基于融合路径权重相似度判断关联事件的方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于融合路径权重相似度判断关联事件的方法及装置，该方法包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。阈值的多个事件辅助判断为关联事件。阈值的多个事件辅助判断为关联事件。

【技术实现步骤摘要】
基于融合路径权重相似度判断关联事件的方法及装置


[0001]本专利技术涉及一种基于事件间融合路径权重相似度判断关联事件的方法及装置。

技术介绍

[0002]现有技术中对关联事件的处理方式，是通过人的经验来对已有的数据进行分析，来确定事件之间是否存在关联，效率低，准确性差。

技术实现思路

[0003]本专利技术提供一种基于事件间融合路径权重相似度判断关联事件的方法及装置，能够改善办事效率。
[0004]为实现上述目的，本专利技术一方面提供一种基于事件间的融合路径权重相似度辅助判断关联事件的方法，包括：
[0005]构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；
[0006]计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；
[0007]将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。
[0008]优选地，所述构建事件知识图谱包括：
[0009]构建事件概念本体，所述事件概念本体包括事件的多个概念要素；
[0010]基于信息抽取算法，对事件中的关键要素进行抽取；
[0011]将抽取的关键要素进行概念化处理，并于所述事件概念本体建立关联，形成事件知识图谱。
[0012]优选地，所述计算不同事件中抽取的要素的概念之间的路径相似度包括：
[0013]根据构建的事件概念本体库的概念层次关系，基于不同事件中两个细粒度的概念在概念层次中的深度和路径关系，通过下式计算两个细粒度概念之间的相似度Sim(c
i
，c
j
)：
[0014][0015]其中，depth(c
i
)和depth(c
j
)分别是术语c
i
和c
j
在概念层次中的深度， depth(c
lcs
)表示术语c
i
和c
j
在概念层次中共同父概念的深度。
[0016]优选地，所述计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度包括：
[0017]针对事件j1和j2利用下式计算事件间的相似度Sim(j1，j2)：
[0018]Sim(j1，j2)＝α1×
SimC1+α2×
SimC2+
…
+α
n
×
SimCn
[0019]其中，SimCi表示事件j1和j2在Ci概念下两个细粒度概念的相似度，α
i
是加权求和中SimCi对应的权重。
[0020]本专利技术另一方面还提供一种基于综合相似度辅助判断关联事件的方法，包括：
[0021]基于事件间的融合路径权重相似度计算事件间的第一类型相似度；
[0022]基于事件间的语义相似度计算事件间的第二类型相似度；
[0023]基于专家规则计算事件间的第三类型相似度；
[0024]基于第一类型相似度、第二类型相似度和第三类型相似度，辅助判断事件之间是否为关联事件；
[0025]其中，基于事件间的融合路径权重相似度计算事件间的第一类型相似度包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到第一类型相似度。
[0026]本专利技术再一方面还提供一种计算机，包括处理器和存储器，所述处理器用于执行存储器中存储的指令以执行如下步骤：
[0027]构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；
[0028]计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；
[0029]将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。
[0030]本专利技术再一方面还提供一种计算机，包括处理器和存储器，所述处理器用于执行存储器中存储的指令以执行如下步骤：
[0031]基于事件间的融合路径权重相似度计算事件间的第一类型相似度；
[0032]基于事件间的语义相似度计算事件间的第二类型相似度；
[0033]基于专家规则计算事件间的第三类型相似度；
[0034]基于第一类型相似度、第二类型相似度和第三类型相似度，辅助判断事件之间是否为关联事件；
[0035]其中，基于事件间的融合路径权重相似度计算事件间的第一类型相似度包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到第一类型相似度。
[0036]本实施例提供的技术方案能够通过知识图谱技术确定事件间的关联，辅助发现关联事件，提高办事效率。
[0037]本专利技术的其他有益效果将在说明书中进行进一步说明。
附图说明
[0038]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术实施例一提供的一种基于事件间的融合路径权重相似度辅助判断关联事件的方法的流程示意图；
[0040]图2为本专利技术另一实施例还提供一种基于综合相似度辅助判断关联事件的方法的流程示意图；
[0041]图3是图2中步骤S301的一种具体实现流程图；
[0042]图4是图2中步骤S302的一种具体实现流程图；
[0043]图5是图2中步骤S303的一种具体实现流程图。
具体实施方式
[0044]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳实施方式。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本专利技术的公开内容理解的更加透彻全面。
[0045]图1示出了本专利技术实施例一提供的一种基于事件间的融合路径权重相似度辅助判断关联事件的方法的流程示意图。该方法包括如下步骤：
[0046]步骤S101：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识。
[0047]事件图谱的目的是为了将事件转化为结构化的知识，让机器可以理解事件，并且发现事件之间的一些关联关系。构建事件图谱首先是构建事件概念本体，然后基于本体进行要素信息抽取，将抽取的要素存储到图数据库构成事件知识图谱，供后续关联事件关系发现。
[0048]具体地，事件概念本体的构建可以基于事件7何要(何时、何地、何事、何人、何因、何物、何果)对事件中涉及到的涉事人员，涉事地址，涉事物品，涉事时间，涉事手段等几大类概念要素进行细分，得到用于刻画事件的概念本体。由此，事件概念本体包括事件的多个概念要素。
[0049]对事件中的关键要素进行抽取的过程可以基于信息收取算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件间的融合路径权重相似度辅助判断关联事件的方法，其特征在于，包括：构建事件知识图谱，所述事件知识图谱将事件转化为结构化知识；计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度；将事件间相似度大于第一阈值的多个事件辅助判断为关联事件。2.如权利要求1所述的方法，其特征在于，所述构建事件知识图谱包括：构建事件概念本体，所述事件概念本体包括事件的多个概念要素；基于信息抽取算法，对事件中的关键要素进行抽取；将抽取的关键要素进行概念化处理，并于所述事件概念本体建立关联，形成事件知识图谱。3.如权利要求2所述的方法，其特征在于，所述计算不同事件中抽取的要素的概念之间的路径相似度包括：根据构建的事件概念本体库的概念层次关系，基于不同事件中两个细粒度的概念在概念层次中的深度和路径关系，通过下式计算两个细粒度概念之间的相似度Sim(c
i
,c
j
)：其中，depth(c
i
)和depth(c
j
)分别是术语c
i
和c
j
在概念层次中的深度，depth(c
lcs
)表示术语c
i
和c
j
在概念层次中共同父概念的深度。4.如权利要求3所述的方法，其特征在于，所述计算不同事件中抽取的要素的概念之间的路径相似度进行加权求和，得到所述事件间的相似度包括：针对事件j1和j2利用下式计算事件间的相似度Sim(j1,j2)：Sim(j1,j2)＝α1×
SimC1+α2×
SimC2+
…
+α
...

【专利技术属性】
技术研发人员：陈耀玲，石庭豪，李明洹，
申请(专利权)人：苏州智汇谷科技服务有限公司，
类型：发明
国别省市：