(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210729506.0 (22)申请日 2022.06.24 (71)申请人 北京大学 地址 100871 北京市海淀区颐和园路5号北 京大学 (72)发明人 赵东岩　王晨朔　夏松江　贾爱霞　 张诗玉　 (74)专利代理 机构 北京君尚知识产权代理有限 公司 11200 专利代理师 司立彬 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/194(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种知识图谱的构建方法 (57)摘要 本发明公开了一种知识图谱的构建方法， 其 步骤包括： 1)在没有标注的政治理论语料文本上 自动抽取政治理论知 识； 2)对政治理论知识进行 筛选和标注； 3)利用训练文本训练政治知识抽取 模型； 4)使用训练后的政治知识抽取模 型对语料 库进行知识抽取， 得到政治理论知识； 5)对于任 意两个政治理论知识， 计算二者在所述语料库的 共现度和语义相似度， 如果共现度或语义相似度 不为零， 则在该两个政治理论知识之间连接一条 边， 从而得到语料库对应的知识图谱； 6)将专家 标注的带上下位结构的知识体系与步骤5)所生 成的知识图谱进行知识对齐， 将知识 体系中专家 标注的主题词之间的上下位关系融入所述知识 图谱。 本发明解决了无法抽取较 长概念的问题。 权利要求书2页 说明书7页 附图1页 CN 115221335 A 2022.10.21 CN 115221335 A 1.一种知识图谱的构建方法， 其 步骤包括： 1)在没有标注的政治理论语料文本上自动抽取政治理论知识； 2)对步骤1)所抽取的政治理论知识进行筛选， 并对筛选出的政治理论知识进行标注， 作为训练政治知识抽取模型的训练文本； 3)利用所述训练文本训练所述政治知识抽取模型； 4)使用训练后的政治知识抽取模型对语料库进行知识抽取， 得到政治理论知识； 5)对于步骤4)所得政治理论知识中的任意两个政治理论知识， 计算该两个政治理论知 识在所述语料库的共现度和语义相似度， 如果共现度或语义相似度不为零， 则在该两个政 治理论知识之 间连接一条边， 并基于共现度和语义相似度计算该两个政治理论知识之 间的 关联分数作为该边的权 重， 从而得到所述语料库对应的知识图谱； 6)将专家标注的带上下位结构的知识体系与步骤5)所生成的知识图谱进行知识对齐， 将所述知识体系中专 家标注的主题词之间的上 下位关系融入所述知识图谱。 2.根据权利要求1所述的方法， 其特征在于， 在 没有标注的政治理论语料文本上自动抽 取政治理论知识的方法包括： 11)对所述语料库内一政治理论语料文本A中的每一句子S进行分词， 得到一分词列表w ＝{w1,w2,...,wn}及对应的词性列表t＝{t1,t2,...,tn}； wn为句子S中的第 n个分词， tn为wn 的词性； 12)将分词列表w中的相邻k个分词进行组合， 得到多个备选词组k ‑gram； 计算k取不 同 值时， 各k ‑gram在政治理论语料文本A中的tf ‑idf分数； 13)将每一备选词组k ‑gram在所述语料库内各政治理论语料文本中的tf ‑idf分数相 加， 得到该备选词组k ‑gram的最终tf ‑idf分数， 取最终tf ‑idf分数最大的若干备选词组作 为自动抽取的政治理论知识。 3.根据权利要求1所述的方法， 其特征在于， 所述关联分数包括两个政治理论知识的共 现度分数、 两个政治理论知识之 间的语义相似度分数以及专家标注分数； 其中， 对于两个政 治理论知识i、 j， 如果二者在所述语料库内各政治理论语料文本的n1个句子中共现、 在n2个 段落中共现、 在n3篇文本中共现， 则二者的共现度分数为Cij＝(a*n1+b*n2+c*n3)p， a、 b、 c是 句子共现、 段落共现、 文本共现对应的权重， p为所述语料库的文本总数； 通过语义相似度模 型计算得到两个政治理论知识i、 j之间的语 义相似度分数Sij； 如果两个政治理论知识i、 j被 专家在同一句中共现标注l次， 则二者的专家标注分数为Zij＝z*l； 最终两个政治理论知识 i、 j的关联分数为： Rij＝c*Cij+s*Sij+z*Zij。 4.根据权利要求1或2或3所述的方法， 其特征在于， 基于大规模语言模型训练所述政治 知识抽取模型时所采用的优化 函数为最大似然优化 函数。 5.根据权利要求1或2或3所述的方法， 其特征在于， 所述政治知识抽取模型包括大规模 预训练语 言模型BERT和条件随机场模型； 将政治理论语料文本输入 大规模预训练语 言模型 BERT， 得到每个字的字编码并将其作为条件随机场模型的输入， 条件随机场模型输出句子 序列被标注为不同标签的概率； 选择概率最大的标签序列解码得到对应句子中包含的政治 理论知识。 6.根据权利要求1所述的方法， 其特征在于， 将所述知识体系中专家标注的主题词之间 的上下位关系融入所述知识图谱的方法包括：权　利　要　求　书 1/2 页 2 CN 115221335 A 261)知识的对齐： 如果专家标注的主题词与抽取的主题词字符一致， 则认为这两个词为 同一个政治理论知识； 否则认为专家标注的主题词是新的政治理论知识并将其合并到抽取 的知识库中； 62)知识之间关联的聚合： 将步骤5)所 得知识图谱中的关联和专 家标注的关联聚合； 63)主题词与知识之间的关联分数： 根据专家标注的主题词wtheme对应的各相关词与抽 取的政治理论知识wrobot之间的关联关系分数之和加权得到wtheme和wrobot之间的关联分数； 其中， 专家为每个主题词 标注了相关的关键词集合； 最后融合后的所述知识图谱中包含具 有关联分数的边、 具有上 下位关系的边和具有专 家关联分数的边。 7.根据权利要求1或6所述的方法， 其特征在于， 所述知识体系为三级知识体系， 包括一 级知识主题词、 二级知识主题词和三级知识主题词。 8.一种服务器， 其特征在于， 包括存储器和 处理器， 所述存储器存储计算机程序， 所述 计算机程序被配置为由所述处理器执行， 所述计算机程序包括用于执行权利要求1至7任一 所述方法中各步骤的指令 。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至7任一所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115221335 A 3