一种知识图谱构建方法和系统、电子设备、存储介质与流程

1.本发明属于知识图谱技术领域，更具体的说，尤其涉及一种知识图谱构建方法和系统、电子设备、存储介质。


背景技术：

2.目前，作业调度系统在各大高校、科研机构、大型企业和商业银行都有广泛的应用。使用作业调度系统管理集群的节点、内存、cpu和调度作业能最大程度上提高集群的资源使用率。通过管理作业的触发条件，能灵活高效的控制执行情况和资源消耗情况。但是，用户难以从各类搜索引擎全面的获取相关信息，以关键词的方式搜索，往往需要用户从众多词条中筛选，难以直观精确的获取相关的技术栈和知识点；并且在众多搜索引擎中查询到的信息比较零散，难以全面且深层次的理解相关技术栈，用户往往需要在搜索信息上浪费大量的时间。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种知识图谱构建方法和系统、电子设备、存储介质，用于众多搜索引擎中查询到的信息比较完整，可以全面且深层次的理解相关技术栈，用户无需要在搜索信息上浪费大量的时间。
4.本技术第一方面公开了一种知识图谱构建方法，包括：
5.构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束；
6.根据所述逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取所述知识图谱的知识；
7.将所述知识图谱的知识存储至图数据库；
8.依据所述知识图谱的知识，构建知识图谱；其中，所述知识图谱支持辅助问答、语义搜索、辅助决策。
9.可选的，在上述知识图谱构建方法中，在将所述知识图谱的知识存储至图数据库之后，还包括：
10.更新所述图数据库中的知识。
11.可选的，在上述知识图谱构建方法中，所述构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束，包括：
12.罗列所述知识图谱涉及到的相关术语；
13.确定各个数据的来源为爬取获取以及公开的知识图谱；
14.定义本体类别，其中本体类别包括：场景资源、系统架构、编程语言、调度领域、算法、开源工具中的至少一种；
15.定义本体属性；其中，所述本体属性用来表述本体的自身特性；设置用来描述不同本体之间的关系的数据属性；
16.定义约束，其中定义约束为定义不同属性的定义域和值域；
17.依据所述知识图谱涉及到的相关术语、本体类别、数据的来源、本体属性、约束，进行知识建模，得到所述逻辑架构。
18.可选的，在上述知识图谱构建方法中，所述根据所述逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取所述知识图谱的知识，包括：
19.当获取数据方式为复用公开的知识图谱时，获取公开的知识图谱的结构性数据；
20.当获取数据方式为爬取网页数据处理成三元组时，利用爬取工具爬取各个网页的非结构性数据；对爬取到的数据进行数据清洗，在完成数据清洗之后，将所述非结构性数据进行三元组抽取；其中，所述三元组为实体-关系-实体；
21.将所述结构性数据和三元组数据进行知识融合。
22.本技术第二方面公开了一种知识图谱构建系统，包括：
23.技术栈本体构建模块，用于构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束；
24.作业调度领域知识获取模块，用于根据所述逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取所述知识图谱的知识；
25.知识存储模块，用于将所述知识图谱的知识存储至图数据库；
26.构建知识图谱模块，用于依据所述知识图谱的知识，构建知识图谱；其中，所述知识图谱支持辅助问答、语义搜索、辅助决策。
27.可选的，在上述知识图谱构建系统中，还包括：
28.知识更新模块，用于更新所述图数据库中的知识。
29.可选的，在上述知识图谱构建系统中，所述技术栈本体构建模块用于构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束时，具体用于：
30.罗列所述知识图谱涉及到的相关术语；
31.确定各个数据的来源为爬取获取以及公开的知识图谱；
32.定义本体类别，其中本体类别包括：场景资源、系统架构、编程语言、调度领域、算法、开源工具中的至少一种；
33.定义本体属性；其中，所述本体属性用来表述本体的自身特性；设置用来描述不同本体之间的关系的数据属性；
34.定义约束，其中定义约束为定义不同属性的定义域和值域；
35.依据所述知识图谱涉及到相关术语、本体类别、数据的来源、本体属性、约束，进行知识建模，得到所述逻辑架构。
36.可选的，在上述知识图谱构建系统中，所述作业调度领域知识获取模块用于根据所述逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取所述知识图谱的知识时，具体用于：
37.当获取数据方式为复用公开的知识图谱时，获取公开的知识图谱的结构性数据；
38.当获取数据方式为爬取网页数据处理成三元组时，利用爬取工具爬取各个网页的非结构性数据；对爬取到的数据进行数据清洗，在完成数据清洗之后，将所述非结构性数据进行三元组抽取；其中，所述三元组为实体-关系-实体；
39.将所述结构性数据和三元组数据进行知识融合。
40.本技术第三方面公开了一种电子设备，包括：
41.一个或多个处理器；
42.存储装置，其上存储有一个或多个程序；
43.当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如本技术第一方面中任一项所述的知识图谱构建方法。
44.本技术第四方面公开了一种存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如本技术第一方面中任一项所述的知识图谱构建方法。
45.从上述技术方案可知，本发明提供的一种知识图谱构建方法，包括：构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束；根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识；将知识图谱的知识存储至图数据库；依据知识图谱的知识，构建知识图谱；用户可以从各类搜索引擎全面的获取相关信息，可以直观精确的获取相关的技术栈和知识点；并且在众多搜索引擎中查询到的信息比较完整，可以全面且深层次的理解相关技术栈，用户无需要在搜索信息上浪费大量的时间。
附图说明
46.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
47.图1是本发明实施例提供的一种知识图谱构建方法的流程图；
48.图2是本发明实施例提供的另一种知识图谱构建方法的流程图；
49.图3是本发明实施例提供的另一种知识图谱构建方法的流程图；
50.图4是本发明实施例提供的另一种知识图谱构建方法的流程图；
51.图5是本发明实施例提供的另一种知识图谱构建方法的流程图；
52.图6是本发明实施例提供的另一种知识图谱构建方法的流程图；
53.图7是本发明实施例提供的另一种知识图谱构建方法的流程图；
54.图8是本发明实施例提供的另一种知识图谱构建方法的流程图；
55.图9是本发明实施例提供的一种知识图谱构建系统的示意图；
56.图10是本发明实施例提供的一种电子设备的示意图。
具体实施方式
57.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
58.在本技术中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没
有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
59.本技术实施例提供了一种知识图谱构建方法，用于解决现有技术中，用户难以从各类搜索引擎全面的获取相关信息，以关键词的方式搜索，往往需要用户从众多词条中筛选，难以直观精确的获取相关的技术栈和知识点；并且在众多搜索引擎中查询到的信息比较零散，难以全面且深层次的理解相关技术栈，用户往往需要在搜索信息上浪费大量时间的问题。
60.参见图1，该知识图谱构建方法，包括：
61.s101、构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束。
62.本步骤主要是为了将技术栈本体构建为逻辑架构设计，实现罗列知识图谱涉及到的术语、实体以及实体之间的关系和约束等信息。
63.技术栈本体构建，即构建作业调度领域的知识本体。
64.s102、根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识。
65.也就是说，该知识图谱的知识获取，也就是按照步骤s101的逻辑架构获取相关数据的过程。该获取过程中收集的数据可以通过复用公开的知识图谱或者自行手工爬取网页数据处理成三元组的方式得到。
66.具体的，从半结构或者非结构数据中抽取与作业调度领域相关的实体和关系。
67.也就是说，由于部分实体专业性较高没有可供复用的公开知识图谱，因此可以采用融合公开知识图谱和手工爬取的三元组数据的方式来构建知识图谱。
68.开发领域的知识图谱多以“实体-关系-实体”的图结构来标识相应数据，也即，该三元组的为实体-关系-实体。
69.s103、将知识图谱的知识存储至图数据库。
70.也就是说，将三元组数据以图数据库直观精确的存储，当然也不排除将公开的知识图谱进行存储。
71.具体的，可以采用图数据库neo4j存储处理后的比较工整准确的数据。
72.如图7所示，为将三元组数据映射到neo4j图数据库的流程图。
73.具体的，获取三元组数据，并将三元组数据解析为《s，p，o》；判断是否存在节点s、o，若否，则创建节点，并执行判断s、o是否存在边，若是则直接执行判断s、o是否存在边；若不存在边则先创建边再执行判断是否遍历完所有三元组，若存在边则直接判断是否遍历完所有三元组；若遍历完所有三元组则进行neo4j存储；若未遍历完所有三元组则返回执行将三元组数据解析为《s，p，o》的步骤。
74.如下图8所示为neo4j图数据库的局部示意图。经过上述几个步骤对数据的处理后存储到neo4j，就以下图的形式存储三元组信息。通过以neo4j的形式存储三元组数据，能直观准确的体现实体和实体、实体和属性之间的关系。
75.另外，以图数据库neo4j的方式存储三元组数据，清晰简单且直观准确。
76.s104、依据知识图谱的知识，构建知识图谱。
77.其中，知识图谱支持辅助问答、语义搜索、辅助决策。
78.需要说明的是，构建知识图谱是一个比较复杂且需要长期维护的过程。
79.具体的，根据公开的知识图谱和三元组构建知识图谱，具体的构建过程此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
80.其中，构建知识图谱之后可以采用可视化技术描述作业调度系统相关知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的关系，把和作业调度系统相关的知识体系系统化地展示给用户。
81.也即，将作业调度领域涉及的多源、多结构的复杂数据进行抽取、融合、加工，构建一个深度且完备的知识图谱。
82.通过构建作业调度领域的知识图谱能帮助基于知识图谱进行开发，例如开发自动问答系统、自动推理等功能。例如检索作业超时未执行原因，可通过知识图谱推理由于mq消息量大导致堵塞等原因。
83.在本实施例中，构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束；根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识；将知识图谱的知识存储至图数据库；依据知识图谱的知识，构建知识图谱；用户可以从各类搜索引擎全面的获取相关信息，可以直观精确的获取相关的技术栈和知识点；并且在众多搜索引擎中查询到的信息比较完整，可以全面且深层次的理解相关技术栈，用户无需要在搜索信息上浪费大量的时间。
84.在实际应用中，参见图2，在步骤s103将知识图谱的知识存储至图数据库之后，还包括：
85.s201、更新图数据库中的知识。
86.需要说明的是，构建知识图谱是一个比较复杂且需要长期维护的过程，并不能一劳永逸，需要开发人员不断的将新知识更新至知识图谱。并且更新知识图谱也是一个较为繁杂的过程，可以选择全量更新或者增量更新。全量更新需要将新的知识作为输入重新构建知识图谱，增量更新则需要大量的人工干预。因此需要权衡新的知识量和更新频率去完善知识图谱。
87.具体的，知识图谱构建方法还需要定期的更新和维护，来保障该图谱的准确性和有效性。一般知识更新有两种方式，一种是将新的知识和现有的图谱结合以图5的方式重新构建新的知识图谱。另一种方式是以增量的方式，更新三元组数据至现有图数据库中。全量的方式适用于添加的数据量大，而增量更新的方式适合添加的数据量小的方式。因此在后续更新过程中，可以按照图5的流程选择全量或者增量的方式更新知识图谱。
88.因此，随着知识更新、技术栈的更新和变化，需要不断的将新的知识更新到知识图谱中。
89.在实际应用中，参见图3，步骤s101、构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束，包括：
90.s301、罗列知识图谱涉及到的相关术语。
91.具体的，通过与相关开发运维人员的沟通和网上检索相关信息来尽量全面的罗列作业调度涉及到的相关术语。通过全量罗列术语，有助于后面对本体进行分类。如下表1为罗列出来的部分相关术语。
92.表1：术语罗列表
[0093][0094][0095]
s302、确定各个数据的来源为爬取获取以及公开的知识图谱。
[0096]
也就是说，确认数据来源。针对不同领域的知识图谱，可以从已有的知识图谱中提取结构性数据，或者从非结构性数据中手工生成数据。本技术中的作业调度领域目前尚未有较为全面的结构性数据，因此数据来源采用爬取百度百科数据的方式。
[0097]
s303、定义本体类别。
[0098]
其中本体类别包括：场景资源、系统架构、编程语言、调度领域、算法、开源工具中的至少一种。
[0099]
也就是说，通过定义类别可以对知识图谱有一个直观且明确的认知。在本技术中定义了六个一级类：场景资源、系统架构、编成语言、调度领域、算法、开源工具。例如，开源工具为一级类，mq为开源工具类别下的二级类。
[0100]
本体类别还可以包括其他信息，此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
[0101]
s304、定义本体属性。
[0102]
其中，本体属性用来表述本体的自身特性。设置用来描述不同本体之间的关系的数据属性。
[0103]
本体属性用来表述本体的自身特性，例如作业名称为作业的属性，实例id为实例的属性。数据属性用来描述不同本体之间的关系，例如调度领域和java开发语言之间属于数据属性。
[0104]
s305、定义约束，其中定义约束为定义不同属性的定义域和值域。
[0105]
定义不同属性的定义域和值域。例如对时间属性的值域限制为小于当前年份2022。
[0106]
s306、依据知识图谱涉及到的相关术语、本体类别、数据的来源、本体属性、约束，进行知识建模，得到逻辑架构。
[0107]
通过上述几个步骤的处理，定义作业调度领域的模式设计，部分作业调度领域模式设计如图6所示。
[0108]
编程语言可以是java、python、go等语言，开源工具可以是mq、afka、hadoo等工具；场景领域可以是场景、资源、内存等，系统架构可以是单库分离架构、多级缓存架构、内容分发架构等。算法逻辑可以是先来先服务、短作业优点、最高相应比优先等。
[0109]
也就是说，目前基于作业调度系统领域的本体研究还不够全面，尚未有较为全面的结构性数据可供使用。因此本技术用结合现有知识图谱和手工生成三元组数据的方式构建。
[0110]
在本实施例中，融合现有知识图谱、处理爬虫数据生成的三元组和手工补充三元组数据能在一定程度上节约工作量，并且能保证该图谱覆盖的知识全面性和准确性。
[0111]
在实际应用中，参见图4和图5，步骤s102、根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识，包括：
[0112]
s401、当获取数据方式为复用公开的知识图谱时，获取公开的知识图谱的结构性数据。
[0113]
具体的，结构性数据从github等开源网站上下载公开知识图谱，例如java后端知识图谱、go社区知识图谱等。通过关键字筛选并删除在调度领域不涉及的数据，并且对部分缺失的数据进行删除。经过压缩和清洗后的数据就比较规整，可以融合后直接存入数据库。
[0114]
s402、当获取数据方式为爬取网页数据处理成三元组时，利用爬取工具爬取各个网页的非结构性数据；对爬取到的数据进行数据清洗，在完成数据清洗之后，将非结构性数据进行三元组抽取。
[0115]
其中，三元组为实体-关系-实体。
[0116]
使用scrapy爬取百度百科、csdn博客数据。scrapy是适用于python的一个快速抓取web数据的抓取框架，并且可以避免断点爬取失败的问题。
[0117]
首先，将要爬取的url定义在txt文件中，在爬虫类中读取对应的txt文件进行批量爬取数据。将爬取下来的数据使用python进行数据清洗，对缺失的数据进行清理、主体重复的数据进行删除。
[0118]
然后，使用开源的框架例如bert4keras进行三元组抽取，也就是将爬取的数据抽取成实体-关系-实体的数据形式。
[0119]
由于当前非结构性数据量不大，暂不用对框架进行训练提高精度，使用预训练模型即可完成三元组抽取。另外对于一些专业领域，在开放网站上也不能检索到十分精确和完备的数据。可以通过自行添加三元组数据来补充知识图谱。例如可以补充“时间条件-触发-作业”。
[0120]
s403、将结构性数据和三元组数据进行知识融合。
[0121]
通过融合结构性数据和抽取非结构性数据的三元组信息，加上自行补充三元组数据来构建作业调度领域的知识图谱。
[0122]
在本实施例中，构建知识图谱时提供了详细的本体构建步骤和知识获取步骤。按照本体构建罗列出的术语进行补充即可完成全面的模式设计和本体构建，有较大的通用性和灵活性。知识获取步骤采用的融合现有知识图谱和手工获取的数据方式同样在减低手工工作量的前提下，保障了知识图谱的全面性和灵活性。
[0123]
本技术另一实施例提供一种知识图谱构建系统，如图9所示，包括：
[0124]
技术栈本体构建模块101，用于构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束。
[0125]
作业调度领域知识获取模块102，用于根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识。
[0126]
知识存储模块103，用于将知识图谱的知识存储至图数据库。
[0127]
构建知识图谱模块104，用于依据知识图谱的知识，构建知识图谱；其中，知识图谱支持辅助问答、语义搜索、辅助决策。
[0128]
上述各个模块的具体工作过程和原理，详情参见上述实施例提供的知识图谱构建方法，此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
[0129]
在本实施例中，技术栈本体构建模块101，用于构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束；作业调度领域知识获取模块102，用于根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识；知识存储模块103，用于将知识图谱的知识存储至图数据库；构建知识图谱模块104，用于依据知识图谱的知识，构建知识图谱；其中，知识图谱支持辅助问答、语义搜索、辅助决策；用户可以从各类搜索引擎全面的获取相关信息，可以直观精确的获取相关的技术栈和知识点；并且在众多搜索引擎中查询到的信息比较完整，可以全面且深层次的理解相关技术栈，用户无需要在搜索信息上浪费大量的时间。
[0130]
该知识图谱构建系统，还包括：
[0131]
知识更新模块105，用于更新图数据库中的知识。
[0132]
知识更新模块105的具体工作过程和原理，详情参见上述实施例提供的知识图谱构建方法，此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
[0133]
在实际应用中，技术栈本体构建模块101用于构建逻辑架构实现罗列知识图谱涉及到的术语、建立实体以及实体之间的关系和约束时，具体用于：
[0134]
罗列知识图谱涉及到的相关术语。
[0135]
确定各个数据的来源为爬取获取以及公开的知识图谱。
[0136]
定义本体类别，其中本体类别包括：场景资源、系统架构、编程语言、调度领域、算法、开源工具中的至少一种。
[0137]
定义本体属性；其中，本体属性用来表述本体的自身特性；设置用来描述不同本体之间的关系的数据属性。
[0138]
定义约束，其中定义约束为定义不同属性的定义域和值域。
[0139]
依据知识图谱涉及到的相关术语、本体类别、数据的来源、本体属性、约束，进行知识建模，得到逻辑架构。
[0140]
技术栈本体构建模块101的具体工作过程和原理，详情参见上述实施例提供的知识图谱构建方法，此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
[0141]
在实际应用中，作业调度领域知识获取模块102用于根据逻辑架构，获取数据方式采用复用公开的知识图谱和/或爬取网页数据处理成三元组，获取知识图谱的知识时，具体用于：
[0142]
当获取数据方式为复用公开的知识图谱时，获取公开的知识图谱的结构性数据。
[0143]
当获取数据方式为爬取网页数据处理成三元组时，利用爬取工具爬取各个网页的非结构性数据；对爬取到的数据进行数据清洗，在完成数据清洗之后，将非结构性数据进行三元组抽取。其中，三元组为实体-关系-实体。
[0144]
将结构性数据和三元组数据进行知识融合。
[0145]
作业调度领域知识获取模块102的具体工作过程和原理，详情参见上述实施例提供的知识图谱构建方法，此处不再一一赘述，视实际情况而定即可，均在本技术的保护范围内。
[0146]
本技术另一实施例提供了一种存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如上述实施例中任意一项的知识图谱构建方法。
[0147]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0148]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0149]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0150]
本发明另一实施例提供了一种电子设备，如图10所示，包括：
[0151]
一个或多个处理器201。
[0152]
存储装置202，其上存储有一个或多个程序。
[0153]
当一个或多个程序被一个或多个处理器201执行时，使得一个或多个处理器201实现如上述实施例中任意一项的知识图谱构建方法。
[0154]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。
[0155]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
[0156]
虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0157]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0158]
需要说明的是，本发明提供的知识图谱构建方法和系统、电子设备、存储介质可用于人工智能领域、区块链领域、分布式领域、云计算领域、大数据领域、物联网领域、移动互联领域、网络安全领域、芯片领域、虚拟现实领域、增强现实领域、全息技术领域、量子计算领域、量子通信领域、量子测量领域、数字孪生领域或金融领域。上述仅为示例，并不对本发明提供的知识图谱构建方法和系统、电子设备、存储介质的应用领域进行限定。
[0159]
本说明书中的各个实施例中记载的特征可以相互替换或者组合，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0160]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0161]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。