基于知识图谱的政务知识库构建方法、系统、设备及介质技术方案

本申请公开了一种基于知识图谱的政务知识库构建方法、系统、设备及介质，该方法获取政务知识点信息；通过深度学习模型对所述政务知识点信息进行知识抽取，得到所述政务知识点信息对应的要素信息；根据预先构建的政务服务本体模型和所述要素信息进行知识图谱构建，得到建立好的政务知识库；其中，所述深度学习模型中包括依次连接的输入层、词向量层、双向长短期记忆人工神经网络、注意力机制层和全连接层。该方法可以以知识图谱的方式存储知识点，能够为政务服务的精确搜索和问答服务提供分类、推理等能力，提升服务的准确率，进而可以改善用户的政务咨询体验。本申请可广泛应用于人工智能技术领域内。工智能技术领域内。工智能技术领域内。

【技术实现步骤摘要】
基于知识图谱的政务知识库构建方法、系统、设备及介质


[0001]本申请涉及人工智能
，尤其是一种基于知识图谱的政务知识库构建方法、系统、设备及介质。

技术介绍

[0002]近年来，随着人工智能技术的发展，各类相关的应用正在逐步得到推广普及。知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，能够通过可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。其中，在政务知识库中，可以使用知识图谱存储知识点，为政务服务提供精准搜索和问答服务提供分类、推理等能力，并按照不同维度、实体以图形化方式进行展示。
[0003]相关技术中，一般结合深度学习算法构建知识图谱，深度学习(deep learning)是机器学习的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。编码器
‑
解码器(Encoder
‑
Decoder)的深度学习架构是目前流行的神经网络架构。但是在实际应用中，这种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的政务知识库构建方法，其特征在于，包括以下步骤：获取政务知识点信息；通过深度学习模型对所述政务知识点信息进行知识抽取，得到所述政务知识点信息对应的要素信息；根据预先构建的政务服务本体模型和所述要素信息进行知识图谱构建，得到建立好的政务知识库；其中，所述深度学习模型中包括依次连接的输入层、词向量层、双向长短期记忆人工神经网络、注意力机制层和全连接层。2.根据权利要求1所述的一种基于知识图谱的政务知识库构建方法，其特征在于，所述通过深度学习模型对所述政务知识点信息进行知识抽取，包括：将所述政务知识点信息输入到所述深度学习模型，对所述政务知识点信息进行词嵌入处理，得到第一特征数据；通过所述双向长短期记忆人工神经网络提取所述第一特征数据的上下文特征，得到第二特征数据；通过所述注意力层对所述第二特征数据进行注意力加权处理，得到第三特征数据；通过所述全连接层对所述第三特征数据进行映射处理，完成所述政务知识点信息的知识抽取。3.根据权利要求1所述的一种基于知识图谱的政务知识库构建方法，其特征在于，所述政务服务本体模型通过以下步骤建立：将政务服务按照服务主体、服务对象、服务类型、服务名称或者业务域进行业务建模，得到对应的本体和关系信息；根据所述本体和关系信息，建立政务服务本体模型。4.根据权利要求3所述的一种基于知识图谱的政务知识库构建方法，其特征在于，所述业务域包括自然人业务域和法人业务域。5.根据权利要求3所述的一种基于知识图谱的政务知识库构建方法，其特征在于，所述通过深度学习模型对所述政务知识点信息进行知识抽取，得到所述政务知识点信息对应的要素信息，包括：通过深度学习模型对所述政务知识点信息进行知识抽取，得到所述政务知识点信息对应的业务域类...

【专利技术属性】
技术研发人员：王进宏，王宏军，郑坚财，骆东亮，
申请(专利权)人：北京北明数科信息技术有限公司，
类型：发明
国别省市：