(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 202210151393.0 (22)申请日 2022.02.17 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 刘运星　严丽　 (74)专利代理 机构 南京瑞弘专利商标事务所 (普通合伙) 32249 专利代理师 秦秋星 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/36(2019.01) (54)发明名称 一种知识图谱 模糊查询方法 (57)摘要 本发明公开了一种面向知识图谱的模糊查 询方法。 RDF是知 识图谱的一种表示模型， SPARQL 是RDF的标准查询语言。 为实现对以RDF表示的知 识图谱进行模糊查询， 本发明在总结和分析现有 SPARQL模糊扩展的基础上， 引入了聚合函数的模 糊扩展语法， 并补充了定性偏好分析方法， 进而 提出了与SPARQL1.1相对应的模糊SPARQL1.1(f ‑ SPARQL1.1)， 同时提供了将 模糊查询重写成经 典 SPARQL查询的策略与方法。 除此之外本发明还提 供了定义模糊术语和模糊隶属函数的可视化界 面， 并提供三种设置模糊隶属函数的交互式方法 和可视化界面。 本发明的主要用途 是提供了一种 面向知识图谱的模糊查询方法， 使用此方法可以 实现使用模糊术语实现知识图谱 模糊查询。 权利要求书2页 说明书8页 附图3页 CN 114706901 A 2022.07.05 CN 114706901 A 1.一种面向知识图谱的模糊查询方法， 其特 征在于， 包括如下步骤： (1)为RDF的SPA RQL模糊查询工作补充模糊聚合函数语法和模糊分组语法， 定性的偏好 分析语法； (2)提出上述模糊查询语法的执 行算法； (3)关注于RDF的模糊查询的隶属函数设置， 提出自动化， 半自动化和自定义的三种隶 属函数设置的交 互模型， 并实现可视化界面。 2.根据权利要求1所述的一种面向知识图谱的模糊查询方法， 其特征在于： 步骤(1)中 提出的模糊聚合函数语法是对SPARQL1.1新增的聚合函数语法的模糊化形式， 其形式如表1 所示； 表1 SPARQL聚合函数模糊扩展 3.根据权利要求1所述的一种面向知识图谱的模糊查询方法， 其特征在于， 步骤(1)中 模糊分组语法解释如表 2所展示； 表2 模糊分组相关模糊扩展语法 4.根据权利要求1所述的一种面向知识图谱的模糊查询方法， 其特征在于， 步骤(1)中 定性的偏好分析语法如下 所示： FUZZYQPREFER？ x1？ x2…(w1,w2) 其中？ x1？ x2为参与模糊查询的变量， w1,w2表示对应？ x1？ x2的权重。 5.根据权利要求3所述的一种面向知识图谱的模糊查询方法， 其特征在于， 步骤(2)中， 所述执行算法包括如下步骤： (2.1)首先将含模糊聚合函数的查询语句 解析成f‑SPARQL， 然后使用的f ‑SPARQL语法 规则将模糊聚合 函数转换成可 执行的SPARQL语句； (2.2)模糊分组函数中包含lingTrans语法， 该函数在将本模糊查询语法转换为SPARQL 语法， 然后面向知识图谱查询得到结构后执行， 通过将结果中的数值输入到各模糊术语中， 得到该值对应于各个模糊术语的隶属度； (2.3)表2 中包含的lingFew与lingMost包括lingAbstract都是对lingTrans语法的下 游扩展， 其步骤为先使用lingTrans函数将查询后的结果转换为带有模糊术语特性和模糊权　利　要　求　书 1/2 页 2 CN 114706901 A 2隶属度的数据条目， 一个属性对应多个模糊术语和隶属度， 对一个数据条目做笛卡尔积， 得 到该数据对应的模糊术语组合， 组合包含模糊隶属度； 接下来计算模糊术语特性组合中出 现次数最多， 最少的组合； 若 出现次数一样多， 则计算该模糊术语特性组合与该组合核的距 离， 选择距离最近的一组作为答案； 计算与模糊术语核的距离采用欧式距离公式， 其 公式表 达如公式(1)所示， 其中n代表一条数据中模糊项的数量； 经过上述计算后得到了lingMost， lingFew， lingAbstract的结果； di代表隶属度； (2.4)fgroup  by的处理过程为首先使用lingTrans函数将指定的特性转换为模糊术 语， 若有多个特性转换则使用笛卡尔积展开得到属 性组合， 并按照同一类的属 性组合将数 据分组； (2.5)定性的偏好分析算法的执行过程为将查询知识图谱后的数据使用BNL算法对结 果进行排序和筛 选。 6.根据权利要求1所述的一种面向知识图谱的模糊查询方法， 其特征在于， 步骤(3)的 具体步骤 包括： (3.1)自动化设置模糊隶属函数时， 根据用户所提供的主语和谓语将其分成三个模糊 集合为“低” “中” “高”， 而后使用三角隶属函数建立方法建立模糊隶属函数； 根据用户提供 的主语和谓语， 得到的最大值与最小值分别是maxV、 minV， 建立 “低” “中” “高”的模糊隶属函 数需要将[maxV,minV]分成六份， 每一份的长度x＝(maxValue ‑minValue)/6， 模糊术语 “低” 的范围为[ minValue,minValue+2x)， [ minValue+x,minValue+5x)是模糊术语 “中”的范围； [minValue+4x,maxValue)是模糊术语 “高”的范围， 通过以上方法分成的模糊隶属函数图 像； (3.2)在半自动化设置隶属函数的模式下， 允许用户指定模糊域的范围， 模糊术语领域 的个数， 对应的模糊术语， 以及模糊隶属函数的形状； (3.3)完全手动的隶属函数设置模式用户需要设置此隶属函数的最大值， 最小值以及 所描述的模糊术语， 并通过手绘的方式为此模糊术语设置隶属 函数； 除此之外用户也可通 过自定义 函数表达式来设置模糊隶属函数； 其中手绘板使用Canvas库绘制完成。权　利　要　求　书 2/2 页 3 CN 114706901 A 3