(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 202210614120.5 (22)申请日 2022.06.01 (71)申请人 西南科技大 学 地址 621000 四川省绵阳市涪城区青龙 大 道中段59号 (72)发明人 杨春明　王意　唐岳川　李波　 肖德成　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 王会改 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/951(2019.01) G06F 40/247(2020.01) G06F 40/289(2020.01)G06F 40/279(2020.01) G06K 9/62(2022.01) G06F 40/253(2020.01) G06F 40/216(2020.01) G06F 40/242(2020.01) G06F 16/35(2019.01) (54)发明名称 一种关于构建情报中技术知识演化图谱的 方法 (57)摘要 本发明公开了一种关于构建情报中技术知 识演化图谱的方法， 包括： 通过爬虫获取情报数 据， 并将其保存至MongoDB数据库中； 对保存在 MongoDB数据库中的情报数据进行处理； 根据情 报数据处理后得到的技术知识关键词组， 进行文 本同义词统一化处理； 基于统一化处理后的技术 知识关键词组， 对情报数据进行演化关系抽取， 得到技术知识演化三元组； 将所有技术知识演化 三元组构建成技术知识演化图谱。 本发明对情报 中的同义词有效归一， 避免了不同字符的同义词 对演化关系抽取的干扰， 同时优化了知识图谱的 关系结构； 能够更直观更清晰得理解技术知 识关 键词的演化过程， 更全面的掌握技术知识的历史 发展结构。 权利要求书3页 说明书7页 附图1页 CN 115114447 A 2022.09.27 CN 115114447 A 1.一种关于构建情 报中技术知识演化图谱的方法， 其特 征在于， 包括以下步骤： 步骤1： 通过爬虫获取情 报数据， 并将其保存至 MongoDB数据库中； 步骤2： 对保存在Mo ngoDB数据库中的情 报数据进行处 理； 步骤3： 根据情 报数据处 理后得到的技 术知识关键词组， 进行文本同义词统一 化处理； 步骤4： 基于统一化处理后的技术知识关键词组， 对情报数据进行演化关系抽取， 得到 技术知识演化 三元组； 步骤5： 将所有技 术知识演化 三元组构建成技 术知识演化图谱。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤1包括： 利用网络爬虫技术从现有公开信息中获取情报文本信息并保存至MongoDB数据库中； 其中， 现有公开信息包括专利、 论文、 技 术要闻。 3.根据权利要求1所述的方法， 其特 征在于， 所述 步骤2包括： 步骤2‑1： 将保存在MongoDB数据库中的情报数据进行翻译和格式化处理， 获取标题和 对应的情 报正文信息； 步骤2‑2： 使用自然语言文本处理库对对步骤2 ‑1中的情报正文内容经行分词、 词性标 注以及实体识别， 再使用中文文本处理模型进行关键词提取得到技术知识关键词， 并将技 术知识关键词、 标题、 情报正文作为字段信息保存至情报数据库中， 每个情报数据对应一组 技术知识关键词、 一个标题以及情报正文； 其中， 技术知识关键词包括领域术语、 自然科学 及科学技术名词、 技 术方法和科 学技术性动词。 4.根据权利要求3所述的方法， 其特 征在于， 所述 步骤3包括： 步骤3‑1： 运用莱文斯坦编辑距离算法， 得到每个技术知识关键词组内之间的编辑距 离， 并使用线性 函数对编辑距离进行归一 化处理； 步骤3‑2： 基于步骤3 ‑1中技术知识关键词的编辑距离计算其相似度分数， 然后根据预 定义的相似度阈值， 将相似度分数大于阈值的技术知识关键词视为同义关键词， 并将同义 关键词进行合并， 以列表的形式重新储 存至情报数据库的技 术知识关键词字段中。 5.根据权利要求3所述的方法， 其特 征在于， 所述 步骤3具体为： 第一步： 抽取情报数据库中每个情报数据的技术知识关键词组， 采用递归方式计算技 术知识关键词两 两之间的莱文斯 坦距离， 即编辑距离； 第二步， 定义指示函数： 当两个技术知识关键词a和b一致时， 停止替换操作； 当字符不 同时， 再进行一次替换操作； 则指示函数I定义为： I(ai≠bj)； 其中， ai表示a的第i个字符， bj 表示b的第j个字符； 第三步： 用线性函数对编辑距离进行归一化处理， 基于处理后的编辑距离计算技术知 识关键词之间的相似度； 利用标准的线性归一 化处理公式， 将原 始数据进行等比例缩放； 第四步： 根据预先的对比实验结果， 调整相似度阈值t,t为0 ‑1之间的值； 计算技术知识 关键词组中的两两之 间的相似度得分， 通过与预定义的相似度阈值比较， 进行同义词识别， 如果发现情 报数据库的技 术知识关键词组内存在同义词， 将其 合并成一个列表。 6.根据权利要求5所述的方法， 其特 征在于， 所述莱文斯 坦距离为： leva,b(|a|,|b|)； 其中， 对于技 术知识关键词a和b， 分别用|a|和|b|代 表其的长度； 进一步，权　利　要　求　书 1/3 页 2 CN 115114447 A 2其中， leva， b(i， j)表示若技术知识关键词a或b 有一个是空串， 则距离为非空串的长度； 否则， 进入min运算； leva， b(i‑1， j)+1表示从a中删除一个字符的操作， leva， b(i， j‑1)+1表示 往a中添加一个字符的操作， 表示字符替换的操作， ai表示a 的第i个字符， bj表示b的第j个字符。 7.根据权利要求5所述的方法， 其特 征在于， 所述标准的线性归一 化处理公式为： 其中， x为原始数据， xmin为数据集最小值， xmax为数据集最大值， xnorm为原始数据归一化 后的结果； 将标准的线性归一 化处理公式进行简化处 理： 其中， cost为a， b间的编辑距离； maxSize(word)为a， b中较长词的字符长度； 对于两个 技术知识关键词， 编辑距离越大， 代 表越不相似； 基于编辑距离 定义相似度分数公式为： 其中， score为相似度分数。 8.根据权利要求1所述的方法， 其特 征在于， 所述 步骤4包括： 步骤4‑1： 分析情报数据中具有演化关系的语法结构， 整理演化关系特征词集， 构建演 化关系模式集； 步骤4‑2： 经过整理训练数据、 组织人工标注、 制定特征模板后， 再利用条件随机场序列 标注的方法对 模型进行训练， 得到演化关系分类模型； 步骤4‑3： 抽取情报数据库中的情报正文， 利用演化关系分类模型， 逐句进行技术知识 演化关系识别， 从而实现对情 报正文中具有演化关系的技 术知识三元组的抽取。 9.根据权利要求1所述的方法， 其特 征在于， 所述 步骤4具体包括： 对情报信息进行统计分析， 整理情报正文语句中具有演化关系导向性的动词和名词， 视为特征词， 组合 成特征词词典； 使用自然语言文本处理库对步骤2 ‑1中的情报正文进 行分 词、 词性标注； 然后 构建演化关系模式集； 演化关系模式中前实体和 后实体均为情报中的技 术知识关键词； 停用词为与内容无关的连接词； 特 征词为特 征词词典里的词； 利用CRF条件 随机场的思想， 将 d1： N作为一个显性序列， h1： N作为一个隐性状态序列， 构 建条件概 率模型P(h|d)； 条件概 率模型P(h|d)定义 为： 权　利　要　求　书 2/3 页 3 CN 115114447 A 3