CN119474382A 一种基于数据融合驱动的政务知识图谱构建方法 （福建拓尔通软件有限公司）

一种基于数据融合驱动的政务知识图谱构本发明涉及一种基于数据融合驱动的政务规则和属性融合规则，利用ViT模型进行部分政采用protégé实现政务领域本体构建与存储。最2步骤S1、获取政务领域原始数据、结合多模态数据融合步骤S2、基于政务便民服务场景需求和规范化多模态政务实现本体到政务领域知识图谱的映射，采用图数据库Neo4j实现多模态知识图谱的构建与2.根据权利要求1所述的一种基于数据融合驱动的政务知识图谱构建方法，其特征在步骤S1A2、通过自动化脚本编写，对步骤S1A1获取的Eiee,ie[1,N)，N代表该实体类的属性数量。领域数据；假定给出政务领域实体类的两个政务实体实例e1=(a11,A12,…,A1k,A1m)和步骤S1B1、将元组化结构政务领域信息数据划分为数值当A1k与(k是同种属性类且属于数值型时，直接使用其数值大小作为量化特征，利用其中，当(xk表示全部该类实体的第K个属性，max(axk)表示全部该类实体的第K个属性的最大值，min(axx)表示全部该类实体的第k个3其中Lev_Disayx.asx(i,j)是A1k的前i个字符和aax的前j个字符间的莱文斯坦距离，其中i与j分别表示A1k与azk的某个前缀长度，max(i,j)与min(i,j)分别表示i与j之间的其中cossim(A1,A2)表示A1K与ax的两个n维TF_IDF向量A1与A2的余弦相似度，A1K表示属性A1K的n维TF_IDF向量的第k个维度大小，A2K表示属性的n维TF_IDF向量的第k个维度大小；为属性A1k的n维TF_IDF向量的第k个维度和e2的属性A1k与ax的相似度越高；下所示：图像型属性A1k的特征向量的第i个维度大小，V,(aax)表示实体e1关于图像型属性ax的特特征提取得到实体ej关于图像型属性的特征在经过计算得到关于实体e1和e2的各个属性间的相似度后，需要根据不同属性对于实4步骤S1B2、针对来源于不同数据集中的指向同一实0中添加属性ai=bj，且ai、bj均正确，但存在描述方式不一致时，则任意向e0中添加ai或bj属性，但不同时添加、属性补全规则即：当出现aiub的属性和一致性原则即：当出现ai*bj，且ai、bj指向同一属性类，但存在部分错领域数据。4.根据权利要求1所述的一种基于数据融合驱动的政务知识图谱构建方法，其特征在步骤S2A1、采用自顶向下的方法定义本体类，针机构SectoralInstitutions、政务事项GovernmentMatters的本体模型以及他们之间的关步骤S2A2、根据步骤S2A1得到的政务领域本步骤S2A3、根据步骤S2A1和S2A2所得政务领域本体基5.根据权利要求1所述的一种基于数据融合驱动的政务知识图谱构建方法，其特征在步骤S3A1、将步骤S1所得多模态政务领域数据根据步骤5域本体的构建后，设计数据映射规则，实现本体到政务知识图谱的映射，采用图数据库6进行清洗并将得到的结构化政务领域原始数据映射为元实体类Ei的第1个属性，az表示实体类Ei的第2个属性，m为实体类Ei的属性数量，Eiee,ie[1,N)，N代表该实体类的属性数量。[0006]在一较佳的实施例中，对元组化结构政务领域信息数据进行实体对齐和属性融其中，当(xk表示全部该类实体的第K个属性，max(axk)表示全部该类实体的第K个属性的最大值，min(axx)表示全部该类实体的第k个其中Lev_Disayx.asx(i,j)是A1k的前i个字符和aax的前j个字符间的莱文斯坦对于长篇幅的文本，使用Jieba分词工具实现文本分词，把文本分为独立的词集7式如下所示：的特征向量的第i个维度大小；viT(a,x)表示通过ViT模型对实体ej的图像型属性cjk进行视觉特征提取得到实体ej关于图像型属性Qh的在经过计算得到关于实体e1和e2的各个属性间的相似度后，需要根据不同属性对ai*bj，且ai、bj指向同一属性类，同时均描述正确但不全aiub的属性和一致性原则即：当出现ai*bj，且ai、bj指向同一属性类，但存在部分错领域数据。8门机构SectoralInstitutions、政务事项GovernmentMatters的本体模型以及他们之间的步骤S3A2、使用Neo4j图数据库进行存储，以图的形式对实体及其关系进行可视9在相应的子域中映入具体的政务领域数据，采用图数据库Neo4j实现多模态政务知识图谱模态数据融合模型和结构化数据映射规则和属性融合规则，同时基于ViT模型提取部分原站为主的政务网站进行政务领域原始数据的获取，得到半结构化文本数据与视觉模态数进行清洗并将得到的结构化政务领域原始数据映射为元实体类Ei的第1个属性，az表示实体类Ei的第2个属性，m为实体类Ei的属性数量，Eiee,ie[1,N)，N代表该实体类的属性数量。以下步骤：当A1k与azk是同种属性类且属于数值型时，可直接使用其数值大小作为量化特其中，当(xk表示全部该类实体的第K个属性，max(axk)表示全部该类实体的第K个属性的最大值，min(axx)表示全部该类实体的第k个其中Lev_Disayx.asx(i,j)是A1k的前i个字符和aax的前j个字符间的莱文斯坦表示属性A1K的n维TF_IDF向量的第k个维度大小，A2K表示属性的n维TF_IDF向量的第k公式如下所示：cosvisual(ax,a.x)表示图像型属性A1k与ax的余弦相似度，其中v,(aux)表示实体e1关于图像型属性A1k的特征向量的第i个维度大小，V,(aax)表示实体e1关于图像型属性aak的特征向量的第i个维度大小；viT(a,x)表示通过ViT模型对实体ej的图像型属性QK进行视觉特征提取得到实体ej关于图像型属性cjk的特征向量。[0022]在经过计算得到关于实体e1和e2的各个属性间的相似度后，需aiub的属性和一致性原则即：当出现ai*bj，且ai、bj指向同一属性类，但存在部分错领域数据。步骤S2A1、采用自顶向下的方法定义本体类，针对政务便民服务场景，构建[0028]步