一种数据的知识谱图构建方法、装置、设备及存储介质与流程

本发明实施例涉及大数据挖掘技术领域，尤其涉及一种数据的知识图谱构建方法、装置、设备及存储介质。

背景技术：

随着信息化的快速发展，数据爆炸的世界已经迈入了大数据的时代，如何从大数据中提取出有价值的信息，并将其转化为现实可用的资源，用以支撑各种纷繁复杂的业务，是信息技术领域面对的重要命题。

过去数年，大数据的相关技术不断发展，云计算、机器学习以及自然语言处理等新兴技术都融入到了大数据处理的领域当中，为大数据的发展起到了明显的推动作用。然而并不是所有问题都可以通过技术手段来解决，对数据的处理需要建立一整套的规范，用来保证各种技术手段的顺利实现，为此现有技术提出了一种人对象数据的处理方法。

然而，大数据的时代不只与人相关，还包括各行各业的事务和物品等，例如erp(enterpriseresourceplanning，企业资源计划)和oa(officeautomation，办公自动化)等各类事务性的信息系统层出不穷，物联网的领域也从各类移动终端不断扩张至各种生活设备，这其中的很多信息本身并不是用来描述和刻画人对象的，但都是大数据不可分割的一部分。

技术实现要素：

本发明实施例提供一种数据的知识图谱构建方法、装置、设备及存储介质，解决了现有技术中第一属性类别的单一性问题，构建了一种信息更全面的知识图谱。

第一方面，本发明实施例提供一种数据的知识图谱构建方法，包括：

获取样本数据；

对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别；

根据预设规则确定第一属性子类别之间的关联关系；

根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱。

进一步的，在构建所述样本数据对应的知识图谱之后，还包括：

获取实际数据；

对所述实际数据中的关键词进行字义解析，得到各所述关键词对应的第二属性类别和第二属性子类别；

若所述第二属性类别与所述知识图谱上的第一属性类别匹配，且所述第二属性子类别与所述知识图谱上的第一属性子类别匹配，则校验成功。

进一步的，该方法还包括：

若所述第二属性类别与所述知识图谱上的第一属性类别不匹配，或者所述第二属性子类别与所述知识图谱上的第一属性子类别不匹配，则校验失败；

根据所述第二属性类别和所述第二属性子类别调整所述知识图谱中的第一属性类别、第一属性子类别以及第一属性子类别之间的关联关系。

进一步的，所述第一属性类别和所述第二属性类别分别包括：人对象，所述第一属性类别和所述第二属性类别还分别包括：地对象、事对象、物对象和组织对象。

第二方面，本发明实施例还提供一种数据的知识图谱构建装置，该装置包括：

第一获取模块，用于获取样本数据；

第一解析模块，用于对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别；

确定模块，用于根据预设规则确定第一属性子类别之间的关联关系；

构建模块，用于根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱。

进一步的，还包括：

第二获取模块，用于在构建所述样本数据对应的知识图谱之后，获取实际数据；

第二解析模块，用于对所述实际数据中的关键词进行字义解析，得到各所述关键词对应的第二属性类别和第二属性子类别；

第一校验模块，用于若所述第二属性类别与所述知识图谱上的第一属性类别匹配，且所述第二属性子类别与所述知识图谱上的第一属性子类别匹配，则校验成功。

进一步的，还包括：

第二校验模块，用于若所述第二属性类别与所述知识图谱上的第一属性类别不匹配，或者所述第二属性子类别与所述知识图谱上的第一属性子类别不匹配，则校验失败；

调整模块，用于根据所述第二属性类别和所述第二属性子类别调整所述知识图谱中的第一属性类别、第一属性子类别以及第一属性子类别之间的关联关系。

进一步的，所述第一属性类别和所述第二属性类别分别包括：人对象，所述第一属性类别和所述第二属性类别还分别包括：地对象、事对象、物对象和组织对象。

第三方面，本发明实施例还提供一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的数据的知识图谱构建方法。

第四方面，本发明实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的数据的知识图谱构建方法。

本发明实施例提供一种数据的知识图谱构建方法、装置、设备及存储介质，通过获取样本数据，对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别，根据预设规则确定第一属性子类别之间的关联关系，根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱，通过对样本数据的关键词进行字义解析，得到不同关键词对应的不同的第一属性类别和第一属性子类别，增加了第一属性类别的多样性，进而构建一种信息更全面的知识图谱，实现对数据更完整的分类。

附图说明

图1为本发明实施例一提供的一种数据的知识图谱构建方法的流程图；

图2为现实地的知识图谱的示意图；

图3为虚拟地的知识图谱的示意图；

图4为物对象的知识图谱的示意图；

图5为组织对象的知识图谱的示意图；

图6为事对象的知识图谱的示意图；

图7为本发明实施例三提供的一种数据的知识图谱构建方法的流程图；

图8为本发明实施例四提供的一种数据的知识图谱构建装置的结构图；

图9为本发明实施例五提供的一种设备的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种数据的知识图谱构建方法的流程图，本实施例可适用于对数据进行分类的情况，该方法可以由数据的知识图谱构建装置来执行，该装置可以采用软件和/或硬件的方式实现，可以集成在本地的设备中。具体的，参考图1，该方法包括如下步骤：

s110、获取样本数据。

样本数据可以是包含多个行业，涉及金融、房地产、医疗卫生和教育等领域的结构化数据，也可以是非结构化数据，其中，结构化数据也可以称为行数据，可以由数据库二维表结构来逻辑表达和实现的数据，非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维表来表现的数据，如办公文档、文本、图像和xml文件等。可选的，在获取样本数据后，可以对样本数据进行预处理以实现对样本数据的准确分类，其中，预处理可以是数据去重、降噪或规范化，实施例对预处理的操作不作限定。

s120、对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别。

具体的，根据数据包含的具体信息，可以将世间万物抽象为地对象、事对象、物对象、组织对象和人对象五类，即第一属性类别包括：地对象、事对象、物对象、组织对象和人对象，其中，地对象为与位置相关的数字化信息，可以为现实中以及能和现实中的地对应的现实地对象，也可以为代表网络应用中不同逻辑空间概念的虚拟地对象。事对象为现实社会和网络应用中行为主体的行为，与人的行为有关，可以由人通过思想认识活动来认识和感知。物对象为与物相关的数字化信息，可以为现实物也可以为网络物。组织对象为一个集合体，具有一定的结构特征、从事的活动和人际关系。人对象为自然人。第一属性子类别为第一属性类别的子类别，以地对象为例，地对象包括现实地和虚拟地，则现实地和虚拟地称为第一属性子类别。

样本数据中的关键词可以通过人工方式获取，也可以通过自动方式获取，其中，自动方式可以通过将样本数据输入机器学习模型，根据机器学习模型的输出结果获取，其中，机器学习模型可以是遗传算法模型。可以理解的是，不同的关键词代表的含义可能相同，也可能不同，为了确定各个关键词的含义是否相同，在获取关键词后，需要对关键词的字义进行解析以了解其深层含义，进而根据其深层含义得到各个关键词对应的第一属性类别和第一属性子类别，提高了分类的准确性。

s130、根据预设规则确定第一属性子类别之间的关联关系。

具体的，第一属性子类别之间的关联关系可以是从属关系，也可以是并列关系，预设规则可以是预先设置的，用于确定不同的第一属性子类别是并列关系还是从属关系的规则，例如，可以是如果两个不同的第一属性子类别属于包含关系，则确定为从属关系，否则确定为并列关系。其中，不同类对象对应的第一属性子类别之间关联关系的确定规则可以相同，也可以不同，具体可以根据实际需要设置。

s140、根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱。

知识图谱可以是反应数据的属性分类和关联关系的一系列图形，可以用可视化技术描述和显示不同数据的属性分类以及各属性分类中的各个属性子类别之间的关联关系。可选的，可以预先设置一个知识图谱框架，以该知识图谱框架为依据，结合各关键词对应的第一属性类别和第一属性子类别以及第一属性子类别之间的关联关系，构建样本数据对应的知识图谱，其中，知识图谱框架可以是树形结构形式，也可以是数据表形式。需要说明的是，虽然以样本数据构建的知识图谱可靠性较高，但也不一定适用于所有数据，实际应用中，可以通过实际数据对该知识图谱进行验证以优化和完善该知识图谱，使其为数据处理提供更可靠的依据。还需要说明的是，由于世间万物可以抽象为地对象、事对象、物对象、组织对象和人对象五类，这五类对象都可以由数据进行描述和刻画，因此基于样本数据构建的知识图谱可以具体化为地对象、事对象、物对象、组织对象和人对象对应的知识图谱。

本发明实施例一提供一种数据的知识图谱构建方法，通过获取样本数据，对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别，根据预设规则确定第一属性子类别之间的关联关系，根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱，通过对样本数据的关键词进行字义解析，得到不同关键词对应的不同的第一属性类别和第一属性子类别，增加了第一属性类别的多样性，构建了一种信息更全面的知识图谱，实现了对数据更完整的分类。

实施例二

本发明实施例二在上述实施例的基础上，对数据的知识图谱的构建过程以及结果进行描述，知识图谱的形式以树结构形式为例。

(1)地对象的知识图谱构建过程及结果

根据地对象2的定义，地对象2分为现实地21和虚拟地22，其中，现实地21的位置信息为我们生活中所处的三维空间的位置信息，实际应用中现实地21的判断比较容易，当确定该关键词表示的是现实地21时，可以进一步借助地理学、地理信息系统等方面的学科知识对关键词的字义进行解析，经解析得知该关键词代表的含义是经纬度或行政区划等，而经纬度或行政区划是对现实的位置信息进行详细描述的一种形式，因此该关键词对应的第一属性子类别可以概括为详细定位信息210，需要说明的是，详细定位信息210的确定并非只依靠这一个关键词，而是通过了大量关键词的验证。再如，对另一关键词的字义进行解析后，得知其用一个事物作为参照来描述另一事物的位置信息，例如a位于b的正前方一公里处，即采用相对位置信息描述，经验证，该关键词对应的第一属性子类别可以概括为相对位置信息211，根据预设规则，相对位置信息211与详细定位信息210属于并列关系，因此，基于树结构形式的知识图谱框架，现实地21包括详细定位信息210与相对位置信息211两类。

详细定位信息210的描述根据精度的不同也可以再进行细分，例如，某个关键词描述的是gis(geographicinformationsystem，地理信息系统)的定位信息或建筑物的详细设计信息等，以数值化的形式描述空间中的每一个点，精确度较高，可以将其概括为坐标定位信息212。又如，对某关键词进行字义解析后，得知其描述的是行政区划或地理区划等信息，这种描述是基于人为制定的描述规则来描述的，其精确度相对较低，因此可以将其概括为区划定位信息213。再如，某关键词通过其他事物的名称指代其所处位置的信息，例如采用名胜古迹或地标建筑物等指代其位置信息，因此，可以将其概括为指代定位信息214。由此，可以根据精确度由细到粗将详细定位信息210划分为坐标定位信息212、区划定位信息213和指代定位信息214三类。

以此类推，对样本数据中与现实地21相关的其他关键词进行字义解析，根据其代表的信息进行概括，并根据预设规则确定其关联关系，最终确定现实地的知识图谱，如图2所示，图2为现实地的知识图谱的示意图。其中，大地坐标信息215表示的是对整个地球尺度的空间位置进行定位的信息，在全世界范围内均适用，对应的解析结果为经度、维度或海拔等，区域坐标信息216表示的是覆盖特定范围的坐标信息，只能在划定的区域内使用，对应的解析结果为军事坐标或测绘坐标等。地名定位信息217表示的是以地点的名称来指代其具体位置信息，例如对应的解析结果可以是使用该位置的建筑设施名称，如名胜古迹或体育场馆等，也可以使用该位置存在的组织机构名称如政府机关或知名企业等，代码定位信息218是对地点信息进行人工编码，以代码表示定位信息，如邮政编码或电话区号等。

根据区划的细分程度，实施例通过分析关键词，对区划定位信息213进行进一步的划分，将其分为全局区划信息219和局部区划信息2100，其中全局区划信息219是对全地图范围的空间进行整体性的区域划分，尺度相对较宽，局部区划信息2100是对限定范围的空间区域进行其位置信息的描述，与全局区划信息219相比，局部区划信息2100精细度更高，对应的解析结果可以是一个园区的楼号、单元号或者建筑内部的房间号等。进一步的，全局区划信息219又可以再次划分为行政区划2101、地理区划2102和军事区划2103，由此一个现实地的知识图谱构建完成。

与现实地21对应的虚拟地22，没有实际存在的空间维度，不存在相对位置信息，其空间位置信息是人为标注的定位信息，因此根据定位信息的精度，对虚拟地进行划分，其过程与现实地类似，此处不再一一赘述，虚拟地的知识图谱构建结果可以参考图3，图3为虚拟地的知识图谱的示意图。其中，虚拟空间地址信息23表示的是虚拟空间中的精确定位信息，可以描述网络空间中的每一个具体位置，精确度高，能够直接定位到具体的网络资源，例如ip地址等。虚拟空间区划信息24表示的是地址的类位置信息，需要有适合人理解的虚拟空间区划，例如网站的不同板块路径等。虚拟指代定位信息25表示的是在虚拟空间中通过其他事物的名称指代其所处位置的信息，例如使用网站名称或游戏名称等指代其虚拟空间的位置信息。

基于tcp/ip协议的网络交互模式，最终将虚拟空间地址信息划分为三类：数字地址27、域名地址26和资源地址28，其中，数字地址27为数值化的网络地址信息，是精确而且唯一的地址信息。在tcp/ip协议中，数字地址27包含三部分：ip地址2100、mac地址2101和端口号2102，这三者综合起来构成了一个完整的数字地址体系，其中，ip地址2100又分为ipv4地址2106和ipv6地址2107。域名地址26为网上服务器的名字。资源地址28包含协议信息、地址信息和具体网络资源的路径信息。进一步的，结合互联网的应用内容，最终将虚拟空间区划信息24分为网站区划2103、软件区划2104和游戏区划2105三个子类别。

(2)物对象的知识图谱构建过程及结果

从不同的维度分析物对象4，最终生成的物对象4的知识图谱也不同，例如可以从法律维度分析，也可以从科学维度进行分析，以从法律维度对物对象4进行分析，生成的知识图谱如图4所示，与地对象类似，物对象4也可以分为现实物41和网络物42，其中，知识产权客体411可以是包含发明专利、商标和工业品外观设计等的工业产权，也可以是自然科学、社会科学和文学等方面的作品组成的版权。债权客体412是一种行为，物权客体413是一种物，分为有体物4132和和无体物4131，有体物4132又包含有形物4133和无形物4134，而有形物4133又包含动产4137和不动产4136。由于样本数据的规模较大，在这里不再对具体的关键词进行解析，物对象知识图谱的构建结合物对象4的定义以及具体的解析结果进行分析，整理和归纳即可得到如图4所示的示意图。

(3)组织对象的知识图谱构建过程及结果

经过分析与梳理，最终构建的组织对象的知识图谱如图5所示，组织对象5的第一属性子类别组织自身属性51、组织人事属性52和组织事务属性53是根据组织对象5涉及的层面以及具体的解析结果总结归纳而成，其中组织自身属性51又可以包含基本属性511、结构信息513、组织文化512、法律制度514和联系方式515，组织人事属性52包含职能要员521、股东信息522和其他要员523，组织事务属性53包含活动概况531、运营状况532和事项内容533，运营状况532又可以划分为财务健康状况5321和运营要素状况5322，其中，财务健康状况5321又可以包括财务指示53211、资产负债水平53212、经营业绩53213和现金流状况53214。组织对象知识图谱，可以为分析数据提供依据，根据该知识图谱中各个第一属性子类别之间的关联关系梳理不同数据之间的关系。

(4)事对象的知识图谱构建过程及结果

根据事对象的定义可知，事对象是在客观世界如现实世界和网络世界，发生并被观察者感知的动态过程，其具体表现为在特定的时间和位置下，由若干角色参与，并表现出若干行为特征。根据事对象的定义以及对关键词的解析，最终构建的事对象的知识图谱如图6所示，图6为事对象的知识图谱的示意图。

事对象作为客观存在的事物，需要用一些属性来描述事对象本身，这些属性可以归纳为内容信息30，根据关键词的具体含义，又可以将内容信息30分为参与主体301、参与客体302、时间303、地304和行为305，其中参与主体301和参与客体302都源自人、物、组织三类对象，因此其对应的属性信息可以直接引用前面所述的人对象1、物对象4和组织对象5的内容，同样的，事对象的地也可以引用地对象2的相关内容，此处不再赘述。其他的，以时间为例，时间是人类用以描述事物运动、变化过程的一个参数，例如，某关键词精确到年、月、日、时、分和秒，由此可以归结为精确值，与其相对的是模糊值，而无论是精确值还是模糊值，都会包含时间点和时间段，两者的区别是精确值的时间点和时间段可以用相对确定的时间描述，精确度高。

本发明实施例通过对地对象、物对象、组织对象和事对象的知识图谱的构建过程和结果进行了具体描述，通过这些知识图谱，可以更全面的分析数据的关系，为数据的处理提供完整的规范。

实施例三

图7为本发明实施例三提供的一种数据的知识图谱构建方法的流程图，在上述实施例的基础上，在构建完样本数据对应的知识图谱之后，对该知识图谱进行校验和调整，以得到更完善的知识图谱，使其为数据的处理提供更可靠的依据，具体的，该方法包括：

s341、获取实际数据。

实际数据可以是与样本数据不同的数据，也可以包含多个行业，涉及多个领域，可以理解的是，实际数据涉及的领域越多，规模越大，对样本数据对应的知识图谱的校验结果，可靠性越高，实际数据的获取方式与样本数据类似，此处不再赘述。

s342、对所述实际数据中的关键词进行字义解析，得到各所述关键词对应的第二属性类别和第二属性子类别。

对实际数据的分析与对样本数据的分析类似，为了对知识图谱进行验证，同样需要对实际数据的关键词进行字义解析，以确定对应的第二属性类别和第二属性子类别，具体过程与第一属性类别和第一属性子类别的过程类似，可以参照上述实施例，此处不再描述。

s343、若所述第二属性类别与所述知识图谱上的第一属性类别匹配，且所述第二属性子类别与所述知识图谱上的第一属性子类别匹配，则校验成功。

校验的方式可以是分别将第二属性类别与第一属性类别进行匹配，第二属性子类别与第一属性子类别进行匹配，如果第二属性类别可以第一属性类别匹配，且第二属性子类别可以与第一属性子类别匹配，则表明构建的知识图谱无需调整，其中，判断第二属性类别与第一属性类别是否匹配，第二属性子类别与第一属性子类别是否匹配，可以将第二属性分类和第二属性子类别分别挂接到知识图谱上，若第二属性分类属于第一属性类别或者第二属性子类别属于第一属性子类别，表明校验成功。

需要说明的是，校验是通过大量数据进行验证得出的结果，并非仅依靠一组数据就判断知识图谱是否合理。当然，也可以通过抽取的方式进行校验，比如对同类型数据可以选择有代表性的进行校验，以节省时间。还需要说明的是，数据是无穷无尽的，我们构建的知识图谱也只是选择了部分数据，因此，不一定会适用于所有数据，因此可以设置一个概率，当成功率达到设定值时，可以认为是校验成功，表明可以适用于大多数数据，反之需要进行调整。

s344、若所述第二属性类别与所述知识图谱上的第一属性类别不匹配，或者所述第二属性子类别与所述知识图谱上的第一属性子类别不匹配，则校验失败。

第二属性分类和第二属性子类别，只要有一方校验不成功都表明校验失败，当校验失败时，表明构建的知识图谱只能适用于少量数据，适用性较差，需要对其进行调整。例如当第二属性子类别包含第一属性子类别时，可以以第二属性子类别代替第一属性子类别。需要说明的是，s343和s344的执行不存在时序关系。

s345、根据所述第二属性类别和所述第二属性子类别调整所述知识图谱中的第一属性类别、第一属性子类别以及第一属性子类别之间的关联关系。

本发明实施例三提供的一种数据的知识图谱构建方法，在上述实施例的基础上，通过将第二属性分类和第二属性子类别分别与第一属性类别和第一属性子类别进行匹配，完成对样本数据生成的知识图谱的校验，并当校验不成功时，根据具体的结果对第一属性类别、第一属性子类别以及第一属性子类别之间的关联关系进行调整，增加了知识图谱的全面性和统一性，提高了准确度。

实施例四

图8为本发明实施例四提供的一种数据的知识图谱构建装置的结构图，该装置可以执行上述实施例所述的数据的知识图谱构建方法，该装置包括：

第一获取模块410，用于获取样本数据；

第一解析模块420，用于对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别；

确定模块430，用于根据预设规则确定第一属性子类别之间的关联关系；

构建模块440，用于根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱。

本发明实施例四提供一种数据的知识图谱构建装置，通过获取样本数据，对所述样本数据中的关键词进行字义解析，得到各所述关键词对应的第一属性类别和第一属性子类别，根据预设规则确定第一属性子类别之间的关联关系，根据各所述关键词对应的第一属性类别和第一属性子类别以及所述第一属性子类别之间的关联关系，构建所述样本数据对应的知识图谱，通过对样本数据的关键词进行字义解析，得到不同关键词对应的不同的第一属性类别和第一属性子类别，增加了第一属性类别的多样性，构建了一种信息更全面的知识图谱，实现了对数据更完整的分类。

在上述实施例的基础上，该装置还包括：

第二获取模块，用于在构建所述样本数据对应的知识图谱之后，获取实际数据；

第二解析模块，用于对所述实际数据中的关键词进行字义解析，得到各所述关键词对应的第二属性类别和第二属性子类别；

第一校验模块，用于若所述第二属性类别与所述知识图谱上的第一属性类别匹配，且所述第二属性子类别与所述知识图谱上的第一属性子类别匹配，则校验成功。

在上述实施例的基础上，该装置还包括：

第二校验模块，用于若所述第二属性类别与所述知识图谱上的第一属性类别不匹配，或者所述第二属性子类别与所述知识图谱上的第一属性子类别不匹配，则校验失败；

调整模块，用于根据所述第二属性类别和所述第二属性子类别调整所述知识图谱中的第一属性类别、第一属性子类别以及第一属性子类别之间的关联关系。

在上述实施例的基础上，所述第一属性类别和第二属性类别分别包括：人对象，所述第一属性类别和第二属性类别还分别包括：地对象、事对象、物对象和组织对象。

实施例五

图9为本发明实施例五提供的一种设备的结构图，参考图9，该设备包括：处理器510、存储器520、输入装置530和输出装置540。该设备中处理器510的数量可以是一个或多个，图9以一个处理器510为例。该设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图9中以通过总线连接为例。

存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中数据的知识图谱构建方法对应的程序指令/模块。处理器510通过运行存储在存储器中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的数据的知识图谱构建方法。

存储器520主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置530可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备、扬声器以及蜂鸣器等音频设备。

本发明实施例五提供的设备与上述实施例提供的数据的知识图谱构建方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行数据的知识图谱构建方法相同的有益效果。

实施例六

本发明实施例六还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的数据的知识图谱构建方法。

当然,本发明实施例所提供的一种存储介质,其计算机可执行指令不限于如上所述的数据的知识图谱构建方法操作,还可以执行本发明任意实施例所提供的数据的知识图谱构建方法中的相关操作，且具备相应的功能和有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘、光盘或云盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的数据的知识图谱构建方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。