语义图谱构建方法及装置制造方法及图纸

本公开公开了一种语义图谱构建方法及装置，包括基于机器学习算法对相同属性类型的文章内容进行共同特征抽取，得到相同属性类型的文章内容对应的多个共同主题；针对每一个主题，生成围绕主题的知识点模板；针对每一个知识点模板，生成多种询问方式的问句模板，得到语义图谱模型。通过在获取到相同属性类型的文章内容后，基于机器学习算法，建立语义图谱的模型。语义图谱以主题为出发点，以知识点为中间层，以问句为末端层的三层星状结构。实现了以语义图谱表示知识的方法，基于建立的模型可以快速生成不同主题的不同的知识。以快速生成不同主题的不同的知识。以快速生成不同主题的不同的知识。

【技术实现步骤摘要】
语义图谱构建方法及装置


[0001]本公开涉及数据处理
，具体涉及到一种语义图谱构建方法及装置。

技术介绍

[0002]目前知识的表征一般使用知识图谱，相关技术中的知识图谱的结构由节点和边组成。每个节点表示一个“实体”，每条边为实体与实体之间的“关系”，实体指的可以是现实世界中的事物，比如人、地名、公司、电话、动物等；关系则用来表达不同实体之间的某种联系。
[0003]知识图谱通过实体和实体之间的关系建立了一个语义网络；它处理的对象是关键字，在搜索时代发挥了积极的作用。但是在处理句子语义时，知识图谱的处理功能比较有限。

技术实现思路

[0004]本公开的主要目的在于提供一种语义图谱构建方法及装置。
[0005]为了实现上述目的，根据本公开的第一方面，提供了一种语义图谱构建方法，包括：基于机器学习算法对相同属性类型的文章内容进行共同特征抽取，得到所述相同属性类型的文章内容对应的多个共同主题；针对每一个主题，生成围绕主题的知识点模板；针对每一个知识点模板，生成多种询问方式的问句模板，得到语义图谱模型。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义图谱构建方法，其特征在于，包括：基于机器学习算法对相同属性类型的文章内容进行共同特征抽取，得到所述相同属性类型的文章内容对应的多个共同主题；针对每一个主题，生成围绕主题的知识点模板；针对每一个知识点模板，生成多种询问方式的问句模板，得到语义图谱模型。2.根据权利要求1所述的语义图谱构建方法，其特征在于，所述方法还对所述语义图谱模型进行第一演化，包括：在获取到文章内容后，基于所述语义图谱模型对所述文章进行特征抽取，以抽取所述文章内容的主题、每一个主题对应的知识点、以及每一个知识点对应的多种询问方式，得到所述文章内容对应的语义图谱。3.根据权利要求2所述的语义图谱构建方法方法，其特征在于，所述方法还包括：响应于接收到终端设备发送的自然语言数据，对所述自然语言数据进行语义识别；在所述问句中确定语义与所述自然语言语料文本的语义相似的目标语义，并将目标语义对应的问句确定为目标问句；将所述目标问句对应的知识点发送至所述终端设备。4.根据权利要求1所述的语义图谱构建方法，其特征在于，所述方法还包括对所述语义图谱模型进行第二演化包括:基于机器学习算法和实时获取的文章内容，更新所述语义图谱模型中的主题、更新知识点模板、更新问句模板。5.根据权利要求2所述的语义图谱构建方法，其特征在于，还对所述文章内容对应的语义图谱的知识点进行更新。6.根据权利要求2所述的语义图谱构建方法，其特征在于，所述方法还包括：针对演化后的当前语义图谱中的每一个主题，生成与主题...

【专利技术属性】
技术研发人员：彭军辉，
申请(专利权)人：北京小谛机器人科技有限公司，
类型：发明
国别省市：