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：浙江工业大学

摘要：多源中文金融公告文书的知识图谱构建方法，包含：将文档各章节层次关系结构化，并构建较完整的文档结构树；对所有标题数据进行标注；统一标题的长度到事先设定好的字数，并用BERT进行字符级别的wordembedding编码，得到相应的向量表示；将处理好的数据集划分为训练集和测试集，进行训练，得到标题分类模型；用标题分类模型对文档标题进行分类；将有效文本区块的复杂有效知识进行遮罩；构建带遮罩的语义模型构建多源同类泛化遮罩Bi‑LSTM语义模型M‑MST模型，喂入M‑MST模型训练，得到知识抽取模型；根据知识抽取模型，结合外部知识库，获得实体关系三元组；构建多源金融公告文书知识图谱及实现增量更新或扩展。还包括实施多源中文金融公告文书的知识图谱构建方法的系统。

主权项：1.多源中文金融公告文书的知识图谱构建方法，包括以下步骤：步骤1：针对文档数据的格式xml或pdf，用xml结构提取或光学字符识别OCR技术将文档各章节层次关系结构化，并构建较完整的文档结构树sessionTree；步骤2：对所有标题数据进行标注；通过正则模糊匹配的方式获取关键信息位置，并抽取关键信息所在有效文本块的标题，标注为有效标题，其余标注为无效标题；步骤3：统一标题的长度到事先设定好的字数，并用BERT进行字符级别的wordembedding编码，得到相应的向量表示；步骤4：将处理好的数据集划分为训练集和测试集，并将得到的向量喂入BiLSTM-CRF神经网络进行训练，通过Softmax对标题进行二分类，得到标题分类模型；步骤5：用标题分类模型对文档标题进行分类，进一步确认有效文本区块的范围，并以MongoDB数据库的key-value形式进行存储；步骤6：将有效文本区块的复杂有效知识进行遮罩，替换为某一指代短实体，以减少复杂知识对上下文语义的影响，精确获取抽取知识上下文语义信息，并针对有效知识，对文本块进行BIO形式的标注；步骤7：构建带遮罩的语义模型构建多源同类泛化遮罩Bi-LSTM语义模型M-MST模型，Masked-MultipleSourcesOneTopicBi-LSTMModel，并将标注数据用BERT进行wordembedding编码，划分为训练集和测试集，喂入M-MST模型训练，得到知识抽取模型；步骤8：根据知识抽取模型，结合外部知识库，获得这些实体及其属性具有专业领域上下文语义信息的词向量，利用Levenshtein算法完成实体融合的工作，获得实体关系三元组； 式中a、b代表两个实体词向量，i、j代表向量下标，Leva,bi,j代表a、b实体间的相似度数值；步骤9：基于融合的金融领域实体三元组，使用Neo4j高性能NoSQL数据库进行存储、展示及查询，使用OGM实现对Neo4j中三元组对象的设计及定义，构建多源金融公告文书知识图谱及实现增量更新或扩展，具体包括：拟根据以下步骤实现:基于融合的金融领域实体三元组，可使用Neo4j高性能NoSQL数据库进行存储、展示及查询，使用OGM实现对Neo4j中三元组对象的设计及定义；a基于实体融合三元组知识库构建知识图谱；b基于统一语义环境下计算新增实体或属性词向量；c若新增为属性，执行如下操作：i.根据距离阈值或外界知识库判别其是否为新增属性；ii.是→添加到对应实体属性三元组中；iii.不是→是否为需要更新的属性，需要更新的属性指随着时间推移更新的属性信息；iv.是→更新现在属性值，即点跟边，并记录更新时间与频次；v.不是→不做任何修改，可记录重复频次；d若新增为实体，执行如下操作：i.根据距离阈值判别其是否为新增实体；ii.是→根据聚类和最优化分析方法获得最优添加位置，计算新增关系数量、改变关系数量，以期获得符合应用目标的最优知识图谱；iii.不是→是否为需要更新的实体，需要更新的实体指随着时间推移更新的属性信息；iv.是→基于最优化方法更新实体，即点跟边，并记录更新时间与频次；v.不是→不做任何修改，能记录重复频次。

全文数据：

权利要求：

百度查询： 浙江工业大学 多源中文金融公告文书的知识图谱构建方法及系统