一种非遗知识图谱构建方法及系统与流程

本发明涉及多源文本实体对齐，更具体地说，本技术涉及一种非遗知识图谱构建方法及系统。

背景技术：

1、传统美术类非遗知识的数字化整理，通常面向地方志、非遗代表性项目名录申报文本、馆藏著录、传承人口述记录等多源文本；此类资料围绕技艺称谓、纹样构成、材料工具、工序次序和地域流派进行描述，同一工艺对象既可能因记录口径、地方术语或文本详略不同而出现多种写法，也可能因师承实践中的持续改动而形成真实分支，因此非遗知识图谱构建需要在归并重复记载的同时区分记录差异与传承变化。

2、现有知识图谱构建方法一般先从文本中识别对象和属性，再将两条记录之间的词面相似、属性重合、上下文邻近或向量距离聚合为成对相似度，并借助阈值、聚类或全局一致性约束完成实体合并；该类方法隐含的前提是，记录间各特征差异可被聚合为单一相似度且不损失判定信息，并且被描述对象在资料形成期间保持静态，两条记录是否指向同一对象取决于该两条记录本身。

3、但在活态传承的传统美术非遗资料中，区分记录误差与传承变化的依据在于差异所属特征位及其取值被哪些记录共同持有，而上述分量归属和共同持有关系在聚合为成对相似度时不再保留，调整阈值、采用层次聚类或低维向量表示仍作用于聚合后的数值，引入年代、师承或流派层级又受资料缺失及循环依赖限制；由此，在沿传承链连续渐变且多源异文并存的场景下，尺度放宽易使多个分支被合并为单一图谱节点并丢失分支层级，尺度收紧又易使同一对象的异文记录被拆成孤立节点并丢失相邻变体间的谱系关系，且两类错误随判定尺度调整此消彼长；此外，同一工艺要素在无直接师承关系的分支中重复出现时，也容易被误并或舍弃，难以在知识图谱中形成对应记载结构。

技术实现思路

1、为解决上述技术问题，提供一种非遗知识图谱构建方法及系统，本技术方案解决了上述背景技术中提出的问题。

2、为了实现上述目的，本发明的技术方案如下：

3、第一方面，本技术提供一种非遗知识图谱构建方法，所述方法包括：

4、获取多源非遗文本资料，提取其中对技艺、纹样或工艺的提及在各特征位上的观测取值，未提取到观测取值的提及在该特征位上记为未观测；

5、由各观测取值对应的提及集合间的包含与互不相交关系，将提及归并为变体节点，得到初始的变体节点划分与无向谱系拓扑，逐特征位将变体节点内提及的众数观测取值作为初始的规范化状态，均为未观测时将该规范化状态记为未定义；

6、以变体节点划分、无向谱系拓扑与规范化状态为联合未知量，逐特征位比对无向谱系拓扑各边两端的规范化状态，将均非未定义且不一致的特征位计为边事件，并比对各提及的观测取值与所属变体节点的规范化状态，将已观测且不一致的特征位计为观测事件，将边事件数与观测事件数求和，得到解释事件计数；

7、自联合未知量的初始取值起，交替执行状态重定、提及重指派与拓扑重接入，所述状态重定自各特征位已出现的观测取值中改取规范化状态，所述提及重指派将提及改指派至其余或新建变体节点，所述拓扑重接入改变变体节点的接入位置，各操作仅保留使解释事件计数下降者，至该计数在一轮遍历内不再下降，得到收敛的变体节点划分、无向谱系拓扑与规范化状态；

8、统计同一特征位上具有同一非未定义规范化状态的变体节点在收敛的无向谱系拓扑中所成的连通组件，当连通组件为两个以上时，在不同连通组件对应的变体节点间建立跨支共享边；

9、将收敛的变体节点划分中的变体节点及其规范化状态作为图谱节点与节点属性，将收敛的无向谱系拓扑的边及跨支共享边作为图谱边，构建非遗知识图谱。

10、第二方面，本技术提供一种非遗知识图谱构建系统，用于实施上述一种非遗知识图谱构建方法，包括：

11、文本观测模块，用于获取多源非遗文本资料，提取其中对技艺、纹样或工艺的提及在各特征位上的观测取值，未提取到观测取值的提及在该特征位上记为未观测；

12、初始谱系模块，用于由各观测取值对应的提及集合间的包含与互不相交关系，将提及归并为变体节点，得到初始的变体节点划分与无向谱系拓扑，逐特征位将变体节点内提及的众数观测取值作为初始的规范化状态，均为未观测时将该规范化状态记为未定义；

13、事件计数模块，用于以变体节点划分、无向谱系拓扑与规范化状态为联合未知量，逐特征位比对无向谱系拓扑各边两端的规范化状态，将均非未定义且不一致的特征位计为边事件，并比对各提及的观测取值与所属变体节点的规范化状态，将已观测且不一致的特征位计为观测事件，将边事件数与观测事件数求和，得到解释事件计数；

14、交替收敛模块，用于自联合未知量的初始取值起，交替执行状态重定、提及重指派与拓扑重接入，所述状态重定自各特征位已出现的观测取值中改取规范化状态，所述提及重指派将提及改指派至其余或新建变体节点，所述拓扑重接入改变变体节点的接入位置，各操作仅保留使解释事件计数下降者，至该计数在一轮遍历内不再下降，得到收敛的变体节点划分、无向谱系拓扑与规范化状态；

15、跨支共享模块，用于统计同一特征位上具有同一非未定义规范化状态的变体节点在收敛的无向谱系拓扑中所成的连通组件，当连通组件为两个以上时，在不同连通组件对应的变体节点间建立跨支共享边；

16、图谱生成模块，用于将收敛的变体节点划分中的变体节点及其规范化状态作为图谱节点与节点属性，将收敛的无向谱系拓扑的边及跨支共享边作为图谱边，构建非遗知识图谱。

17、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的一种非遗知识图谱构建方法。

18、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种非遗知识图谱构建方法。

19、与现有技术相比，本发明的有益效果为：

20、本技术通过将记录间的同一性判定由提及对的成对相似度改为以边事件与观测事件之和构成的解释事件计数，并令变体节点划分、无向谱系拓扑与规范化状态作为联合未知量共同极小化，解决了现有实体对齐将各特征差异聚合为单一相似度后，分量归属丢失、难以兼顾过度合并与谱系碎裂的问题，使沿传承链连续渐变的多源异文能够在不构造两两相似度矩阵、不设置以相似度为自变量的合并阈值的前提下，于归并重复记载的同时保留分支关系；

21、本技术通过将各特征位对计数的贡献由固定权重改为经观测密度与跨来源复现率联合序位化生成的边事件计数系数与观测事件计数系数，并以谱系收敛后的独立出现度与来源集中度回写该两类系数，解决了濒危缺失特征位与稀见稳定特征位在单一观测量下难以区分、判定边界依赖人工设定超参数的问题，使判定标尺能够由谱系结构自身的残差驱动，而不依赖自由权重系数；

22、本技术通过在同一特征位取值相同却互不连通的变体节点之间建立跨支共享边，解决了现有方法对无直接师承关系分支中重复出现的工艺要素往往被误并或舍弃、在图谱中缺少对应结构予以记载的问题，使该类跨分支重复关系能够被显式记载为可检索、可追溯的图谱边。