一种基于多源异构文档解析的思维链知识图谱构建方法及装置与流程

本申请涉及数据处理，特别是涉及一种基于多源异构文档解析的思维链知识图谱构建方法及装置。

背景技术：

1、近年来，随着创新管理业务的不断深化，围绕项目的立项申报、过程审查、验收评价等环节已累积了海量数据。这些数据来源多样、格式异构，涵盖项目指南、计划任务书、可研报告等非结构化文档，以及项目台账、规则表单等结构化或半结构化信息。为处理此类数据，相关技术主要依赖人工阅读、关键词检索、规则匹配等传统方法，或采用单一的知识图谱构建及大语言模型进行文本分析。

2、然而，上述技术方案通常只能处理单一格式或单一来源的数据，面对格式各异、结构分散的项目文档时，无法形成面向业务场景的知识表达结构。最终，即使完成了单文档的基本信息提取，面对业务查询所输出的结果仍然是一组孤立的信息片段，无法契合业务场景下业务需求的底层知识表达结构。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够将分散的孤立信息片段整合为可推理的链式知识结构的基于多源异构文档解析的思维链知识图谱构建方法及装置。

2、第一方面，本申请提供了一种基于多源异构文档解析的思维链知识图谱构建方法，包括：

3、获取业务场景中多源异构的多个文档；

4、将所述多个文档转换为中间语义表示结构；所述中间语义表示结构至少包括章节层级、文本内容及所述文本内容在文档内的出现位置；

5、对所述中间语义表示结构进行术语识别，得到识别出的术语，并根据识别出的术语所属文本内容对应的出现位置，从识别出的术语所属文本内容相匹配的章节层级中提取与识别出的术语相关联的语义块；

6、根据所述术语和所述语义块确定多个节点，并按照所述业务场景中预定义的业务处理链式逻辑，确定连接所述多个节点的多个边；

7、根据所述多个节点和所述多个边，构建所述业务场景对应的思维链知识图谱；所述思维链知识图谱用于基于查询指令对应的查询节点，按照所述业务处理链式逻辑进行推理查询，以得到所述查询指令对应的业务处理方案。

8、第二方面，本申请还提供了一种基于多源异构文档解析的思维链知识图谱构建装置，包括：

9、获取模块，用于获取业务场景中多源异构的多个文档；

10、转换模块，用于将所述多个文档转换为中间语义表示结构；所述中间语义表示结构至少包括章节层级、文本内容及所述文本内容在文档内的出现位置；

11、识别模块，用于对所述中间语义表示结构进行术语识别，得到识别出的术语，并根据识别出的术语所属文本内容对应的出现位置，从识别出的术语所属文本内容相匹配的章节层级中提取与识别出的术语相关联的语义块；

12、确定模块，用于根据所述术语和所述语义块确定多个节点，并按照所述业务场景中预定义的业务处理链式逻辑，确定连接所述多个节点的多个边；

13、构建模块，用于根据所述多个节点和所述多个边，构建所述业务场景对应的思维链知识图谱；所述思维链知识图谱用于基于查询指令对应的查询节点，按照所述业务处理链式逻辑进行推理查询，以得到所述查询指令对应的业务处理方案。

14、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的步骤。

15、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的步骤。

16、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的步骤。

17、上述基于多源异构文档解析的思维链知识图谱构建方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，通过将多源异构文档统一转换为包含章节层级和出现位置的中间语义表示，实现跨格式数据的文档整合；基于术语的出现位置从相同章节层级提取关联的语义块，在后续查询中能够保留上下文证据以避免知识碎片化；再按照预定义的业务链式逻辑构建节点与边，得到可推理的思维链知识图谱。最终，思维链知识图谱能够响应查询指令，沿链业务处理链式逻辑输出业务处理方案，从而解决了孤立信息片段无法契合业务场景下业务需求的问题。

1.一种基于多源异构文档解析的思维链知识图谱构建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据所述多个节点和所述多个边，构建所述业务场景对应的思维链知识图谱，包括：

3.根据权利要求2所述的方法，其特征在于，对所述初始思维链知识图谱的节点和文本块进行合并优化，得到思维链知识图谱，包括：

4.根据权利要求1所述的方法，其特征在于，在构建思维链知识图谱之后，还包括：

5.根据权利要求1所述的方法，其特征在于，将所述多个文档转换为统一的中间语义表示结构，包括：

6.根据权利要求1所述的方法，其特征在于，对所述中间语义表示结构进行术语识别，得到识别出的术语，并根据识别出的术语对应的文档内容在文档内的出现位置，从对应的章节层级中提取与识别出的术语相关联的语义块，包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，在构建思维链知识图谱之后，还包括：

8.一种基于多源异构文档解析的思维链知识图谱构建装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。