体关系表以及表格外键约束信息，确定实体关系，以完成本体的构建；/nS7、按照本体，将表格数据导入图数据库中，得到对应的知...

【技术特征摘要】
1.一种用于结构化表格数据知识图谱的构建方法，其特征在于，包括以下步骤：
S1、获取源数据，其中，源数据包括表格结构、表格数据和表格外键约束信息；
S2、对源数据进行预处理，以生成得到单词林；
S3、根据实体核搜索算法，从单词林中筛选得到实体核；
S4、基于实体核，根据主表筛选算法，依次确定实体对应的实体主表、实体关系表和无效表，其中，实体具体为与实体核相组合的单词；
S5、结合规则组合以及最大连续字符匹配的方式，以确定实体属性；
S6、根据实体属性、实体主表、实体关系表以及表格外键约束信息，确定实体关系，以完成本体的构建；
S7、按照本体，将表格数据导入图数据库中，得到对应的知识图谱。


2.根据权利要求1所述的一种用于结构化表格数据知识图谱的构建方法，其特征在于，所述步骤S1具体是从传统关系型数据库中获取源数据，所述源数据的表格结构包括表名和列名。


3.根据权利要求2所述的一种用于结构化表格数据知识图谱的构建方法，其特征在于，所述步骤S2具体是采用分词工具或分词规则将所有表名、列名拆分成单词碎片，若表名或列名为英文，则继续对单词碎片进行标准化处理，所述标准化处理包括去除时态、单复数以及大小写干扰，以得到标准化的小写的单词集合。


4.根据权利要求2所述的一种用于结构化表格数据知识图谱的构建方法，其特征在于，所述步骤S3中实体核搜索算法具体为：
S31、获取单词对应的实体核搜索第一要素：判断单词在所有表名或列名中是否出现，若单词在某表名或列名中出现，则标记为1，否则标记为0，将所有标记1累加后除以所有表格总数，即得到该单词对应的实体核搜索第一要素；
S32、获取单词对应的实体搜索第二要素：当单词作为其他单词的前缀或后缀时，统计其他单词的种类数目，即为该单词对应的实体核搜索第二要素；
S33、将单词对应的实体核搜索第一要素和第二要素进行求积运算，得到单词对应的实体核计算值；
S34、将所有单词对应的实体核计算值按照从大到小的顺序进行排序，并排除对应于日期的单词，排序第一的单词即为实体核。


5.根据权利要求2所述的一种用于结构化表格数据知识图谱的构建方法，其特征在于，所述步骤S4中主表筛选算法具体为：
S41、获取表格对应的主表筛选第一要素：判断表名中是否存在该实体，若存在，则标记为1，否则标记为0；
S42、获取表格对应的主表筛选第二要素：判断表名中是否存在其他实体，若存在，则标记为0，否则标记为1；
S43、获取表格对应的主表筛选第三要素：判断表格的列名中是否存在实体核和实体的组合，若存在，则标记为1，否则标记为0；
S44、获取表格对应的主表筛选第四要素：统计表格所有列名中出现实体的次数，即为该表格对应的主表筛选第四要素；
S45、获取表格对应的主表筛选第五要素：判断表格的列名中是否存在实体核和实体的组合，若存在，则计算该表格的表名长度，即为该表格对应的主表筛选第五要素，...

【专利技术属性】
技术研发人员：顾磊，陈骁，
申请(专利权)人：上海爱数信息技术股份有限公司，
类型：发明
国别省市：上海;31