(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 202210827252.6 (22)申请日 2022.07.13 (71)申请人 中国科学院软件研究所 地址 100190 北京市海淀区中关村南四街 4 号 (72)发明人 陈伟　黄涛　魏峻　王伟　叶宏杰　 (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 8/75(2018.01) G06F 16/36(2019.01) G06F 40/279(2020.01) (54)发明名称 一种Pytho n领域知识图谱构建方法 (57)摘要 本发明公开了一种Python领域知识图谱构 建方法， 其步骤包括： 1)选取构建Python领域知 识图谱所需的数据源； 2)从各个数据源中分别抽 取生成图谱所需的各种类型领域知识， 得到集合 K； Python领域知识图谱为PyKG＝{V,E}； 其中， V 表示实体集合， E表示实体间的关系集合； V＝C∪ Lt∪Ls∪F∪Ms∪Mt， C表示解释器集合， Lt表示第 三方包集合， Ls表示系统库 集合， F表示语法特征 集合， Ms表示标准API集合， Mt表示第三方API集 合； E＝DEP∪ASSO， DEP表示解释器、 第三方包和 系统库之间的相互关系， ASSO表示解释器和第三 方包的特征信息之间关系； 3)根据集合K中的知 识构建图谱。 权利要求书2页 说明书6页 附图2页 CN 115291944 A 2022.11.04 CN 115291944 A 1.一种Pytho n领域知识图谱构建方法， 其 步骤包括： 1)选取构建Pytho n领域知识图谱所需的数据源； 2)从选取的各个数据源中分别抽取生成Python领域知识图谱所需的各种类型领域知 识， 得到Python领域知识集合K； 所述Python领域知识图谱为PyKG＝{V,E}； 其中， V表示知识 图谱中的实体集合， E表示实体间的关系集合； V＝C∪Lt∪Ls∪F∪Ms∪Mt， C表示Python解释 器集合， Lt表示Python第三方包集合， Ls表示系统库集合， F表示语法特征集合， Ms表示标准 API集合， Mt表示第三方API集合； E＝DEP∪ASSO， DEP表示Python解释器、 Python第三方包和 系统库之间的相互关系， ASSO表示Python解释器和Python第三方包的特征信息之间的关 系； 3)根据所 得Python领域知识集 合K中的知识， 构建Pytho n领域知识图谱PyKG。 2.根据权利要求1所述的方法， 其特征在于， 选取的所述数据源包括Python官方文档、 Python库文件、 PyPI和Debian仓库； 从所述Python官方文档抽取每个Python版本的语法特 征知识， 从所述Python库文件抽取每个Python版本包含的标准API， 从所述PyPI抽取第三方 库信息， 从所述Debian仓库抽取系统库的信息 。 3.根据权利要求2所述的方法， 其特 征在于， 得到所述Pytho n领域知识集 合K的方法为： 3.1)从PyPI上爬取Pytho n第三方包； 3.2)从爬取到 的Python第三方包的元数据文件中抽 取Python第三方包之间的依赖关 系和Pytho n第三方包兼容的Pytho n解释器版本； 3.3)从爬取到 的Python第三方包的目录结构和程序源码中抽取Python第三方包包含 的第三方API； 3.4)从Pytho n官方文档中抽取不同Pytho n版本支持的语法特 征； 3.5)从Pytho n库文件目录结构和程序源码中抽取不同Pytho n版本所包 含的标准API； 3.6)从Debian仓库中爬取Pytho n第三方包和系统库； 3.7)根据 步骤3.1)得到的Python第三方包和步骤3.6)得到的系统库之间的关联， 挖掘 Python第三方包和系统库之间的依赖关系。 4.根据权利要求2所述的方法， 其特征在于， 步骤3.3)从爬取到的Python第三方包的目 录结构和程序源码中抽取Python第三方包包含的第三方API的方法为： 首先对爬取到的每 一个Python第三方包p， 分析该Python第三方包p的目录结构， 提取Python第三方包p包含的 模块集合Mp； 对于模块集合Mp中的每一个模块， 从该模块对应的Python文件中提取声明的 API和相互导入的API， 构建Pytho n第三方包p包 含的API集合Ap。 5.根据权利 要求2所述的方法， 其特征在于， 从P ython官方文档中抽取不同P ython版本 支持的语法特征的方法为： 首先从所述Python官方文档中提取静态的上下文无关语法特 性； 然后将得到的每一条静态的上 下文无关语法特性 转化为正则式， 作为所述语法特 征。 6.根据权利 要求2所述的方法， 其特征在于， 挖掘得到Python第三方包和系统库之间的 依赖关系的方法为： 查找PyPI上的每一个Python第三方包ppip在Debian仓库中的相似资源 papt， 记录相似资源对<ppip,papt>； 对于得到的每一所述相似资源对<ppip,papt>， 通过命令行 指令查询papt的依赖， 得到papt依赖的系统库集合L， 然后建立ppip与L中的每一个系统库的依 赖关系。 7.根据权利要求6所述的方法， 其特 征在于， 通过公式权　利　要　求　书 1/2 页 2 CN 115291944 A 2计算ppip、 papt的资源相似度， 如果资源相似度S (pp i p,pa p t) 大于设定阈值 ， 则pp i p、 pa p t为相似资源对 ； 其中 ， 名称相似度 模块相似度 LCStr表ppip和papt包名的最长公共子序列， M ax表示ppip和papt中包名较长者的长度， Module (ppip)表示ppip包含的顶层模块 集合， Module(papt)表示papt包含的顶层模块 集合。 8.根据权利要求1所述的方法， 其特征在于， 所述相互关系包括Python第三方包和 Python解释器间的兼容性关系、 Python第三方包之间的依赖关系、 系统库之间的依赖关系 以及Python第三方包对系统库的依赖关系； 所述Python解释器和Python第三方包的特征信 息之间的关系包括Python解释器与语 法特性之间的兼容关系、 与标准API之间的包含关系， 以及Pytho n第三方包与第三方API之间的包 含关系。 9.一种服务器， 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8任一 所述方法中各步骤的指令 。 10.一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8任一所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115291944 A 3