(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210621367.X (22)申请日 2022.06.02 (65)同一申请的已公布的文献号 申请公布号 CN 114707005 A (43)申请公布日 2022.07.05 (73)专利权人 浙江建木智能系统有限公司 地址 310000 浙江省杭州市钱塘新区2号大 街519号5 -401 (72)发明人 张一帆　张巍　张博雅　雷富强　 任海英　杨朝晖　王艺铮　景民　 (74)专利代理 机构 杭州创智卓英知识产权代理 事务所(普通 合伙) 33324 专利代理师 季健康 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/35(2019.01) G06F 40/295(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)(56)对比文件 CN 114491071 A,202 2.05.13 CN 114528417 A,202 2.05.24 CN 113486190 A,2021.10.08 CN 112163097 A,2021.01.01 CN 112732124 A,2021.04.3 0 CN 111046187 A,2020.04.21 CN 114201622 A,2022.03.18 CN 112613314 A,2021.04.0 6 CN 113177124 A,2021.07.27 CN 108563653 A,2018.09.21 CN 114328756 A,2022.04.12 CN 112580439 A,2021.0 3.30 CN 111078868 A,2020.04.28 CN 113139623 A,2021.07.20 CN 113609892 A,2021.1 1.05 CN 106776711 A,2017.0 5.31 CN 113821702 A,2021.12.21 CN 113254683 A,2021.08.13 CN 109635171 A,2019.04.16 (续) 审查员 李晓 (54)发明名称 一种舰船装备的知识图谱构建方法和系统 (57)摘要 本申请涉及一种舰船装备的知识图谱构建 方法和系统， 其中， 该方法包括： 通过获取多 来源 的初始舰船装备数据， 其中， 初始舰船装备数据 包括文本信息和图像信息； 根据文本信息， 得到 舰船装备词条数据集， 根据图像信息， 得到舰船 装备特征数据集； 由舰船装备词条数据集与舰船 装备特征数据集得到舰船装备数据集， 对舰船装 备数据集进行标注得到词条标注训练集， 利用词 条标注训练集完成舰船装备数据集的实体识别； 根据实体识别结果进行实体关系抽取， 进而 得到 三元组数据， 构建舰船装备的知识图谱。 通过本 申请， 解决了面向舰船装备的知识信息存在着碎 片化和整合度低的问题， 实现了将碎片化的舰船装备知识结构化呈现， 使 其得到高效和便捷地使 用。 [转续页] 权利要求书2页 说明书11页 附图6页 CN 114707005 B 2022.10.25 CN 114707005 B (56)对比文件 CN 114444507 A,202 2.05.06 CN 114510610 A,202 2.05.17 CN 112148888 A,2020.12.2 9 CN 113220878 A,2021.08.0 6 CN 114111764 A,202 2.03.01 CN 114398491 A,202 2.04.26 CN 112527915 A,2021.0 3.19 WO 2021212682 A1,2021.10.28WO 2022078102 A1,202 2.04.21 WO 2021254 457 A1,2021.12.23 WO 2021189971 A1,2021.09.3 0 WO 2022022045 A1,202 2.02.03 Han Wu 等.Pai ntKG: the pai nting knowledge graph usi ng bilstm-crf. 《2020 Internati onal Conference o n Informati on Science and Educati on (ICISE -IE)》 .2020, 王良萸.面向碳交易领域的知识图谱构建方 法. 《计算机与现代化》 .2018,(第08 期),2/2 页 2[接上页] CN 114707005 B1.一种舰船装备的知识图谱构建方法， 其特 征在于， 所述方法包括： 获取多来源的舰船装备下的类别信息建立类别url集合； 依次遍历所述类别url集合中 的类别url， 获取所述类别url下的词条信息建立词条url集合； 依次遍历所述词条url集合 中的词条ur l， 解析所述词条ur l的页面结构提取初始舰船装 备数据， 其中， 所述初始舰船装 备数据包括文本信息和图像信息； 采用预设分词工具， 对所述文本信息进行分词得到分词词条， 根据所述分词词条再次 进行数据获取， 得到初始词条， 合并所述分词词条和所述初始词条， 得到舰船装 备词条数据 集； 通过VGG16卷积神经网络对所述图像信息进行深层次特征提取， 得到高维图像特征信 息， 再采用P CA主成分分析法对所述高维图像特征信息进 行降维处理， 得到低维图像特征信 息， 其中， 所述低维图像特征信息包含低维特征值和低维特征图； 对所述低维特征图进行 base64编码转换， 得到低维特征图字 符串， 合并所述低维特征值和所述低维特征图字 符串， 得到舰船装备 特征数据集； 建立所述舰船装备词条数据集与 所述舰船装备特征数据集的初步映射， 得到舰船装备 数据集； 通过预设序列标注法对所述舰船装备数据集进行标注， 得到词条标注训练集， 将所述 词条标注训练集输入预设实体识别模型， 完成所述舰船装备 数据集的实体识别； 通过结合远程监督算法、 分段卷积神经网络和 Softmax分类器的实体关系抽取模型， 对 所述实体识别后的舰船装备 数据集进行实体关系抽取； 根据实体识别结果和实体关系抽取结果， 得到三元组数据， 从而构建舰船装备的知识 图谱， 其中， 所述 三元组数据的类型包括<实体， 关系， 实体>和<实体， 属性， 属性 值>。 2.根据权利要求1所述的方法， 其特征在于， 在构建舰船装备的知识图谱之后， 所述方 法包括： 将知识图谱中的三元组数据存 储到Neo4j图数据库中； 在舰船装备知识展示阶段， 通过查询语句获取所述Neo4j图数据库中对应的三元组数 据， 将所述三元组数据转换成json格式文件， 采用D3.js库对所述json格式文件进行数据 渲染， 并对低维特 征图字符串 进行base64 解码得到特 征图像数据； 通过所述数据渲染后的json格 式文件和特征图像数据， 完成舰船知识图谱的可视化展 示。 3.根据权利要求1所述的方法， 其特征在于， 通过预设序列 标注法对所述舰船装备数据 集进行标注， 得到词条 标注训练集包括： 通过基于BIOES标注体系的序列标注法， 对所述舰船装备数据集进行标注， 得到词条标 注训练集。 4.根据权利要求1所述的方法， 其特征在于， 将所述词条标注训练集输入预设实体识别 模型， 完成所述舰船装备 数据集的实体识别包括： 将所述词条标注训 练集输入BiLSTM ‑CRF模型中， 完成所述舰船装备数据集的实体识 别。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法包括：权　利　要　求　书 1/2 页 2 CN 114707005 B 3