(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 202210617739.1 (22)申请日 2022.06.01 (71)申请人 北方工业大 学 地址 100144 北京市石景山区晋元庄路5号 (72)发明人 谭墍元　邱倩倩　罗文秀　郭伟伟　 薛晴婉　郑国荣　张帅　 (74)专利代理 机构 北京志霖恒远知识产权代理 事务所(普通 合伙) 11435 专利代理师 苏瑞 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/295(2020.01) G06Q 50/30(2012.01) (54)发明名称 一种城市交通知识图谱的构建方法、 构建装 置及应用 (57)摘要 本发明公开了一种城市交通知识图谱的构 建方法， 包括如下步骤： 利用本体构建工具构建 城市交通本体， 形成知识图谱模式层； 获取城市 交通数据， 抽取出实体、 属性和实体间的关系， 构 建知识图谱 数据层； 将知识图谱模式层和知 识图 谱数据层结合， 生成城市交通知识图谱， 并存储 到数据库中； 利用知识表示模型推理出城市交通 知识图谱中的新知识， 补入城市交通知识图谱， 本发明还公开了一种城市交通知识图谱的构建 装置和应用。 本发明通过利用知识图谱形成交通 知识体系， 整合了多源异构的交通大数据， 并通 过基于表示学习的知识推理模型挖掘出交通实 体间的潜在关系， 实现了交通领域的多源出行数 据的有效融合与组织， 实现了交通领域数据的开 放共享。 权利要求书3页 说明书19页 附图11页 CN 114969263 A 2022.08.30 CN 114969263 A 1.一种城市交通知识图谱的构建方法， 其特 征在于： 包括如下步骤： 利用本体构建工具构建城市交通本体， 形成知识图谱 模式层； 获取城市交通数据， 抽取 出实体、 属性和实体间的关系， 构建知识图谱数据层； 将知识图谱模式层和知识图谱数据层结合， 生成城市交通知识图谱， 并存储到数据库 中； 利用知识 表示模型推理出城市交通知识图谱中的新知识， 补入 城市交通知识图谱。 2.根据权利要求1所述的构建方法， 其特 征在于： 构建城市交通本体的方法为： 采用七步法构建城市交通本体， 并在创建实例前进行质量评估； 所述质量评估具体包括： 通过绘制树形 结构图， 验证 类的层次结构的传递 性是否成立； 检查每个本体的应用范围和表达方式在各处使用时是否一致， 是否出现类和本体的冗 余； 检查属性的描述信息是否 完整， 属性约束是否符合逻辑， 属性是否具有共享 性； 检查本体的可扩展性； 检查类间关系的完整性， 唯一 性和逻辑的一 致性。 3.根据权利要求1所述的构建方法， 其特征在于： 利用知识表示模型推理出城市交通知 识图谱中的新知识的具体方法为： 将城市交通知识图谱中的三元组数据划分为训练集、 验证集和 测试集； 构建所述 三元组数据的负 样本， 并过 滤所述负样本中的假负例； 设置知识 表示模型超参数； 利用训练集和负样本， 基于小批量随机梯度下降法训练知识表示模型， 通过adadelta 方法， 在训练过程中自适应的调整学习速率； 利用验证集和负 样本对训练的知识 表示模型进行超参数调整； 利用测试集和负 样本对训练的知识 表示模型进行评价； 利用训练 的知识表示模型挖掘城市交通知识图谱的隐含关系和缺失实体， 补入城市交 通知识图谱。 4.根据权利要求3所述的构建方法， 其特 征在于： 构建所述 三元组数据的负 样本的方法为： 对训练集、 验证集或测试集中的具有某一种关系的三元组， 根据伯努利分布， 计算选择 头实体或尾实体来完成替换操作的概 率， 将概率较高的实体替换掉； 根据关系类型约束， 由关系来决定用哪些实体来 替换， 具体如下式所示： 其中， Δ′为构建的负三元组的集合， dr为满足关系类 型r的领域约束内所有实体的有序 索引； rr为满足关系类型r的范围约束内所有实体的有序索引， h为三元组的头实体， h'为负 三元组的头实体， t为 三元组的尾实体， t'为负三元组的尾实体， r为关系。 5.根据权利要求3所述的构建方法， 其特征在于： 过滤所述负样本 中的假负例的具体方 法为： 将所述三元组数据和负样本中的负三元组数据导入关系数据库中， 使用关系数据库中权　利　要　求　书 1/3 页 2 CN 114969263 A 2的查询功能将重复数据查找出来， 并将所述负 样本中的重复数据剔除； 其中， 所述重复数据为既存在于三元组数据中， 又存在于负三元组数据中的数据。 6.根据权利要求3所述的构建方法， 其特 征在于： 所述知识 表示模型为TransD模型， 所述TransD知识 表示模型如下 所示： 映射矩阵： 其中， Mrh为头实体映射矩阵， Mrt为尾实体映射矩阵， rp为关系向量， 为头实体映射 向 量， 为尾实体映射向量， Imxn为单位矩阵； 将实体向量投影到关系空间中： h⊥＝Mrhh t⊥＝Mrtt h⊥为头实体由Mrh映射后的头实体向量， t⊥为尾实体由Mrt映射后的尾实体向量； 得分函数： 损失函数： 其中， γ是超参数， 表示正确三元组与负三元组之间的最大间隔。 [x]+＝max(0,x)， Δ表 示正确三元组的集 合， Δ′表示构建的负三元组的集 合。 7.根据权利要求6所述的构建方法， 其特 征在于： 利用测试集和负 样本对训练的知识 表示模型进行评价的具体方法为： 对于测试集中的任意一个三元组， 根据训练 的知识推理模型中的得分函数计算该三元 组得分和根据该三元 组及知识图谱中的实体构建的负三元组得分， 并按照得分值由大到小 对该三元组及该负三元组进行排名； 采用平均排名、 平均倒数排名、 首位命中率、 前三命中率和前十命中率中的一种或几种 评价指标衡量链接预测任务完成的效果。 8.根据权利要求1所述的构建方法， 其特 征在于： 所述城市交通包括公共交通和道路交通， 针对公共交通和道路交通分别构建公共交通 知识图谱和道路交通知识图谱； 获取公共交通数据的方法为通过网络爬虫技术获取目标城市的地铁线路及站点信 息， 获取目标时间内所述 地铁线路的地铁刷卡数据； 获取道路交通数据的方法为从地图数据库上获取目标道路网络数据、 利用地图API获 取目标道路上的目标兴趣点信息和交通态 势数据。 9.一种城市交通知识图谱的构建装置， 其特 征在于： 包括： 本体构建模块， 用于利用本体构建工具构建城市交通本体， 形成知识图谱 模式层； 数据获取模块， 用于获取城市交通数据， 抽取出交通实体、 属性和实体间的关系， 构建权　利　要　求　书 2/3 页 3 CN 114969263 A 3