(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 202211286741.1 (22)申请日 2022.10.20 (71)申请人 国家电网有限公司大 数据中心 地址 100031 北京市西城区宣武门内大街8 号 (72)发明人 宋金伟　周春雷　朱广新　宋继勐　 沈子奇　宣东海　史昕　张贻红　 张羽舒　李燕溪　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 高艳红 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/34(2019.01) G06F 40/295(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种电碳政策知识图谱构建方法、 装置、 设 备及存储介质 (57)摘要 本发明公开了一种电碳政策知识图谱构建 方法、 装置、 设备及存储介质。 该方法包括： 获取 电碳政策文本及预先构建的政策本体模型， 所述 政策本体模 型中的政策本体包括政 策实体、 政策 属性和政策关系； 基于所述政策本体模型， 采用 训练好的政 策本体抽取模型， 在所述电碳政策文 本中抽取各所述政策本体的政策本体信息； 将各 所述政策本体信息导入目标图形数据库， 生成电 碳政策知识图谱。 本发明通过 获取已经发布的电 碳政策文本， 基于构建的政策本体模型， 采用政 策本体抽取模型抽取电碳政策文本包含的政策 本体信息， 以构建较为完善的电碳政策知识图 谱， 对电碳政策进行了系统的梳理， 为企业应用 电碳政策做出了有力指导， 提高了大众对电碳政 策的合理解读。 权利要求书2页 说明书11页 附图2页 CN 115510247 A 2022.12.23 CN 115510247 A 1.一种电碳政策知识图谱构建方法， 其特 征在于， 包括： 获取电碳政策文本及预先构建的政策本体模型， 所述政策本体模型中的政策本体包括 政策实体、 政策属性和政策关系； 基于所述政策本体模型， 采用训练好的政策本体抽取模型， 在所述电碳政策文本中抽 取各所述政策本体的政策本体信息； 将各所述政策本体信息导入目标图形 数据库， 生成电碳政策知识图谱。 2.根据权利要求1所述的方法， 其特 征在于， 所述政策实体包括电碳政策版本、 政策类别、 政府机构、 关联政策、 产业类型和/或区 域； 所述政策属性包括外部特征属性和内部特征属性， 所述外部特征属性包括题目、 作者、 来源、 摘要、 关键词、 基金资助、 数字对象识别码、 专 辑、 专题、 分类号、 期刊名称、 电子期刊出 版信息、 引题、 面向对象和/或关联政策， 所述内部特 征属性包括政策倾向性属性； 所述政策关系包括引用、 发布、 开展和/或包 含。 3.根据权利要求2所述的方法， 其特 征在于， 所述政策本体抽取模型包括政策实体抽取模型、 政策属性抽取模型和政策关系抽取模 型； 所述政策实体抽取模型包括深度学习抽取实体子模型、 撰写规则抽取实体子模型和实 体结果整合子模型； 所述政策属性抽取模型包括深度学习抽取属性子模型、 撰写规则抽取属性子模型、 属 性结果整合子模型和 属性分类神经网络 子模型； 所述政策关系抽取模型包括深度学习抽取关系子模型、 撰写规则抽取关系子模型和关 系结果整合子模型。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述政策本体模型， 采用训练好 的政策本体抽取模型， 在所述电碳政策文本中抽取 各所述政策本体的政策本体信息， 包括： 将所述电碳政策文本输入所述深度学习抽取实体子模型， 得到深度学习抽取实体结 果； 将所述电碳政策文本输入所述撰写规则抽取实体子模型， 得到撰写规则抽取实体结 果； 采用所述实体结果整合子模型， 对所述深度 学习抽取实体结果和所述撰写规则抽取实 体结果进行整合， 得到所述政策实体对应的政策实体信息 。 5.根据权利要求3所述的方法， 其特征在于， 所述基于所述政策本体模型， 采用训练好 的政策本体抽取模型， 在所述电碳政策文本中抽取 各所述政策本体的政策本体信息， 包括： 将所述电碳政策文本输入所述深度学习抽取属性子模型， 得到深度学习抽取属性结 果； 将所述电碳政策文本输入所述撰写规则抽取属性子模型， 得到撰写规则抽取属性结 果； 采用所述属性结果整合子模型， 对所述深度 学习抽取属性结果和所述撰写规则抽取属 性结果进行整合， 得到所述外 部特征属性对应的政策属性信息； 将所述电碳政策文本输入所述属性分类神经网络子模型， 得到所述内部特征属性对应权　利　要　求　书 1/2 页 2 CN 115510247 A 2的政策属性信息 。 6.根据权利要求3所述的方法， 其特征在于， 所述基于所述政策本体模型， 采用训练好 的政策本体抽取模型， 在所述电碳政策文本中抽取 各所述政策本体的政策本体信息， 包括： 将所述电碳政策文本输入所述深度学习抽取关系子模型， 得到深度学习抽取关系结 果； 将所述电碳政策文本输入所述撰写规则抽取关系子模型， 得到撰写规则抽取关系结 果； 采用所述关系结果整合子模型， 对所述深度 学习抽取关系结果和所述撰写规则抽取关 系结果进行整合， 得到所述政策关系对应的政策关系信息 。 7.根据权利要求1所述的方法， 其特征在于， 在将各所述政策本体信 息导入目标图形数 据库之前， 还 包括： 根据各所述政策本体信息对应的政策本体， 对各 所述政策本体信息进行格式化处 理。 8.一种电碳政策知识图谱构建装置， 其特 征在于， 包括： 政策数据获取模块， 用于获取电碳政策文本及预先构建的政策本体模型， 所述政策本 体模型中的政策本体包括政策实体、 政策属性和政策关系； 政策本体抽取模块， 基于所述政策本体模型， 采用训练好的政策本体抽取模型， 在所述 电碳政策文本中抽取 各所述政策本体的政策本体信息； 知识图谱生成模块， 用于将各所述政策本体信息导入目标图形数据库， 生成电碳政策 知识图谱。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 电碳政策知识图谱构建方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的电碳政策知识 图谱构建方法。权　利　要　求　书 2/2 页 3 CN 115510247 A 3