一种基于图书目录的知识图谱的构建方法

摘要

本发明公开了一种基于图书目录的知识图谱的构建方法。它抽取数字化图书中的目录页，区分目录中条目长度,将长条目用自然语言处理工具进行词性标注得到词性数组，利用连词、标点和词性规则提取出候选节点，然后与短条目一起，去百度百科、互动百科中鉴定并利用目录结构形成上下级关系和并列关系，作为知识图谱的骨架,同时区分出强弱并列关系，分别作为增量补充进上下级关系，并根据以后缀为基础的挖掘噪声数据的算法，从未通过百科鉴定的条目中选取出节点补充进知识图谱，最后，对补充完的知识图谱中的关系，算其权重再进行排序，从而筛选掉噪声。本发明比目前已有的知识图谱有更丰富的节点，更好的可扩展性，及更高的准确率。

主权项

一种基于图书目录的知识图谱的构建方法，其特征在于包括以下步骤：1)选择一本书，将其目录页进行光学字符识别实现数字化，并在数字化的目录结构上，按照目录中条目的长度，区分出长条目和短条目两类条目；2)对短条目直接作为一批候选节点,同时将长条目利用开源的自然语言处理工具FudanNLP进行词性标注得到词性数组，然后利用连词、标点和词性规则提取出另外一批候选节点；3)对两批候选节点，首先进行严格过滤，去百度百科、互动百科中鉴定该节点存在与否，通过百度百科、互动百科鉴定的部分利用目录的上下级结构形成上下级关系，利用目录的同级结构形成并列关系，以这两部分作为知识图谱的骨架；4)区分出强弱并列关系，从两种并列关系中分别选取出节点，进行增量补充进上下级关系，丰富上一步得到的知识图谱的骨架；5)根据提出的以后缀为基础的挖掘噪声数据中有用部分的方法，从未通过百度百科、互动百科鉴定的条目中选取出一部分节点补充进知识图谱中；6)对补充完的知识图谱中的每一条关系，算其权重再进行排序，从而筛选掉一部分噪声,实现排序筛选。