一种图谱网络的应用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应用方法，包括以下步骤：加载图谱网络，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；根据图谱网络的内容确定话题主标题节点；在图谱网络中进行图谱路径搜索，获取与话题主标题节点连通的相关元素节点和相关标题节点；筛选相关元素节点和相关标题节点，获取有效话题集合；根据相关标题节点对应的时间进行时间排序，生成有效话题有序集合。根据上述技术方案，可以对关联的不同种类信息进行不同的权重计算，根据实际情况调整不同信息关联的权重，使量化的方式更精准,对图谱网络的使用更灵活。准,对图谱网络的使用更灵活。准,对图谱网络的使用更灵活。

【技术实现步骤摘要】
一种图谱网络的应用方法和装置


[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应用方法和装置。

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。在本领域中，使用图谱网络可以将各类信息的元素进行关联。
[0003]计算图谱网络中各元素之间的联系时，常用方法是通过统计的方法量化联系的程度，但如果不对关联的种类进行不同权重计算，会造成非重点信息关联程度提升，重点信息关联程度下降。另一方面，也不能针对内容的特点，微调重点信息的关联程度。
[0004]因此需要一种针对不同类型的关系，采用不同权重的查询方式，对图谱网络进行有效应用的技术方案。

技术实现思路

[0005]为解决以上问题，本申请提供了一种图谱网络的应用方法，包括以下步骤：
[0006]加载图谱网络，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]根据图谱网络的内容确定话题主标题节点；
[0008]在图谱网络中进行图谱路径搜索，获取与话题主标题节点连通的相关元素节点和相关标题节点；
[0009]筛选相关元素节点和相关标题节点，获取有效话题集合；
[0010]根据相关标题节点对应的时间进行时间排序，生成有效话题有序集合。
[0011]其中，筛选相关元素节点和相关标题节点的方法还包括时间筛选：获取话题相关标题节点对应的时间边界，剔除时间范围外的相关元素节点和相关标题节点；其中，时间边界包括所述话题集合对应的最小时限和最大时限。
[0012]进一步的，筛选所述相关元素节点和相关标题节点的方法，还包括关联分值筛选，包括以下步骤：
[0013]量化关系，计算相关标题节点与所述主标题节点的关联关系，生成话题相关标题节点的关联分值；
[0014]清除关联分值不符合要求的相关元素节点和相关标题节点。
[0015]进一步的，关系元素的内容包括：人物、国家、省份、城市、主宾语、谓语。
[0016]进一步的，量化关系的计算公式为：
[0017]score
i
＝log(C
ner
‑
i
×
W
ner
+C
loc0
‑
i
×
W
loc0
+C
loc1
‑
i
×
W
loc1
+C
loc2
‑
i
×
W
loc2
+C
spo0
‑
i
×
W
spo0
+C
spo1
‑
i
×
W
spo1
)
‑
α，
[0018]其中，α是偏移常量；
[0019]C
ner
‑
i
＝Length(ner
root
Ι ner
i
)，表示人物元素节点个数，W
ner
为对应权重系数；
[0020]C
loc0
‑
i
＝Length(loc0
root
Ι loc0
i
)，表示国家元素节点个数，W
loc0
为对应权重系数；
[0021]C
loc1
‑
i
＝Length(loc1
root
Ι loc1
i
)，表示省份元素节点个数，W
loc1
为对应权重系数；
[0022]C
loc2
‑
i
＝Length(loc2
root
Ι loc2
i
)，表示城市元素节点个数，W
loc2
为对应权重系数；
[0023]C
spo0
‑
i
＝Length(spo0
root
Ι spo0
i
)，表示主宾语元素节点个数，W
spo0
为对应权重系数；
[0024]C
spo1
‑
i
＝Length(spo1
root
Ι spo1
i
)，表示谓语元素节点个数，W
spo1
为对应权重系数。
[0025]进一步的，时间筛选的计算方法指：
[0026]`E
final
＝TimeFilter(E
score
,min_time
S
‑
Δmin
t
,max_time
S
+Δmax
t
)；
[0027]其中，E
score
为所述网络谱对应所有话题集合；，min_time
S
为所述话题时间边界之最小值；max_time
S
为话题时间边界之最大值，Δmin
t
为常量，表示以话题主标题节点的话题时间边界为基础，最小时间扩展的时间范围；
[0028]Δmax
t
为常量，表示以话题主标题节点的话题时间边界为基础，最大时间扩展的时间范围。
[0029]另一方面，本申请提供了一种图谱网络的应用装置，包括：
[0030]图谱网络加载模块：用于加载已生成的图谱网络，其结构包括标题节点、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，其关系元素的内容包括：人物、国家、省份、城市、主宾语、谓语。
[0031]数据计算模块：用于在图谱网络中进行图谱路径搜索，计算结果为有效话题集合；
[0032]集合输出模块：用于对指定有效话题集合进行排序，生成有效话题有序集合并输出。
[0033]进一步的，数据计算模块包括：
[0034]主标题节点确定子模块：用于根据图谱网络的内容确定话题主标题节点；
[0035]计算搜索子模块：用于在图谱网络中进行图谱路径搜索，获取与话题主标题节点连通的相关元素节点和相关标题节点；
[0036]集合处理子模块：用于筛选相关元素节点和相关标题节点，获取有效话题集合。
[0037]进一步的，数据计算模块还包括计算规则确定子模块，用于量化相关元素节点和相关标题节点的关系，根据量化值确定筛选确定有效话题集合，其计算公式为：
[0038]score
i
＝log(C
ner
‑
i
×
W
ner
+C
loc0
‑
i
×...

【技术保护点】

【技术特征摘要】
1.一种图谱网络的应用方法，其特征在于，包括以下步骤：加载图谱网络，所述图谱网络的结构包括标题节点、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；根据所述图谱网络的内容确定话题主标题节点；在所述图谱网络中进行图谱路径搜索，获取与所述话题主标题节点连通的相关元素节点和相关标题节点；筛选所述相关元素节点和相关标题节点，获取有效话题集合；根据所述相关标题节点对应的时间进行时间排序，生成有效话题有序集合。2.根据权利要求1所述的图谱网络的应用方法，其特征在于，所述筛选所述相关元素节点和相关标题节点的方法，包括时间筛选：获取所述话题相关标题节点对应的时间边界，剔除时间范围外的相关元素节点和相关标题节点；其中，所述时间边界包括所述话题集合对应的最小时限和最大时限。3.根据权利要求1所述的图谱网络的应用方法，其特征在于，所述筛选所述相关元素节点和相关标题节点的方法，还包括关联分值筛选，包括以下步骤：量化关系，计算所述相关标题节点与所述主标题节点的关联关系，生成所述话题相关标题节点的关联分值；清除关联分值不符合要求的相关元素节点和相关标题节点。4.根据权利要求3所述的图谱网络的应用方法，其特征在于，所述关系元素的内容包括：人物、国家、省份、城市、主宾语、谓语。5.根据权利要求4所述的图谱网络的应用方法，其特征在于，所述量化关系的计算公式为：score
i
＝log(C
ner
‑
i
×
W
ner
+C
loc0
‑
i
×
W
loc0
+C
loc1
‑
i
×
W
loc1
+C
loc2
‑
i
×
W
loc2
+C
spo0
‑
i
×
W
spo0
+C
spo1
‑
i
×
W
spo1
)
‑
α，其中，α是偏移常量；C
ner
‑
i
＝Length(ner
root Ι ner
i
)，表示人物元素节点个数，W
ner
为对应权重系数；C
loc0
‑
i
＝Length(loc0
root Ι loc0
i
)，表示国家元素节点个数，W
loc0
为对应权重系数；C
loc1
‑
i
＝Length(loc1
root Ι loc1
i
)，表示省份元素节点个数，W
loc1
为对应权重系数；C
loc2
‑
i
＝Length(loc2
root Ι loc2
i
)，表示城市元素节点个数，W
loc2
为对应权重系数；C
spo0
‑
i
＝Length(spo0
root Ι spo0
i
)，表示主宾语元素节点个数，W
spo0
为对应权重系数；C
spo1
‑
i
＝Length(spo1
root Ι spo1
i
)，表示谓语元素节点个数，W
spo1
为对应权重系数。6.根据权利要求2所述的图谱网络的应用方法，其特征在于，所述时间筛选的计算方法指：`E
final
＝TimeFilter(E
score
,min_time
S
‑
Δmin
t
,max_time
S
+Δmax
t
)；其中，...

【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：