(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 202210647135.1 (22)申请日 2022.06.09 (71)申请人 钱塘科技创新中心 地址 310018 浙江省杭州市钱塘新区白杨 街道23号大街10 02号5号楼 申请人 王亮 (72)发明人 王亮　胡倩　王浩宇　高玉华　 童欢庆　张骁越　 (74)专利代理 机构 广州鼎贤知识产权代理有限 公司 44502 专利代理师 刘莉梅 (51)Int.Cl. G06N 5/02(2006.01) G06F 40/279(2020.01) G06F 40/30(2020.01) (54)发明名称 知识图谱语义抽取方法及装置 (57)摘要 本发明公开了知识图谱语义抽取方法及装 置， 方法包括： 接收目标数据， 其中， 所述目标数 据包括： 结构化数据和/或非结构化数据， 对所述 目标数据进行语义抽取， 得到抽取后的语义信 息， 根据所述语义信息和抽取规则， 抽取知识图 谱可识别的实体和关系， 其中， 所述抽取规则包 括： 实体类型识别规则， 其中， 所述实体类型识别 规则的更新基于增量式聚类方法实现。 利用本发 明实施例， 能够提高抽取准确度和抽取效率。 权利要求书2页 说明书8页 附图2页 CN 114936642 A 2022.08.23 CN 114936642 A 1.知识图谱语义抽取 方法， 其特 征在于， 所述方法包括： 接收目标 数据， 其中， 所述目标 数据包括： 结构化数据和/或非结构化数据； 对所述目标 数据进行语义抽取， 得到抽取后的语义信息； 根据所述语义信 息和抽取规则， 抽取知识图谱可识别的实体和关系； 其中， 所述抽取规 则包括： 实体类型识别规则， 其中， 所述实体类型识别规则的更新基于增量式聚类方法实 现。 2.根据权利要求1所述的知识图谱语义抽取方法， 其特征在于， 所述对所述目标数据进 行语义抽取， 包括： 若所述目标 数据包括结构化数据， 则 利用D2R技 术对所述结构化数据进行语义抽取； 若所述目标数据包括非结构化数据， 则利用正则表达式， 对所述非结构化数据进行去 噪， 对去噪后的非结构化数据进行语义抽取。 3.根据权利要求1所述的知识图谱语义抽取方法， 其特征在于， 所述根据 所述语义信 息 和抽取规则， 抽取知识图谱可识别的实体和关系， 包括： 根据所述语义信息， 获得 所述语义信息对应的依存语法结构； 根据所述依存语法结构， 确定所述依存语法结构对应的依存树， 其中， 所述依存树包 括： 对应实体的节点和对应实体间的依存关系的依存弧； 根据所述依存树和抽取规则， 识别所述实体和所述依存关系的类型， 获得知识图谱可 识别的实体和关系。 4.根据权利要求3所述的知识图谱语义抽取方法， 其特征在于， 所述增量式聚类方法包 括： 确定实体相似度阈值、 子实体 类型阈值和时间片段的长度； 获取新时间片段内的实体特 征， 将所述实体特 征传给MapReduce函数； 基于实体相似度、 所述MapReduce函数， 输出新产生的实体类型、 子实体类型编号和特 征向量， 并更新已有实体类型和子实体类型 的特征向量， 添加 新产生的实体类型和子实体 类型。 5.根据权利要求1 ‑4任一项所述的知识图谱语义抽取方法， 其特征在于， 所述方法还包 括： 抽取所述实体的属性信 息， 基于抽取的实体、 关系和属性信 息， 构建所述目标数据的知 识图谱。 6.知识图谱语义抽取装置， 其特 征在于， 所述装置包括： 接收模块， 用于接收目标数据， 其中， 所述目标数据包括： 结构化数据和/或非结构化数 据； 第一抽取模块， 用于对所述目标 数据进行语义抽取， 得到抽取后的语义信息； 第二抽取模块， 用于根据所述语义信息和抽取规则， 抽取知识图谱可识别的实体和关 系； 其中， 所述抽取规则包括： 实体类型识别规则， 其中， 所述 实体类型识别规则的更新基于 增量式聚类方法实现。 7.根据权利要求6所述的知识图谱语义抽取装置， 其特征在于， 所述第一抽取模块， 具 体用于： 若所述目标 数据包括结构化数据， 则 利用D2R技 术对所述结构化数据进行语义抽取；权　利　要　求　书 1/2 页 2 CN 114936642 A 2若所述目标数据包括非结构化数据， 则利用正则表达式， 对所述非结构化数据进行去 噪， 对去噪后的非结构化数据进行语义抽取。 8.根据权利要求6所述的知识图谱语义抽取装置， 其特征在于， 所述第二抽取模块， 具 体用于： 根据所述语义信息， 获得 所述语义信息对应的依存语法结构； 根据所述依存语法结构， 确定所述依存语法结构对应的依存树， 其中， 所述依存树包 括： 对应实体的节点和对应实体间的依存关系的依存弧； 根据所述依存树和抽取规则， 识别所述实体和所述依存关系的类型， 获得知识图谱可 识别的实体和关系。权　利　要　求　书 2/2 页 3 CN 114936642 A 3