一种图谱网络的生成方法和装置制造方法及图纸

本发明专利技术公开了一种图谱网络的生成方法，包括以下步骤：定义图谱网络的结构，结构包括标题节点、元素节点和节点路径；其中，节点路径为标题节点与元素节点之间的关系元素；获取信息来源文本，对信息来源文本进行解析，获取文本标题和文本内容；对文本内容进行结构化处理，生成图谱网络。根据上述技术方案，可以提高生成图谱网络的灵活度，增加了扩展性，使对各种信息进行关联时，内容更清晰、准确、实现过程更灵活高效。灵活高效。灵活高效。

【技术实现步骤摘要】
一种图谱网络的生成方法和装置


[0001]本专利技术涉及计算机应用领域，具体而言，涉及一种图谱网络的生成方法和装置。

技术介绍

[0002]如今互联网信息爆炸式增长，信息来源繁多，一个事件在一定时间内，来自不同来源的信息量会大量增长，在对信息的管理中，每新增一条信息，需要对信息的关联进行把控。在本领域中，图谱网络是一种将各种信息进行关联的方法。
[0003]目前常用的生成图谱网络的方式有很多种，常用的文本关联方式生成图谱网络时，计算信息之间的关联容易边界不清晰，易受相近词干扰，导致关联错误，特别是在要求关联严谨的应用场景，需要额外的大量处理才能提高关联的准确度；另一方面，图谱网络的结构如果过于复杂，元素节点之间还会间隔着多层关系，在构成图谱网络时，或者是在现有的基础上增加新的信息时，需要与已有所有信息计算关联，计算量大。
[0004]因此需要一种清晰、准确、灵活高效地对各种信息进行关联的图谱网络结构及生成的方案。

技术实现思路

[0005]第一方面，为实现上述目的，本申请提供了一种图谱网络的生成方法，包括以下步骤：
[0006]定义图谱网络的结构，包括标题节点、元素节点和节点路径；其中，节点路径为标题节点与元素节点之间的关系元素。
[0007]获取信息来源文本，对信息来源文本进行解析，获取文本标题和文本内容；
[0008]对文本内容进行结构化处理，生成图谱网络，其中结构化处理与所述图谱网络的结构匹配。
[0009]在对所述文本内容进行结构化处理前，解析所述文本内容，获得基本元素和主题三元组，主题三元组包括：三元组主语、三元组谓语、三元组宾语；
[0010]基本元素包括：主题时间、主题地区、主题人物机构名称；
[0011]对关系元素进行配置，关系元素的范围包括：人物、国家、省份、城市、三元组主宾语、三元组谓语。
[0012]进一步的，结构化处理包括：
[0013]将文本标题匹配为标题节点；
[0014]将基本元素匹配为元素节点；
[0015]将三元组主语、三元组宾语匹配为元素节点；
[0016]从关系元素中选择元素节点与标题节点之间的节点路径。
[0017]进一步的，解析所述文本内容包括，提取时间、提取地点、提取人物机构名称；
[0018]其中，所述提取时间包括：标准时间词提取、特殊时间词提取、时间补全和标记时间边界。
[0019]其中，提取地点包括：词表搜索提取地名、地区补全处理；执行提取地区前，构造地点结构树，用于所述地区补全处理。
[0020]其中，提取人物机构名称包括：准备文本内容、标记特征位置、训练BERT 模型、使用所述BERT模型获取人物机构名称。
[0021]进一步的，标记时间边界指：获取一个文本内容中的一个或多个时间，提取一个主题包括的时间集合，从中确定最大时间，确定最小时间，标记最大时间和所小时间为时间边界。
[0022]另一方面，本申请提供了一种图谱网络的生成装置，包括：
[0023]图谱网络结构确定模块：用于确定图谱网络结构，本专利技术中的图谱网络结构包括标题节点、元素节点和节点路径；其中，节点路径为标题节点与元素节点之间的关系元素。
[0024]信息输入模块：用于获取信息来源文本，对信息来源文本进行解析，输出文本标题和文本内容；
[0025]结构化文本处理模块：用于将信息输入模块输出的文本标题和文本内容生成图谱网络，图谱网络符合图谱网络结构确定模块提供的结构规则；
[0026]图谱网络输出模块：存储和输出需要的图谱网络。
[0027]进一步的，结构化文本处理模块还包括：
[0028]结构数据处理子模块：用于处理文本内容，抽取基本元素，所述基本元素包括主题时间、主题地区、主题人物机构名称：
[0029]三元组处理子模块：用于处理文本内容，解析生成三元组信息，三元组信息包括：三元组主语、三元组宾语和三元组谓语；
[0030]图谱网络匹配子模块：获取匹配规则，生成图谱网络，其中图谱网络的数据来自所述基本元素和三元组信息。
[0031]在生成图谱网络的过程即结构与数据的匹配，匹配规则在图谱网络结构确定模块定义，包括：
[0032]将文本标题匹配为标题节点；
[0033]将基本元素匹配为元素节点；
[0034]将三元组主语、三元组宾语匹配为元素节点；
[0035]选择元素节点与标题节点之间的节点路径。
[0036]本专利技术中采用了单层间隔元素节点的简化型图谱网络，节点之间采用了文本片段，因此，避免了相近词的干扰，缩小了关联范围，提高了关联的准确率。本专利技术中对功能的封装，提高了处理的灵活度，增加了扩展性，使对各种信息进行关联时，内容更清晰、准确、实现过程更灵活高效。
附图说明
[0037]图1是根据本专利技术实施例提供的微博话题原始信息图；；
[0038]图2是根据本专利技术实施例提供的图谱网络的生成流程图；
[0039]图3是根据本专利技术实施例提供的图谱网络结构图；
[0040]图4是根据本专利技术实施例提供的地点结构树示意图；
[0041]图5是根据本专利技术实施例提供的提取人物机构名称的计算流程图；
[0042]图6是根据本专利技术实施例提供的图谱网络生成装置结构图。
具体实施方式
[0043]下面结合说明书附图对本专利技术的具体实现方式做一详细描述。
[0044]本专利技术提供的图谱网络的生成方法，基于文本信息的内容，对文本信息进行核心数据的抽取，并对关键词的结构化，匹配至图谱网络的结构节点，以网状显示一条信息中各元素的关系，多信息之间各元素的关系，以实现多信息多角度的关联。采用本申请的图谱网络结构，可以对多种话题、新闻资讯建立关联，关联的方式可以是话题、人物、事件等，根据不同的关联因素可以生成不同的思维导图，例如应用在话题分类中生成主题事件脉落。
[0045]本文中以微博场景下的一个案例举例进行说明：微博的内容具备话题性质，信息的创作者，会以#号嵌入话题的标题，而发布信息，即文本信息中，话题与话题之间并没有联系，属于同一个事件的多个话题。如图1所示。
[0046]图2是本专利技术实施例中提供的图谱网络的生成方法流程图，如图所示，包括以下步骤：
[0047]S100:定义图谱网络的结构，包括标题节点、元素节点和节点路径，节点路径为标题节点与元素节点之间的关系元素，一个标题节点与多个元素节点对应。在图谱网图的展示中，标题节点用方框表示，元素节点用椭圆框表示。
[0048]图2为本专利技术实施例提供的图谱网络结构图，如图3中展示了三个话题，即三个标题节点，三个话题相关的关系元素，如地区、人物、事件，三个标题节点与各关系元素的关系定义。
[0049]确定结构后，在以下步骤中填充将图谱网络中的各元素和路径。
[0050]S110:获取信息来源文本，对所述信息来源文本进行解析，获取文本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图谱网络的生成方法，其特征在于，包括以下步骤：定义图谱网络的结构，所述结构包括标题节点、元素节点和节点路径；其中，所述节点路径为标题节点与元素节点之间的关系元素；获取信息来源文本，对所述信息来源文本进行解析，获取文本标题和文本内容；对所述文本内容进行结构化处理，生成图谱网络，其中所述结构化处理与所述图谱网络的结构匹配。2.根据权利要求1所述的图谱网络的生成方法，其特征在于，所述对所述文本内容进行结构化处理前，解析所述文本内容，获得基本元素和主题三元组，所述主题三元组包括：三元组主语、三元组谓语、三元组宾语；所述基本元素包括：主题时间、主题地区、主题人物机构名称；配置所述关系元素范围，包括：人物、国家、省份、城市、三元组主宾语、三元组谓语。3.根据权利要求2所述的图谱网络的生成方法，其特征在于，所述结构化处理包括：将所述文本标题匹配为标题节点；将所述基本元素匹配为元素节点；将所述三元组主语、三元组宾语匹配为元素节点；从所述关系元素范围中选择元素节点与标题节点之间的节点路径。4.根据权利要求2所述的图谱网络的生成方法，其特征在于，所述解析所述文本内容包括，提取时间、提取地点、提取人物机构名称；其中，所述提取时间包括：标准时间词提取、特殊时间词提取、时间补全和标记时间边界。5.根据权利要求4所述的图谱网络的生成方法，其特征在于，所述提取地点包括：词表搜索提取地名、地区补全处理；其中，执行所述提取地区前，构造地点结构树，用于所述地区补全处理。6.根据权利要求4所述的图谱网络的生成方法，其特征在于，所述提取人物机构名称包括：准备文本内容、标记特征位置、训练...

【专利技术属性】
技术研发人员：欧锦华，李晓鹏，田丹，高瑞雪，
申请(专利权)人：广州启生信息技术有限公司，
类型：发明
国别省市：