(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 202210124606.0 (22)申请日 2022.02.10 (71)申请人 深圳市查策网络信息技 术有限公司 地址 518000 广东省深圳市龙华区民治街 道民乐社区星河WORLD二期C 栋3103A (72)发明人 林正春　兰林　陈功文　 (74)专利代理 机构 深圳市查策知识产权代理事 务所(普通 合伙) 44527 专利代理师 曾令安 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/332(2019.01) G06F 16/35(2019.01) G06F 16/953(2019.01) (54)发明名称 一种文本大 数据的图谱分析方法 (57)摘要 本发明涉及一种文本大数据的图谱分析方 法， 该方法包括以下步骤： 采集筛选公布的文本 大数据， 并对筛选后的文本大数据进行标注； 从 筛选的文本大数据中选定图谱分析对象， 并通过 模型对选定的图谱分析对象抽取知识三元组； 对 抽取的知识三元组进行检索， 得到所有编号三元 组， 取最小编号， 并对最小编号三元组进行知识 推理， 得到知识图谱。 本发明公布了一种文本大 数据的图谱分析方法， 通过对文本大数据信息进 行分析， 并构建出知识图谱， 不仅降低了文本大 数据分析的复杂 度， 对文本大数据的解读也更加 方便， 还提高了文本大数据分析的准确性， 进一 步提高企业数据与文本大 数据的匹配度。 权利要求书2页 说明书4页 附图1页 CN 114461817 A 2022.05.10 CN 114461817 A 1.一种文本大 数据的图谱分析 方法， 其特 征在于， 包括以下步骤： (1)采集筛 选公布的文本大 数据， 并对筛 选后的文本大 数据进行 标注； (2)从筛选的文本大数据中选定图谱分析对象， 并通过模型对选定的图谱分析对象抽 取知识三元组； (3)对抽取的知识三元组进行检索， 得到所有编号三元组， 取最小编号， 并对最小编号 三元组进行知识推理， 得到知识图谱。 2.根据权利要求1所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤(1) 具体为： 1.1、 采集公布的文本大 数据， 并筛 选出第一文本大 数据； 1.2、 跟踪筛选后的第一文本大数据， 并采集对应的第二文本大数据信息， 建立文本信 息库； 1.3、 采用Bert模型及预训练模型， 对采集到的第二文本大数据信息进行分词并编号， 建立文本词库。 3.根据权利要求2所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤1.2 中， 对于一类第一文本大数据， 需要跟踪一个月或一年时间； 对于每年不断更新的第一文本 大数据， 则应跟踪 多年直到文本大 数据停止更新。 4.根据权利要求2所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤1.2 中的第二文本大 数据信息包括公布的文本名称、 起止时间、 匹配条件以及数据平台。 5.根据权利要求2所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤1.3 的所有分词中， 对 存在近义词关系的分词进行 标注， 且记录 近义词编号。 6.根据权利要求1所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤(2) 具体为： 2.1、 选定一个图谱分析对象TX0， 在文本信息库中找出所有对应的第二文本 大数据信息 TXi， i＝1,2,3, …； 2.2、 采用Bert模型及其预训练模型， 抽取第二文本大数据信息TXi的知识三元组SPOi＝ (Si,Pi,Oi)。 7.根据权利要求6所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤2.1 中的图谱分析对象TX0为一组文本大 数据或一数据平台。 8.根据权利要求1所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤(3) 具体为： 3.1、 在文本词库中对知识三元组SPOi的各分量的近义词进行检索， 得到所有近义词及 编号， 取最小编号； 3.2、 采用最大流算法， 对最小编号三元组SPO_idi进行知识推理， 得到图谱 分析对象TX0 的知识图谱。 9.根据权利要求8所述的一种文本大数据的图谱分析方法， 其特征在于， 所述步骤3.1 具体为： 3.1.1、 在文本词库中检索知识Si的所有近义词并记录编号idj,j＝1,2,3, …， 设id0为 知识Si对应的编号， 取最小编号S_idi＝min{id0,id1,id2,id3,…}； 3.1.2、 针对知识Pi,Oi采用上述同样的方法得到最小编号P_idi， O_idi；权　利　要　求　书 1/2 页 2 CN 114461817 A 23.1.3、 综上所述， 得到知识三元组SPOi对应的最小编号三元组SPO_idi＝(S_idi,P_idi, O_idi)。权　利　要　求　书 2/2 页 3 CN 114461817 A 3