一种基于Skyline的知识图谱语义地点检索方法及装置制造方法及图纸

本发明专利技术公开了一种基于Skyline的知识图谱语义地点检索方法及装置，用户输入用户所在位置，查询关键词，所需返回地点数量k；提取RDF图中地点实体所包含的坐标信息，构建R

【技术实现步骤摘要】
一种基于Skyline的知识图谱语义地点检索方法及装置


[0001]本专利技术属于知识图谱空间数据检索领域，具体涉及一种基于Skyline(天际线)的知识图谱语义地点检索方法及装置。

技术介绍

[0002]信息检索是人们获取信息的重要方法和手段，相关研究显示，用户在搜索引擎中检索的信息超过28％与地理位置相关，如景点、饭店和城市地址等。传统基于文本关键词的检索方式已经无法满足用户的语义需求，因此基于知识图谱的信息检索应运而生。RDF(Resource Description Framework，资源描述框架)是知识图谱中广泛使用的描述实体之间和实体间关系的数据模型，随着其数据规模的不断增长，其中一些节点引入了空间坐标信息，即RDF数据中包含地理实体，这为语义地点检索提供了新方法。
[0003]目前RDF数据检索的主流方法分为以下两种：(1)结构化语言(如SPARQL)查询；(2)关键词检索。结构化语言查询方法限制了普通用户访问RDF数据，更适用于领域专家，而关键词检索技术增加了普通用户的适用性。传统kSP(Top
‑
k Relevant Semantic Place Retrieval，Top
‑
k相关语义地点检索)方法可以返回以地点实体为根节点的子树，该子树覆盖所有检索关键词，并通过排名函数选出Top
‑
k个结果。但仍存在以下问题：
[0004](1)kSP检索过程中需要做到每一个关键词的精确匹配，然而，查询关键词与RDF数据关键词集之间往往存在着大量含义接近却表述不同的单词。这导致了kSP查询会错过大量潜在的结果，并最终导致返回结果有限的问题；
[0005](2)kSP所使用的Top
‑
k排序函数将多目标问题转化为单目标优化，对影响因素不敏感，易受权值参数的影响，容易产生极值，导致查询结果不能满足用户需求。

技术实现思路

[0006]专利技术目的：为了克服上述现有技术的不足，提供一种基于Skyline的地点检索方法及装置，能够平衡空间距离和语义相关度，并且检索效率高。
[0007]技术方案：本专利技术提供一种基于Skyline的知识图谱语义地点检索方法，包括以下步骤：
[0008](1)用户输入查询：用户所在位置，查询关键词，所需返回地点数量k；
[0009](2)提取RDF图中地点实体所包含的坐标信息，构建R
‑
tree索引及地点关键词集，生成词向量集；
[0010](3)根据提出的基于Skyline的语义地点检索算法返回Top
‑
k个地点。
[0011]进一步地，步骤(2)所述构建地点关键词集实现过程如下：
[0012]从RDF图节点URI中提取节点名称，与节点标签值一起使用“_”符号进行分词；通过去重处理，生成一般关键词集；将地点实体及其子结点的一般关键词集进行拼接去重；形成地点关键词集。
[0013]进一步地，步骤(2)所述生成词向量集实现过程如下：
[0014]输入地点关键词集与用户查询关键词集；使用Word2vec模型实现对关键词的词向量转换工作；输出词向量集。
[0015]进一步地，所述步骤(3)包括以下步骤：
[0016](31)基于用户位置检索R
‑
tree，由近及远返回一系列地点；
[0017](32)计算每个地点与用户所在位置的空间距离；
[0018](33)计算每个地点与查询关键词的语义相关度；
[0019](34)重复步骤(32)和(33)，直到遍历完所有地点；
[0020](35)基于Skyline的语义地点检索算筛选出Top
‑
k个地点。
[0021]进一步地，所述步骤(33)包括如下步骤：
[0022](331)计算查询关键词集q.ψ与地点关键词集np.ψ之间的语义相似度：对于每个查询关键词t
i
，计算t
i
与地点关键词集中的每个关键词k
j
之间的词义相似度S(t
i
,k
j
)，并选取最大值；计算最大词义相似度的平均值，作为查询关键词集q.ψ与地点关键词集np.ψ之间的语义相似度S(np)；
[0023](332)将词义相似度最大的关键词距离根节点的最短距离进行累加，得到语义地点的松散度L(np)；
[0024](333)根据语义相关度计算公式，计算该地点与用户查询的语义相关度：
[0025][0026]其中，α为权重参数。
[0027]进一步地，所述步骤(35)包括如下步骤：
[0028](351)计算各地点的度值，根据度值对数据进行排序，得到候选集，度值计算公式如下：
[0029][0030]其中：
[0031][0032][0033]其中，λ
i,j
表示p
i
在d维数据集中第j维度的度值，p
i
[j]表示p
i
的第j维度的数值，μ
j
代表第j维度的均值；
[0034](352)对候选集中的地点运用BNL算法进行Skyline筛选；
[0035](353)根据度值排序选出Top
‑
k个地点。
[0036]基于相同的专利技术构思，本专利技术还提供一种基于Skyline的知识图谱语义地点检索装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现根据上述的基于Skyline的知识图谱语义地点检索方法。
[0037]有益效果：与现有技术相比，本专利技术的有益效果：
[0038]1、本专利技术针对kSP检索过程中需要做到每一个关键词的精确匹配，没有考虑到实际检索场景中，查询关键词与RDF数据关键词集之间往往存在着大量含义接近却表述不同的单词，导致出现一些符合用户意图的结果遗漏返回的问题，用模糊匹配代替了精确匹配，为用户提供了更多的选择；
[0039]2、本专利技术针对kSP检索中的Top
‑
k排序函数将多目标问题转化为单目标优化，对影响因素不敏感，易受权值参数的影响，容易产生极值，导致查询结果不能满足用户需求的问题，提出基于Skyline的地点检索方法，采用多目标优化算法解决原始的多目标问题，最终返回前k个平行的、互不受控制的解，在提高地点检索的效率的同时，平衡了空间距离和语义相关度这两个影响因素。
附图说明
[0040]图1为本专利技术的流程图；
[0041]图2为RDF图及地点关键词集示例图。
具体实施方式
[0042]下面结合附图对本专利技术作进一步详细说明。
[0043]本专利技术提出一种基于Skyline的知识图谱语义地点检索方法，如图1所示，具体包括以下步骤：
[0044]步骤1：用户输入查询：用户所在位置，查询关键词，所需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Skyline的知识图谱语义地点检索方法，其特征在于，包括以下步骤：(1)用户输入查询：用户所在位置，查询关键词，所需返回地点数量k；(2)提取RDF图中地点实体所包含的坐标信息，构建R
‑
tree索引及地点关键词集，生成词向量集；(3)根据提出的基于Skyline的语义地点检索算法返回Top
‑
k个地点。2.根据权利要求1所述的一种基于Skyline的知识图谱语义地点检索方法，其特征在于，步骤(2)所述构建地点关键词集实现过程如下：从RDF图节点URI中提取节点名称，与节点标签值一起使用
“”
符号进行分词；通过去重处理，生成一般关键词集；将地点实体及其子结点的一般关键词集进行拼接去重；形成地点关键词集。3.根据权利要求1所述的一种基于Skyline的知识图谱语义地点检索方法，其特征在于，步骤(2)所述生成词向量集实现过程如下：输入地点关键词集与用户查询关键词集；使用Word2vec模型实现对关键词的词向量转换工作；输出词向量集。4.根据权利要求1所述的一种基于Skyline的知识图谱语义地点检索方法，其特征在于，所述步骤(3)包括以下步骤：(31)基于用户位置检索R
‑
tree，由近及远返回一系列地点；(32)计算每个地点与用户所在位置的空间距离；(33)计算每个地点与查询关键词的语义相关度；(34)重复步骤(32)和(33)，直到遍历完所有地点；(35)基于Skyline的语义地点检索算筛选出Top
‑
k个地点。5.根据权利要求4所述的一种基于Skyline的知识图谱语义地点检索方法，其特征在于，所述步骤(33)包括如下步骤：(3...

【专利技术属性】
技术研发人员：陆佳民，周振钰，刘嘉灏，冯钧，
申请(专利权)人：河海大学，
类型：发明
国别省市：