知識(shí)數(shù)據(jù)的處理方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種知識(shí)數(shù)據(jù)的處理方法及裝置。
【背景技術(shù)】
[0002]近年來(lái)，互聯(lián)網(wǎng)正從僅包含網(wǎng)頁(yè)和網(wǎng)頁(yè)之間超鏈接的文檔萬(wàn)維網(wǎng)，向包含大量描述各種實(shí)體和實(shí)體之間豐富關(guān)系的數(shù)據(jù)萬(wàn)維網(wǎng)轉(zhuǎn)變。在上述背景下，百度、Google等知名搜索引擎公司紛紛以此為基礎(chǔ)，通過(guò)構(gòu)建知識(shí)圖譜來(lái)改進(jìn)搜索質(zhì)量。
[0003]實(shí)體關(guān)聯(lián)是指將文本描述的實(shí)體信息與實(shí)體信息庫(kù)中的具體實(shí)體進(jìn)行關(guān)聯(lián)，從而建立實(shí)體知識(shí)庫(kù)中實(shí)體間的關(guān)系，進(jìn)而形成完善的知識(shí)圖譜。在現(xiàn)有技術(shù)中，一般通過(guò)人工編輯方式來(lái)進(jìn)行實(shí)體關(guān)聯(lián)。然而，人工編輯方式具有耗費(fèi)人力、周期長(zhǎng)、不適用于大規(guī)模實(shí)體數(shù)據(jù)關(guān)聯(lián)等不足之處。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于，提供一種知識(shí)數(shù)據(jù)的處理方法及裝置，以實(shí)現(xiàn)自動(dòng)、快速地將實(shí)體數(shù)據(jù)中描述的實(shí)體對(duì)象與實(shí)體信息庫(kù)中的實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，從而更新完善與實(shí)體對(duì)象相關(guān)的知識(shí)圖譜。
[0005]根據(jù)本發(fā)明的一方面，提供一種知識(shí)數(shù)據(jù)的處理方法，包括:獲取包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的實(shí)體數(shù)據(jù)；從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述實(shí)體數(shù)據(jù)中的屬性值匹配的第二實(shí)體對(duì)象的信息；將所述第二實(shí)體對(duì)象與第一實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，以更新與所述第一實(shí)體對(duì)象相關(guān)的知識(shí)圖譜。
[0006]優(yōu)選地，所述將所述第二實(shí)體對(duì)象與第一實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，以更新與所述第一實(shí)體對(duì)象相關(guān)的知識(shí)圖譜的處理包括:將所述第一實(shí)體對(duì)象相對(duì)應(yīng)的實(shí)體數(shù)據(jù)中匹配的屬性值替換為所述第二實(shí)體對(duì)象的標(biāo)識(shí)。
[0007]優(yōu)選地，所述方法還包括:從所述實(shí)體數(shù)據(jù)提取值為專(zhuān)有名詞的屬性值；
[0008]所述從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述實(shí)體數(shù)據(jù)中的屬性值匹配的第二實(shí)體對(duì)象的信息的處理包括:從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述提取的屬性值匹配的第二實(shí)體對(duì)象的信息。
[0009]優(yōu)選地，所述從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述提取的屬性值匹配的第二實(shí)體對(duì)象的信息的處理包括:分別根據(jù)所述提取的屬性值從預(yù)設(shè)的實(shí)體信息庫(kù)提取與多個(gè)候選第二實(shí)體對(duì)象的信息，分別從所述多個(gè)候選第二實(shí)體對(duì)象選取匹配度高的第二實(shí)體對(duì)象的?目息。
[0010]優(yōu)選地，所述分別從所述多個(gè)候選第二實(shí)體對(duì)象選取匹配度高的候選第二實(shí)體對(duì)象的信息的處理包括:分別獲取包含每個(gè)所述候選第二實(shí)體對(duì)象相應(yīng)的屬性值的多個(gè)文本數(shù)據(jù)，選取所述第一實(shí)體對(duì)象的標(biāo)識(shí)在所述多個(gè)文本數(shù)據(jù)中出現(xiàn)次數(shù)最多的文本數(shù)據(jù)對(duì)應(yīng)的候選第二實(shí)體對(duì)象，作為所述匹配度高的第二實(shí)體對(duì)象。
[0011]優(yōu)選地，所述實(shí)體數(shù)據(jù)是多個(gè)包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的三元組數(shù)據(jù)。
[0012]根據(jù)本發(fā)明的另一方面，還提供一種知識(shí)數(shù)據(jù)的處理裝置，包括:實(shí)體數(shù)據(jù)獲取模塊，用于獲取包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的實(shí)體數(shù)據(jù)；實(shí)體信息提取模塊，用于從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述實(shí)體數(shù)據(jù)中的屬性值匹配的第二實(shí)體對(duì)象的信息；實(shí)體關(guān)聯(lián)模塊，用于將所述第二實(shí)體對(duì)象與第一實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，以更新與所述第一實(shí)體對(duì)象相關(guān)的知識(shí)圖譜。
[0013]優(yōu)選地，所述實(shí)體關(guān)聯(lián)模塊用于將所述第一實(shí)體對(duì)象相對(duì)應(yīng)的實(shí)體數(shù)據(jù)中匹配的屬性值替換為所述第二實(shí)體對(duì)象的標(biāo)識(shí)。
[0014]優(yōu)選地，所述裝置還包括:屬性值提取模塊，用于從所述實(shí)體數(shù)據(jù)提取值為專(zhuān)有名詞的屬性值，所述實(shí)體信息提取模塊用于從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述提取的屬性值匹配的第二實(shí)體對(duì)象的信息。
[0015]優(yōu)選地，所述實(shí)體信息提取模塊包括:候選實(shí)體信息提取單元，用于分別根據(jù)所述提取的屬性值從預(yù)設(shè)的實(shí)體信息庫(kù)提取與多個(gè)候選第二實(shí)體對(duì)象的信息，實(shí)體信息選取單元，用于分別從所述多個(gè)候選第二實(shí)體對(duì)象選取匹配度高的第二實(shí)體對(duì)象的信息。
[0016]優(yōu)選地，所述實(shí)體信息選取單元用于分別獲取包含每個(gè)所述候選第二實(shí)體對(duì)象相應(yīng)的屬性值的多個(gè)文本數(shù)據(jù)，選取所述第一實(shí)體對(duì)象的標(biāo)識(shí)在所述多個(gè)文本數(shù)據(jù)中出現(xiàn)次數(shù)最多的文本數(shù)據(jù)對(duì)應(yīng)的候選第二實(shí)體對(duì)象，作為所述匹配度高的第二實(shí)體對(duì)象。
[0017]優(yōu)選地，所述實(shí)體數(shù)據(jù)是多個(gè)包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的三元組數(shù)據(jù)。
[0018]本發(fā)明實(shí)施例提供的知識(shí)數(shù)據(jù)的處理方法及裝置獲取有關(guān)第一實(shí)體對(duì)象的實(shí)體數(shù)據(jù)中的屬性值，依據(jù)獲取到的屬性值從預(yù)設(shè)實(shí)體信息庫(kù)中提取分別與其匹配的第二實(shí)體對(duì)象的信息，自動(dòng)、快速地將實(shí)體數(shù)據(jù)中描述的實(shí)體對(duì)象與實(shí)體信息庫(kù)中的實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，從而更新完善與實(shí)體對(duì)象相關(guān)的知識(shí)圖譜，為實(shí)體推薦等應(yīng)用領(lǐng)域提供更為豐富的數(shù)據(jù)基礎(chǔ)。
【附圖說(shuō)明】
[0019]圖1是示出根據(jù)本發(fā)明實(shí)施例一的知識(shí)數(shù)據(jù)的處理方法的流程圖；
[0020]圖2是示出根據(jù)本發(fā)明實(shí)施例二的知識(shí)數(shù)據(jù)的處理裝置的邏輯框圖。
【具體實(shí)施方式】
[0021]本發(fā)明的基本構(gòu)思是，提供一種知識(shí)數(shù)據(jù)的處理方式:依據(jù)獲取到的有關(guān)第一實(shí)體對(duì)象的實(shí)體數(shù)據(jù)中的屬性值，從預(yù)設(shè)實(shí)體信息庫(kù)中提取分別與所述屬性值匹配的第二實(shí)體對(duì)象的信息，由此，可基于提取的第二實(shí)體對(duì)象的信息，自動(dòng)而快速地將第一實(shí)體對(duì)象與第二實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，從而更新完善與實(shí)體對(duì)象相關(guān)的知識(shí)圖譜。
[0022]此外，與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例所述的知識(shí)數(shù)據(jù)的處理方法無(wú)需耗費(fèi)人力，處理周期短，適用于大規(guī)模實(shí)體數(shù)據(jù)關(guān)聯(lián)，同時(shí)，可為例如實(shí)體推薦、知識(shí)推理等應(yīng)用領(lǐng)域提供更加豐富、準(zhǔn)確的數(shù)據(jù)進(jìn)行分析。
[0023]下面結(jié)合附圖詳細(xì)描述本發(fā)明的示例性實(shí)施例知識(shí)數(shù)據(jù)的處理方法及裝置。
[0024]實(shí)施例一
[0025]圖1是示出根據(jù)本發(fā)明實(shí)施例一的知識(shí)數(shù)據(jù)的處理方法的流程圖?？稍谌鐖D2所示的裝置上執(zhí)行該方法。
[0026]參照?qǐng)D1，在步驟S110，獲取包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的實(shí)體數(shù)據(jù)。
[0027]這里，所述實(shí)體數(shù)據(jù)可以是多個(gè)包括第一實(shí)體對(duì)象的標(biāo)識(shí)、屬性及其屬性值的三元組數(shù)據(jù)。其中，具體地，實(shí)體對(duì)象的標(biāo)識(shí)是用于識(shí)別實(shí)體對(duì)象的，可以使用設(shè)定的字符串、統(tǒng)一資源定位符(Uniform Resource Locator, URL)等唯一標(biāo)識(shí)來(lái)作為實(shí)體對(duì)象的標(biāo)識(shí)。
[0028]通常，將現(xiàn)實(shí)世界中的客觀事物稱(chēng)為實(shí)體，例如概念、事物、人物或事件等。舉例來(lái)說(shuō)，影視劇“花千骨”、百度公司以及宇宙大爆炸理論都是實(shí)體的實(shí)例。同時(shí)，每個(gè)實(shí)體具有屬性，屬性反映實(shí)體的相關(guān)信息，例如，仙俠題材、公司辦公地點(diǎn)、現(xiàn)代宇宙理論分別是上述實(shí)體對(duì)應(yīng)的屬性。對(duì)于一個(gè)實(shí)體，其對(duì)應(yīng)的屬性可以是多種多樣的，一個(gè)屬性也可以對(duì)應(yīng)一個(gè)或者多個(gè)屬性值。
[0029]相應(yīng)地，本步驟中獲取的實(shí)體數(shù)據(jù)例如(孔子，民族，漢族)、(孔子、國(guó)籍、魯國(guó))、(孔子、兒子、孔鯉)、(孔子，性別，男)、(孔子，生日，農(nóng)歷八月二十七)等等。其中，例如(孔子，民族，漢族)是一個(gè)三元組數(shù)據(jù)。由此可見(jiàn)，實(shí)體數(shù)據(jù)包含了多個(gè)三元組數(shù)據(jù)。為了便于理解，上述實(shí)體數(shù)據(jù)中實(shí)體對(duì)象的標(biāo)識(shí)寫(xiě)做“孔子”，在實(shí)際應(yīng)用中，可用設(shè)定的字符串、URL來(lái)代表“孔子”。以(孔子、兒子、孔鯉)為例，“兒子”是“孔子”對(duì)應(yīng)的屬性，“孔鯉”是“兒子”對(duì)應(yīng)的屬性值，如果說(shuō)孔子還有其他的兒子，屬性“兒子”還可以對(duì)應(yīng)其他的屬性值。
[0030]在步驟S120，從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述實(shí)體數(shù)據(jù)中的屬性值匹配的第二實(shí)體對(duì)象的信息。
[0031]在上述步驟S110獲取實(shí)體數(shù)據(jù)之后，所述實(shí)體數(shù)據(jù)中可能會(huì)存在無(wú)需進(jìn)行實(shí)體關(guān)聯(lián)的數(shù)據(jù)，例如(孔子，生日，農(nóng)歷八月二十七)，生日是明確的日期而不是實(shí)體，也就無(wú)需進(jìn)行實(shí)體關(guān)聯(lián)。再比如(孔子，性別，男)，性別對(duì)應(yīng)的屬性值是男，也是無(wú)需進(jìn)行實(shí)體關(guān)耳關(guān)。
[0032]因此，所述方法還可以包括:從所述實(shí)體數(shù)據(jù)提取值為專(zhuān)有名詞的屬性值。仍以上述有關(guān)“孔子”這一實(shí)體的實(shí)體數(shù)據(jù)為例，經(jīng)過(guò)提取處理后，保留下的實(shí)體數(shù)據(jù)是(孔子，民族，漢族)、(孔子、國(guó)籍、魯國(guó))和(孔子、兒子、孔鯉)。
[0033]相應(yīng)地，根據(jù)本發(fā)明的示例性實(shí)施例，步驟S120可包括:從預(yù)設(shè)的實(shí)體信息庫(kù)提取分別與所述提取的屬性值匹配的第二實(shí)體對(duì)象的信息。具體地，可分別根據(jù)所述提取的屬性值從預(yù)設(shè)的實(shí)體信息庫(kù)提取與多個(gè)候選第二實(shí)體對(duì)象的信息，分別從所述多個(gè)候選第二實(shí)體對(duì)象選取匹配度高的第二實(shí)體對(duì)象的信息。其中，預(yù)設(shè)的實(shí)體信息庫(kù)為預(yù)先從網(wǎng)絡(luò)文本中獲取并數(shù)據(jù)處理的實(shí)體信息庫(kù)，預(yù)設(shè)的實(shí)體信息庫(kù)中存儲(chǔ)有多個(gè)實(shí)體，預(yù)設(shè)的實(shí)體信息庫(kù)可以存儲(chǔ)在服務(wù)器中或者其它設(shè)備中。
[0034]優(yōu)選地，上述分別從所述多個(gè)候選第二實(shí)體對(duì)象選取匹配度高的候選第二實(shí)體對(duì)象的信息的處理包括:分別獲取包含每個(gè)所述候選第二實(shí)體對(duì)象相應(yīng)的屬性值的多個(gè)文本數(shù)據(jù)，選取所述第一實(shí)體對(duì)象的標(biāo)識(shí)在所述多個(gè)文本數(shù)據(jù)中出現(xiàn)次數(shù)最多的文本數(shù)據(jù)對(duì)應(yīng)的候選第二實(shí)體對(duì)象，作為所述匹配度高的第二實(shí)體對(duì)象。
[0035]在步驟S130，將所述第二實(shí)體對(duì)象與第一實(shí)體對(duì)象進(jìn)行關(guān)聯(lián)，以更新與所述第一實(shí)體對(duì)象相關(guān)的知識(shí)圖譜。
[0036]根據(jù)本發(fā)明的示例性實(shí)施例，步驟S130可包括:將所述第一實(shí)體對(duì)象相對(duì)應(yīng)的實(shí)體數(shù)據(jù)中匹配的屬性值替換為所述第二實(shí)體對(duì)象的標(biāo)識(shí)。
[0037]在具體的實(shí)現(xiàn)方式中，步驟S120?S130的處理以三元組數(shù)據(jù)(亞歷山大二世，父親，尼古拉一世)為例進(jìn)行詳細(xì)說(shuō)明，“亞歷山大二世”就是本實(shí)施例中所述的第一實(shí)體對(duì)象，很顯然的，屬性值“尼古拉一世”也代表一個(gè)實(shí)體，這就需要將“亞歷山大二世”與“尼古拉一世”進(jìn)行關(guān)聯(lián)。由于預(yù)設(shè)的實(shí)體信息庫(kù)可能存有多個(gè)有關(guān)“尼古拉一世”的實(shí)體數(shù)據(jù)，而其中真正與“亞歷山大二世”有關(guān)聯(lián)的只有一個(gè)，由此，需要做的一