买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海海洋大学

摘要：本发明公开了一种基于知识图谱的智能渔业问答机器人的构建方法，包括：参照当前现有的其他领域的语义划分，进行知识建模的结构的建立；通过研究渔业领域半结构化、非结构化的数据，还原渔业生产过程中的业务模式，并剥离出渔业知识的语义类型、语义关系以及提取出对象本体；通过爬取结构化的数据，从中提取出相应对象本体的本体属性及实例；将爬取的结构化数据和来自第三方知识库的数据进行知识融合，通过在Web页面中嵌入使用AIML技术的智能渔业问答机器人，最终得到一个完整的基于知识图谱的智能渔业问答机器人的构建方法。本发明提高了领域的知识概念体系的建设完整率，为养殖户获取其所需的信息提供了更加方便的途径，可提高生产效率。

主权项：1.一种基于知识图谱的智能渔业问答机器人的构建方法，其特征在于，包含以下几步：S01：参照当前现有的其他领域的语义划分，进行知识建模的上层结构的建立；S02：通过研究渔业领域半结构化及非结构化数据，还原渔业生产过程中的业务模式，并剥离出渔业知识的语义类型、语义关系以及提取出对象本体；S03：通过爬取结构化的数据，从中提取出相应对象本体的本体属性及实例；S04：将S03阶段爬取的结构化数据和来自第三方知识库的数据进行知识融合，通过实体消歧、指代消解，减少实体种类，降低图谱稀疏性，并与对象本体进行知识合并，得到知识图谱；S05：通过在Web页面中嵌入使用AIML技术的智能渔业问答机器人，并设定特定的语句类型将其链接到知识图谱，最终得到一个完整的基于知识图谱的智能渔业问答机器人的构建方法，所述步骤S01中，将以参照目前现有的语义资料，搭建顶层语义类型划分为主；在S02阶段，将在S01阶段的基础之上，通过研究水产养殖领域业务模式，使用归纳法将水产养殖的工作流抽象出来进行对象梳理，最终得到建立本知识图谱过程中所需要用到的知识建模，所述步骤S02中，所述渔业领域知识实体的构建方法：根据半结构化和非结构化数据人工建立的工作流有助于提取出渔业领域的对象本体的概念，又称为类别或类，有助于步骤S04结构化数据的处理，以及步骤S03的对象本体实体及其属性的获取；与此同时，通过提取出类及其之间的关系之后，可以用于建立知识图谱的模式层，使用三元组的方式存储，用于对数据层的约束，所述步骤S02中，构建渔业领域对象本体的过程中，将渔业领域知识实体对象本体信息划分为八个基本类，所述基本类包括：养殖场所、水体环境、养殖品种、技术特点、潜在疾病、污染水平、投资成本、资料来源；于此同时，将每一个基本类划分为若干个子类概念，将养殖技术分为：技术普及度、技术覆盖率、技术可靠性；将养殖品种划分为鱼类、虾类、贝类、蟹类；将污染水平划分为污染物排放类型、污染物排放量；将养殖场所划分为塘基养殖、浮排养殖、人造养殖池养殖；人造养殖池养殖又划分为静水养殖、活水养殖；将投资成本划分为投资估算、运行费用、投资回收期；将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料，所述基本类之间的关系，按照以下依据建立基本类之间的关系，包括建立渔业领域概念在语义上的上下位关系Part-of，渔业领域概念的层级关系Kind-of，渔业领域对象与类的关系Instance-of，渔业领域某一概念是另一概念的属性Attribute-of，所述步骤S03中，建立的模式层，该模式层并非一成不变，而是会在后期随着实例化的进行，与数据层一并螺旋迭代，所述步骤S03中，通过爬取结构化数据，按照字段直接抽取对应字段的名称，及其对应字段中包含的知识单元，获取对象本体知识，获取对象本体实例及其属性，建立知识图谱，存储在图数据库中，所述步骤S03中，爬取结构化数据抽取字段建立知识图谱的方法，其实体链接过程需根据实体、关系、实体模式进行语义相似度计算，筛选出语义最为相近的实体、关系、实体组合，并在所述步骤S04进行知识融合，所述步骤S04包括以下步骤：S41：包括实体消歧和指代消解过程；S42：将筛选出来的概念集合添加到现有的知识图谱中，实现知识合并，挖掘出提问者可能关心的其他问题，包括以下几个步骤：S51、根据记录下的被提到的结点，在该实例对应的类中，搜寻最相似的实例，推荐给用户；S52、根据回答所涉及到的实例，在该实例对应的类中，搜寻和该实例有关系且二者所属的类为同一类或其父类的父类为同一类，在回答时，将该信息推荐给用户；S53、根据用户所提问题的字段，涉及到养殖方法的时候，自动为用户联想到该养殖方法可能会存在的某些问题，以及预防办法。

全文数据：

权利要求：

百度查询： 上海海洋大学 一种基于知识图谱的智能渔业问答机器人的构建方法