买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东圣剑医学研究有限公司

摘要：本发明涉及数据处理技术领域，具体涉及一种用于AI数字人的科研资料知识图谱构建方法，本发明以段为单位来构建特征词向量，然后通过计算对应段落的特征词向量之间的对齐度来对不同的特征词向量进行对齐处理，然后通过对齐的两个特征词向量之间的段落相似性来修正传统的余弦相似度距离指标，然后使用修正后的距离指标来计算特征词向量之间的相似性，进而得到更准确的聚类结果，构建的科研资料知识图谱更可靠。

主权项：1.一种用于AI数字人的科研资料知识图谱构建方法，其特征在于，所述方法包括：获取科研资料文档，提取所述科研资料文档中的实体；构建所述实体所在的科研资料文档段落的特征词向量；基于所述特征词向量，分析所述实体所在的两个科研资料文档对应段落中的分词之间的及其同义词之间的相似度，获得所述实体所在的两个科研资料文档对应段落中的分词之间的对齐度，根据所述对齐度，获得对齐特征词向量；根据所述对齐度，结合所述实体所在段落的相对位置，获得所述实体所在的两个科研资料文档对应段落中的两个所述对齐特征词向量的相似度权重系数；根据所述相似度权重系数，结合两个所述对齐特征词向量间的余弦相似度，获得两个所述对齐特征词向量之间的修正余弦相似度；根据所述修正余弦相似度，获得所述对齐特征词向量之间的修正相似性矩阵，基于所述修正相似性矩阵对所述实体进行聚类，完成科研资料知识图谱构建；基于所述特征词向量，分析所述实体所在的两个科研资料文档对应段落中的分词及其同义词之间的相似度，获得所述实体所在的两个科研资料文档对应段落中的分词之间的对齐度，包括：使用word2vec模型计算所述实体所在的两个科研资料文档对应段落中的分词之间的相似度；使用word2vec模型，分析所述实体所在的两个科研资料文档对应段落中分词的同义词之间的相似度，获得所述实体所在的两个科研资料文档对应段落中分词的同义词之间的相似系数；对分词之间的相似度和分词的同义词之间的相似系数加权，获得所述实体所在的两个科研资料文档对应段落中的分词之间的对齐度；所述分词的同义词之间的相似系数计算公式为： 式中，表示第个实体在第个文档中第个段落内的第个分词的同义词和第个实体在第个文档中第个段落内的第个分词的同义词的相似系数，表示第个实体在第个文档中第个段落内的第个分词的同义词和第个实体在第个文档中第个段落内的第个分词的同义词的相似个数，表示第个实体在第个文档中第个段落内的第个分词的同义词的个数，表示第个实体在第个文档中第个段落内的第个分词的同义词的个数，表示所有个相似的分词同义词对应的相似度的均值；根据所述对齐度，结合所述实体所在段落的相对位置，获得所述实体所在的两个科研资料文档对应段落的两个对齐特征词向量的相似度权重系数，包括：计算所述实体所在的一个科研资料文档段落中所有的分词与所述实体所在的另一个科研资料文档段落中分词的对齐度的均值；计算所述实体所在的一个科研资料文档段落中所有的分词与所述实体所在的另一个科研资料文档段落中分词的对齐度之间的聚集度；根据所述对齐度、所述对齐度的均值及所述对齐度之间的聚集度，结合所述实体所在段落的相对位置，获得所述实体所在的两个科研资料文档对应段落的两个对齐特征词向量的相似度权重系数；所述相似度权重系数计算公式为： 式中，表示第个实体在第个文档中第个段落的对齐特征词向量和第个实体在第个文档中第个段落的对齐特征词向量的相似度权重系数，表示第个实体在第个文档或第个实体在第个文档中的段落总数，表示第个实体在第个文档或第个实体在第个文档中第个段落的编号值，表示第个实体在第个文档中第个段落中的所有分词与第个实体在第个文档中第个段落中分词所有的对齐度的均值，表示第个实体在第个文档中第个段落的所有分词与第个实体在第个文档中第个段落中分词所有的对齐度之间的聚集度，表示第个实体在第个文档中第个段落的所有分词与第个实体在第个文档中第个段落中分词所有的对齐度中小于0.3的个数，表示归一化函数。

全文数据：

权利要求：

百度查询： 山东圣剑医学研究有限公司 一种用于AI数字人的科研资料知识图谱构建方法