CN110543574A - 一种知识图谱的构建方法、装置、设备及介质 - Google Patents

Abstract

本申请实施例公开了一种知识图谱的构建方法、装置、设备及介质。该方法包括：获取至少一个信息对象的文本语料；从所述文本语料中提取短语；从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并识别短语之间的关联关系；将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。本申请实施例的技术方案，通过对信息对象文本语料的提取，构建了信息对象的知识图谱，增加了关注主题、动作事件和事物侧面等多个点元素以及对应的边元素，实现了对知识图谱中已有事物实体的信息扩展，还实现了从信息对象中不断挖掘出新的事物实体，用以不断扩大和补充知识图谱的组成。

Description

一种知识图谱的构建方法、装置、设备及介质

技术领域

本申请实施例涉及数据处理技术，具体是涉及自然语言处理技术，尤其涉及一种知识图谱的构建方法、装置、设备和介质。

背景技术

现有自然语言处理(NLP)技术中，为了方便对语义知识进行识别，逐步构建了知识图谱的数据库。在知识图谱中包括点元素和边元素，以点元素来记录实体，以边元素来记录实体之间的关系，实体通常是现实世界中的具体事物。

但是，知识图谱在用于进行图片、音频、和视频等超出文本类的信息识别时，则由于上述信息涵盖实体的复杂性，所以难以满足信息识别要求。

发明内容

本申请实施例提供一种知识图谱的构建方法、装置、设备和介质，以构建更为完善的、能反映复杂知识数据认知的图谱。

第一方面，本申请实施例提供了一种知识图谱的构建方法，包括：

获取至少一个信息对象的文本语料；

从所述文本语料中提取短语，所述短语包括至少一个词汇；

从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系；

将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

上述申请中的一个实施例具有如下优点或有益效果：通过对信息对象文本语料的提取，构建了信息对象的知识图谱，在确定事物实体的同时，还增加了关注主题、动作事件和事物侧面等多个点元素以及对应的边元素，丰富了知识图谱的组成元素，实现了对知识图谱中已有事物实体的信息扩展，还实现了从信息对象中不断挖掘出新的事物实体，用以不断扩大和补充知识图谱的组成。

从所述文本语料中提取短语包括：从所述文本语料中提取最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。

上述申请中的一个实施例具有如下优点或有益效果：从文本语料中提取的短语，既包括单一词汇的最小单位短语，也包括多个词汇的复合短语，更准确的地反映出文本语料的实际内容。

从所述文本语料中提取最小单位短语和复合短语之后，还包括：根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语。

上述申请中的一个实施例具有如下优点或有益效果：对获取的复合短语进行扩展，生成其它复合短语，扩大了知识图谱中组成元素的来源。

从所述文本语料中提取最小单位短语包括：对所述文本语料进行切词处理，以形成词汇序列；针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语。

上述申请中的一个实施例具有如下优点或有益效果：通过切词处理，以及词汇序列筛选，由文本语料中获得了准确的最小单位短语，为知识图谱中的点元素提供了准确的备选短语。

针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语之前，还包括下述至少一项预处理：从所述词汇序列中去除停用词；根据所述知识图谱中的已有点元素记录的短语，从所述词汇序列中过滤掉已有短语；将所述词汇序列中的词汇，按照在文本语料中的出现频度进行排序，以用于按顺序进行词汇搭配结构稳定性的识别。

上述申请中的一个实施例具有如下优点或有益效果：通过去除停用词、过滤已有短语以及频度排序，筛选出了词汇序列中的有用词汇，极大地缩小了最小单位短语的获取范围，提高了获取最小单位短语的准确度。

从所述文本语料中提取复合短语包括：对所述文本语料中的词汇进行词性标注；按照预设词性搭配模板，提取文本语料中符合词性搭配结构的至少两个词汇，作为复合短语；其中，所述预设词性搭配模板至少包括下述一种：实体和侧面模板；名称、动词和修饰词模板；动词、名词和修饰词模板。

上述申请中的一个实施例具有如下优点或有益效果：根据词性标注以及预设模板，准确的获取到了文本语料中的复合短语，提高了复合短语的获取效率和准确性。

根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语包括：根据词汇在所述文本语料中的句法依存树关系，将至少两个词汇进行组合，以生成新的复合短语；和/或对于已提取的复合短语，将所述复合短语中的词汇，采用近似语义词汇进行替换，以生成新的复合短语。

上述申请中的一个实施例具有如下优点或有益效果：通过句法依存树获取到了文本语料中不直接连接的多个词汇，概括的描述出了文本语料中句子所表述的含义；而同义词替换，则扩大了复合短语的覆盖范围，为知识图谱提供了更大范围的可选元素。

从提取的所述短语中，识别关注主题的内容短语包括：将提取的短语，进行主题清洗；其中，所述主题清洗至少包括去除停用词、设定停用词添加和同义词归一；根据主题清洗后的短语在各文本语料中的出现频度对各短语进行筛选，以确定作为关注主题的内容短语。

上述申请中的一个实施例具有如下优点或有益效果：通过主题清洗，过滤了无用短语，从提取的短语中获取到了更准确的关注主题，提高了获取效率。

从提取的所述短语中，识别关注主题的内容短语包括：针对提取的复合短语，根据所述复合短语中包括的词汇，在已有知识图谱中的出现频度，对所述复合短语进行筛选，以确定作为关注主题的内容短语。

上述申请中的一个实施例具有如下优点或有益效果：根据复合短语在知识图谱中的出现频度进行筛选，保证了获取到的复合短语具有一定热度，即关注度，进而确定为关注主题后，才能保证该关注主题会被更多用户查询或访问。

从提取的所述短语中，识别事物实体的内容短语包括：针对包括关注主题短语的文本语料，基于预设语句模板，识别所述文本语料的语句中与所述关注主题短语符合上下文位置关系的短语，作为所述事物实体的内容短语。

上述申请中的一个实施例具有如下优点或有益效果：根据预设语句模板获取事物实体，准确的获取到了文本语料中的事物实体，进而为知识图谱的构建，提供了准确的点元素。

从提取的所述短语中，识别事物侧面的内容短语包括：从提取的所述复合短语中，确定包括事物实体短语的复合短语；针对所述包括事物实体短语的复合短语，按照预设短语结构模板确定与所述事物实体短语搭配的短语，作为候选侧面短语；针对所述候选侧面短语，在各所述文本语料中识别与所述事物实体短语的共现频度，并根据共现频度筛选确定所述事物实体的事物侧面的内容短语；其中，所述预设短语结构模板至少包括下述一项：实体和动词模板、实体和名词模板、以及实体和修饰词模板。

上述申请中的一个实施例具有如下优点或有益效果：根据预设短语结构模板，以及与事物实体的共现频度，准确获取到了文本语料中的事物侧面，，进而为知识图谱的构建，提供了准确的点元素。。

从提取的所述短语中，识别动作事件的内容短语包括：从提取的所述短语中，提取动词作为候选动作事件的内容短语；对所述候选动作事件的内容短语，采用预设机器学习模型来对动作事件的质量进行筛选，其中，所述预设机器学习模型采用人工标注具有独立语义的动作事件的文本语料训练而成。

上述申请中的一个实施例具有如下优点或有益效果：根据预设机器学习模型，将动词短语进行质量筛选，准确获取到了文本语料中的动作事件，进而为知识图谱的构建，提供了准确的点元素。

按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别作为关注主题的短语之间的关联关系包括：根据信息对象的文本语料进行聚类识别，并根据聚类结果与知识图谱中的预设上级主题进行匹配，并确定所述信息对象与所述上级主题之间的关联关系；将所述信息对象的文本语料中提取的关注主题与所述上级主题之间建立关联关系；将所述文本语料中包括的关注主题作为基础关注主题，根据所述基础关注主题与上级主题之间的关联关系，建立所述基础关注主题扩展形成的开放性关注主题与所述上级主题之间的关联关系；其中，所述预设上级主题包括一级或多级。

上述申请中的一个实施例具有如下优点或有益效果：通过聚类识别以及提取的关注主题与上级主题之间的关联关系，确定了开放性关注主题与上级主题之间的关联关系，进而为知识图谱的构建，提供了准确的边元素。

按照所述短语所在文本语料中的语句结构，识别作为事物实体的短语之间的关联关系包括：在识别事物实体的内容短语的过程中，建立事物实体短语与符合上下文位置关系的关注主题短语之间的关联关系。

上述申请中的一个实施例具有如下优点或有益效果：建立了事物实体与关注主题的关联关系，进而为知识图谱的构建，提供了准确的边元素。

按照所述短语中的词汇结构，识别作为事物侧面的短语之间的关联关系包括：在识别事物侧面的内容短语的过程中，将共现在同一短语中的事物实体短语与事物侧面短语之间建立关联关系。

上述申请中的一个实施例具有如下优点或有益效果：建立了事物实体与事物侧面的关联关系，进而为知识图谱的构建，提供了准确的边元素。

按照所述短语所在文本语料中的语句结构，识别作为动作事件的短语之间的关联关系包括：在包括所述动作事件的文本语料中，确定共现的关注主题和事物实体，并建立关联关系。

上述申请中的一个实施例具有如下优点或有益效果：建立了动作事件与事物实体，以及动作事件与关注主题的关联关系，进而为知识图谱的构建，提供了准确的边元素。

所述信息对象包括下述至少一个：图片、音频和视频；所述视频的文本语料包括：视频标题、视频标签、视频字幕、视频描述、视频的用户发布信息、视频的被搜索日志以及视频的用户评论。

上述申请中的一个实施例具有如下优点或有益效果：明确了信息对象包含的内容，尤其是对于视频来说，其文本语料包括了与视频相关的多种语料。

第二方面，本申请实施例提供了一种知识图谱的构建装置，包括：

文本语料获取模块，用于获取至少一个信息对象的文本语料；

短语提取模块，用于从所述文本语料中提取短语，所述短语包括至少一个词汇；

关联关系获取模块，用于从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系；

知识图谱更新模块，将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

第三方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的知识图谱的构建方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的知识图谱的构建方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1A是本申请实施例一中的一种知识图谱的构建方法的流程图；

图1B是本申请实施例一中KG数据库的结构框图；

图1C是本申请实施例一中构建的知识图谱的结构框图；

图2是本申请实施例二中的一种知识图谱的构建方法的流程图；

图3A是本申请实施例三中的一种知识图谱的构建方法的流程图；

图3B是本申请实施例三中的一种知识图谱的构建方法的流程图；

图3C是本申请实施例三中构建的知识图谱的结构框图；

图3D是本申请实施例三中构建的知识图谱的结构框图；

图3E是本申请实施例所提供的知识图谱的构建方法的流程示意图；

图4是本申请实施例四中的一种知识图谱的构建装置的结构图；

图5是用来实现本申请实施例的知识图谱的构建方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1A为本申请实施例一提供的一种知识图谱的构建方法的流程图，本实施例可适用于构建知识数据的认知图谱的情况，该方法可以由本申请实施例中的知识图谱的构建装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可以集成在知识图谱构建服务器上，该方法具体包括如下操作：

S110、获取至少一个信息对象的文本语料。

语料，即语言材料；信息对象的文本语料，也即与信息对象相关的文本化的语言材料；信息对象的文本语料可以由互联网中的开放性数据获取而来，例如，KG(KnowledgeGraph，知识图谱)数据库；如图1B所示，KG数据库包含了千万量级的具体事物实体(例如，宫保鸡丁)，以及具体事物实体与其概念实体(例如，食物)的关系，可以通过KG数据库获取事物、人物或者地点，例如，地标、名人、城市、球队、建筑、地理特征和艺术作品等信息。

可选的，在本申请实施例中，所述信息对象包括下述至少一个：图片、音频和视频；其中，所述视频的文本语料包括：视频标题、视频标签、视频字幕、视频描述、视频的用户发布信息、视频的被搜索日志以及视频的用户评论。也可以通过对视频进行图像识别和音频识别来获取对应的文本语料。

S120、从所述文本语料中提取短语，所述短语包括至少一个词汇。

词汇是反应文本内容、具有独立自然语义的最小单位，而短语中可以包括一个或多个词汇；可选的，从所述文本语料中提取短语包括：从所述文本语料中提取最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。最小单位短语的获取可以通过互信息和信息熵的方式，从所述文本语料中提取；具体的，对所述文本语料进行切词处理，以形成词汇序列；针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语。其中，切词，也即分词，是将文本语料切分成多个单独的词汇，以便计算机或其它识别装置有效识别出语句含义。以信息对象对应的一个文本语料进行切词处理后，形成的词汇序列中包含词汇“美容”为例，该信息对象的其它文本语料形成的词汇列表中，同样以“美”与“容”搭配的形式多次出现，那么确定“美容”为一个最小单位短语。

特别的，在针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语之前，还包括下述至少一项预处理：

从所述词汇序列中去除停用词；

根据所述知识图谱中的已有点元素记录的短语，从所述词汇序列中过滤掉已有短语；

将所述词汇序列中的词汇，按照在文本语料中的出现频度进行排序，以用于按顺序进行词汇搭配结构稳定性的识别。

其中，停用词是在各个文本语料中通常会频繁出现，且没有实际意义的词汇，例如：“的”、“了”、“等”和“之类”等，可以根据停用词数据库中存储的停用词直接去除文本语料中的停用词。而词汇序列中的短语，若是在已有的知识图谱(例如，上述KG数据库)中已经出现，则过滤掉该短语，例如，“小熊发卡”已经包含在了知识图谱中的已有点元素记录的短语中，而该词汇序列中同样包括该短语，那么在该词汇序列中过滤掉短语“小熊发卡”，以免知识图谱中出现重复性的点元素。

最小单位短语有时候由于表达的含义过于概括，导致虽然出现的频度较高，且搭配结构稳定，但是对于该信息对象的认知作用不大，也即区别作用不大，则需要组合成复合短语，以准确表述出该信息对象的文本内容。例如，文本语料中包括“冬季流行发饰”，其中，“冬季”和“发饰”都是最小单位词，可是用于区分认知该信息对象的作用不大，因此需要组合成“冬季流行发饰”这样的复合短语来准确表述该信息对象的文本内容。可选的，从所述文本语料中提取复合短语包括：对所述文本语料中的词汇进行词性标注；按照预设词性搭配模板，提取文本语料中符合词性搭配结构的至少两个词汇，作为复合短语；其中，所述预设词性搭配模板至少包括下述一种：实体和侧面模板；名称、动词和修饰词模板；动词、名词和修饰词模板。词性标注，即利用词性标注工具对文本语料中的各个词汇进行标注，标注内容包含分词类别(例如，人名、地名、数字和无意义连词等)和分词词性(例如，动词、名词和形容词等)等。预设词性搭配模板可以基于人工经验设定，也可以从各种词语搭配模板中进行常用性筛选确定。

S130、从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系。

可选的，在本申请实施例中，从提取的所述短语中，识别关注主题的内容短语包括：针对提取的复合短语，根据所述复合短语中包括的词汇，在已有知识图谱中的出现频度，对所述复合短语进行筛选，以确定作为关注主题的内容短语。例如，针对上述复合短语“冬季流行发饰”，其中“冬季”、“流行”和“发饰”在已有的KG数据库中都是已有的点元素，且出现频度均较高，而三者之间存在关联(代表了“季节-风格-时尚类别”这一类别)，则可以将“冬季流行发饰”作为一个关注主题。

可选的，在本申请实施例中，从提取的所述短语中，识别事物实体的内容短语包括：针对包括关注主题短语的文本语料，基于预设语句模板，识别所述文本语料的语句中与所述关注主题短语符合上下文位置关系的短语，作为所述事物实体的内容短语。例如，根据获取到的关注主题“冬季流行发饰”，而对应的文本语料包括“终于买到兔形发簪了，这是冬季最流行的发饰”，由于关注主题通常是描述一个实体的，而上下文中包括的词汇“兔形发簪”就是一个事物实体，因此，确定“兔形发簪”作为识别出的事物实体。

事物侧面用来描述事物实体，例如，在主谓结构的短语中，主语确定为事物实体，谓语则是事物侧面，如制作宫保鸡丁。可选的，从提取的所述短语中，识别事物侧面的内容短语包括：从提取的所述复合短语中，确定包括事物实体短语的复合短语；针对所述包括事物实体短语的复合短语，按照预设短语结构模板确定与所述事物实体短语搭配的短语，作为候选侧面短语；针对所述候选侧面短语，在各所述文本语料中识别与所述事物实体短语的共现频度，并根据共现频度筛选确定所述事物实体的事物侧面的内容短语；其中，所述预设短语结构模板至少包括下述一项：实体和动词模板、实体和名词模板以及实体和修饰词模板。根据预设短语结构模板，可以确定事物侧面是与事物实体搭配的动词、名词或修饰词，例如，复合短语“枸杞的功效”中，与事物实体“枸杞”搭配的事物侧面为“功效”；复合短语“猎豹的速度”中，与事物实体“猎豹”搭配的事物侧面为“速度”；在确定出候选侧面短语后，为了确定提取出的候选侧面短语是有关注意义的，可以通过候选侧面短语与事物实体短语的共现频度进行筛选，筛选出共现频度超过预设阈值的候选侧面短语作为事物实体的事物侧面。可选的，可以根据词间距、统计特征以及上下文语境输入至黑盒子模型中，以判定事物实体和事物侧面是否可以组合的；其中，黑盒子模型可以包括Bilstm(Bi-directional Long Short-Term Memory)与Softmax的组合模型；还可以通过与事物实体对应的概念实体来扩展事物实体与事物侧面的关联，例如，通过上述技术方案获取到与事物实体“枸杞”对应的事物侧面“功效”，根据KG数据库中已有的知识图谱中“枸杞”的描述为“药材”，那么根据概念实体进行扩展，所有概念实体为“药材”的事物实体，均可以扩展出对应的事物侧面“功效”，例如，与事物实体“人参”对应的事物侧面“功效”。

可选的，从提取的所述短语中，识别动作事件的内容短语包括：从提取的所述短语中，提取动词作为候选动作事件的内容短语；对所述候选动作事件的内容短语，采用预设机器学习模型来对动作事件的质量进行筛选，其中，所述预设机器学习模型采用人工标注具有独立语义的动作事件的文本语料训练而成。例如，通过人工标注“烹饪”、“吃播”和“结婚”等具有独立语义的动作事件，对获取到的多个样本文本语料进行训练，进而获得预设机器学习模型，之后通过该预设机器学习模型判定从短语中提取的作为候选动作事件的内容短语是否能作为一个动作事件。

在上述技术方案的基础上，如图1C所示，在识别事物实体的内容短语的过程中，已经建立事物实体短语与符合上下文位置关系的关注主题短语之间的关联关系，例如，上述技术方案中的事物实体“兔形发簪”与关注主题“冬季流行发饰”之间的关联关系；在识别事物侧面的内容短语的过程中，将共现在同一短语中的事物实体短语与事物侧面短语之间建立关联关系，例如，上述技术方案中的事物实体“枸杞”与事物侧面“功效”的关联关系；在包括所述动作事件的文本语料中，确定共现的关注主题和事物实体，并建立关联关系。

S140、将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

将上述技术方案获取到的关注主题、事物实体、事物侧面和动作事件的内容短语更新到知识图谱的点元素中，并将上述技术方案中各点元素之间的关联关系更新到所述知识图谱的边元素中，以构建完整的知识图谱，以对事物实体进行详细描述。

本申请实施例的技术方案，通过对信息对象文本语料的提取，构建了信息对象的知识图谱，在确定事物实体的同时，还增加了关注主题、动作事件和事物侧面等多个点元素以及对应的边元素，丰富了知识图谱的组成元素，实现了对知识图谱中已有事物实体的信息扩展，还实现了从信息对象中不断挖掘出新的事物实体，用以不断扩大和补充知识图谱的组成。

实施例二

图2为本申请实施例二中的一种知识图谱的构建方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，从所述文本语料中提取最小单位短语和复合短语之后，还包括：根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语。相应的，本实施例的方法具体包括如下操作：

S210、获取至少一个信息对象的文本语料。

S220、从所述文本语料中提取短语；短语包括最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。

S230、根据词汇在所述文本语料中的句法依存树关系，将至少两个词汇进行组合，以生成新的复合短语；和/或对于已提取的复合短语，将所述复合短语中的词汇，采用近似语义词汇进行替换，以生成新的复合短语。

句法依存树，也即依存句法，是根据语法逻辑，将句子分析成树结构，描述出各个词汇之间的依存关系，也即指出了词汇之间在句法上的搭配关系，这种搭配关系是和语义相关联的。以上述“冬季流行发饰”为例，文本语料中并不包括“冬季流行发饰”的表述，无法直接提取到复合短语“冬季流行发饰”；也没有“冬季流行的发饰”的表述，因此也无法通过去掉停用词“的”的方式获取到“冬季流行发饰”；但是文本语料中包括“作为明星常用的发饰，是冬季最流行的款式”，根据句法依存树关系，可以提取到“冬季”、“流行”和“发饰”，重新组合成复合短语“冬季流行发饰”。

还可以采用近似语义词汇替换复合短语中的词汇，以生成新的复合短语；例如，上述生成的复合短语“冬季流行发饰”，可以进行词汇的替换，形成新的复合短语，包括“春季流行发饰”、“冬季流行服饰”和“春季复古妆容”等。

特别的，对于重新组合成的复合短语，可以进行复合性概念实体正确性的判定，例如，基于新生成的复合短语的上位概念实体、PV(Page View，页面浏览量)属性和/或Attention(注意力机制)与CRF(conditional random field algorithm，条件随机场)算法的组合模型，来判断该复合短语是否是合理的复合型短语，其中，Attention与CRF的组合模型可以基于多个标注合理的复合型短语的样本进行训练获得。

S240、将提取的短语，进行主题清洗；其中，所述主题清洗至少包括去除停用词、设定停用词添加和同义词归一。

提取的短语中可能存在表达不规范、不通顺以及重复性表述，因此需要进行主题清洗，以使关注主题是由表述规范的短语中获取的。设定停用词添加，是根据需要添加的特殊停用词，例如，当信息对象为视频时，添加“老铁”和“双击六六六”作为特殊停用词，以使短语中不包括上述词汇；同义词归一，即将同义词进行归一化处理，可以通过同义词数据库存储的数据或者根据需要添加的同义词实现同义词的归一化，以使在知识图谱中，同义词作为同一个点元素出现，避免单独出现造成知识图谱的结构过于复杂化。

S250、根据主题清洗后的短语在各文本语料中的出现频度进行筛选，以确定作为关注主题的内容短语。

关注主题，是具有一定关注度的短语，若一个短语在各文本语料中出现次数过少，则认为该短语不存在实际意义，没有作为关注主题的必要；因此，清洗后的短语通常不能全部作为关注主题出现，需要将清洗后的各短语在各文本语料中的出现频度进行筛选，出现频度越高，那么表示重要程度越高，优先作为关注主题。可选的，通过TF-IDF(termfrequency inverse document frequency，词频-逆文本频率指数)加权的统计方式判断该短语的重要程度，并选取重要程度最高的预设数量短语作为关注主题。

可选的，在本申请实施例中，还可以通过黑盒子模型对提取到的短语作为关注主题的质量进行筛选，以获取符合一定质量要求，即符合一定出现频次要求的短语作为关注主题。

S260、按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系。

S270、将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

本申请实施例的技术方案，通过对提取的复合短语中的词汇进行调整，以扩展生成其他复合短语，极大的丰富了知识图谱的点元素，实现了同类型的关注主题的扩展，构建了更完整的知识图谱。

实施例三

图3A为本申请实施例三中的一种知识图谱的构建方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别作为关注主题的短语之间的关联关系包括：根据信息对象的文本语料进行聚类识别，并根据聚类结果与知识图谱中的预设上级主题进行匹配，并确定所述信息对象与所述上级主题之间的关联关系。相应的，本实施例的方法具体包括如下操作：

S310、获取至少一个信息对象的文本语料。

S320、从所述文本语料中提取短语，所述短语包括最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。

S330、从提取的所述短语中，识别关注主题的内容短语。

S340、根据信息对象的文本语料进行聚类识别，并根据聚类结果与知识图谱中的预设上级主题进行匹配，并确定所述信息对象与所述上级主题之间的关联关系；其中，所述预设上级主题包括一级或多级。

上级主题是封闭的主题集合，可以在知识图谱中根据需要预先设定；上级主题可以包括不同的层级，例如，上级主题可以包括一级主题和二级主题，其中，一级主题包括“时尚”，二级主题包括“服饰”。

如图3B所示，以信息对象包括视频为例，根据现有的聚类算法，例如，LDA(LatentDirichlet Allocation)文档主题生成模型和深度哈希特征(Feature Hashing)的相似度算法，对信息对象的文本语料进行聚类识别，识别出文本语料中的关键词汇，并将上述关键词汇与预设上级主题进行相似度的比对，进而基于相似度建立文本语料与预设上级主题之间的映射关系。例如，在文本语料中聚类识别出关键词汇“服饰”，而这与二级主题“服饰”完全一致，因此，可以建立信息对象与二级主题“服饰”的映射关系。

S350、将所述信息对象的文本语料中提取的短语与所述上级主题之间建立关联关系。将所述信息对象的文本语料中提取的关注主题与所述上级主题之间建立关联关系。

信息对象的文本语料中提取的关注主题，与上述技术方案中获取的关键词汇存在自然映射关系，例如，如图3C所示，关注主题“冬季流行服饰”与关键词“服饰”，因此，可以将“冬季流行服饰”与预设上级主题建立同样建立映射关系。特别的，上述技术方案中获取到的关注主题“冬季流行服饰”，可以与二级主题“服饰”建立关联关系，也可以与一级主题“时尚”建立关联关系，还可以与一级主题“时尚”和二级主题“服饰”同时建立关联关系。

S360、将所述文本语料中包括的关注主题作为基础关注主题，根据所述基础关注主题与上级主题之间的关联关系，建立所述基础关注主题扩展形成的开放性关注主题与所述上级主题之间的关联关系。

例如，由上述关注主题“冬季流行服饰”扩展形成的“春季流行服饰”、“夏季流行服饰”和“春季民族服饰”等，也同时与预设上级主题之间建立了关联关系。

特别的，在已有的KG数据库中，已经包括了具体事物实体与概念实体之间的关系，如果概念实体是已经存在的预设上级主题，那么可以将概念实体对应的具体事物实体与预设上级主题进行关联；例如，如图3D所示，在KG数据库中，具体事物实体“无间道”对应的概念实体为“香港动作片”和“电影”，而预设上级主题中包括一级主题“影视”和二级主题“港片”，因此，根据概念实体与预设上级主题的对应关系，可以直接获取具体事物实体“无间道”与预设上级主题之间的挂接关系。

S370、将所述基础关注主题扩展形成的开放性关注主题更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

本申请实施例的技术方案，通过预设上级主题，并将文本语料中提取的关注主题与预设上级主题建立关联关系，实现了开放性的关注主题与封闭的预设上级主题之间的挂接，使得知识图谱的结构更加清晰，便于查找预设主题下的事物实体。

本申请实施例的技术方案实现了新型知识图谱的构建，该新型知识图谱可适用于多种应用场景，典型的可适用于视频认知。视频内容丰富，而且多帧图像内容是变化的，有时难以通过简单的标签实体来进行区分，通过构建的新型知识图谱可有效对视频进行识别和分类。图3E所示为本申请实施例所提供的图谱构建方法的完整流程示意图。如图3E所示，可以从多种语料库获得原始语料，例如KG通用知识库、搜索/feed流用户日志、全网网页/百家号、以及各种视频资源。基于原始语料进行知识解析、语义结构化处理和归一融合、关系补全与检验等处理，添加到知识理解图谱中，对于语义结构化和关系补全与检验处理环境，可以通过表示学习和知识推理的技术手段进行处理。也可以基于原始语料进行知识表示，添加到知识理解图谱中。知识理解图谱也即知识图谱，对于知识图谱，可以采用重复控制、特征挖掘等手段进行图谱扩展和清洗。通过语义点/边筛选，可使得知识图谱用于不同场景，例如视频语义理解、或跨媒体生成等技术领域。

实施例四

图4为本申请实施例四提供的一种知识图谱的构建装置的结构示意图，该装置具体包括：文本语料获取模块410、短语提取模块420、关联关系获取模块430和知识图谱更新模块440。

文本语料获取模块410，用于获取至少一个信息对象的文本语料；

短语提取模块420，用于从所述文本语料中提取短语，所述短语包括至少一个词汇；

关联关系获取模块430，用于从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系；

知识图谱更新模块440，将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

本申请实施例的技术方案，通过对信息对象文本语料的提取，构建了信息对象的知识图谱，在确定事物实体的同时，还增加了关注主题、动作事件和事物侧面等多个点元素以及对应的边元素，丰富了知识图谱的组成元素，实现了对知识图谱中已有事物实体的信息扩展，还实现了从信息对象中不断挖掘出新的事物实体，用以不断扩大和补充知识图谱的组成。

可选的，在上述技术方案的基础上，短语提取模块420，具体用于：

从所述文本语料中提取最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。

可选的，在上述技术方案的基础上，知识图谱的构建装置，还包括：

复合短语调整模块，用于根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语。

可选的，在上述技术方案的基础上，短语提取模块420，包括：

切词处理单元，用于对所述文本语料进行切词处理，以形成词汇序列；

最小单位短语获取单元，用于针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语。

可选的，在上述技术方案的基础上，知识图谱的构建装置，还包括：

停用词去除模块，用于从所述词汇序列中去除停用词；

已有元素过滤模块，用于根据所述知识图谱中的已有点元素记录的短语，从所述词汇序列中过滤掉已有短语；

词汇频度排序模块，用于将所述词汇序列中的词汇，按照在文本语料中的出现频度进行排序，以用于按顺序进行词汇搭配结构稳定性的识别。

可选的，在上述技术方案的基础上，短语提取模块420，还包括：

词性标注单元，用于对所述文本语料中的词汇进行词性标注；

复合短语提取单元，用于按照预设词性搭配模板，提取文本语料中符合词性搭配结构的至少两个词汇，作为复合短语；其中，所述预设词性搭配模板至少包括下述一种：实体和侧面模板；名称、动词和修饰词模板；动词、名词和修饰词模板。

可选的，在上述技术方案的基础上，复合短语调整模块，具体用于：

根据词汇在所述文本语料中的句法依存树关系，将至少两个词汇进行组合，以生成新的复合短语；和/或对于已提取的复合短语，将所述复合短语中的词汇，采用近似语义词汇进行替换，以生成新的复合短语。

可选的，在上述技术方案的基础上，关联关系获取模块430，包括：

主题清洗单元，用于将提取的短语，进行主题清洗；其中，所述主题清洗至少包括去除停用词、设定停用词添加和同义词归一；

第一关注主题确定单元，用于根据主题清洗后的短语在各文本语料中的出现频度对各短语进行筛选，以确定作为关注主题的内容短语。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

第二关注主题确定单元，用于针对提取的复合短语，根据所述复合短语中包括的词汇，在已有知识图谱中的出现频度，对所述复合短语进行筛选，以确定作为关注主题的内容短语。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

事物实体确定单元，用于针对包括关注主题短语的文本语料，基于预设语句模板，识别所述文本语料的语句中与所述关注主题短语符合上下文位置关系的短语，作为所述事物实体的内容短语。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

事物实体短语提取单元，用于从提取的所述复合短语中，确定包括事物实体短语的复合短语；

候选侧面短语确定单元，用于针对所述包括事物实体短语的复合短语，按照预设短语结构模板确定与所述事物实体短语搭配的短语，作为候选侧面短语；

事物侧面确定单元，用于针对所述候选侧面短语，在各所述文本语料中识别与所述事物实体短语的共现频度，并根据共现频度筛选确定所述事物实体的事物侧面的内容短语；

其中，所述预设短语结构模板至少包括下述一项：实体和动词模板、实体和名词模板、以及实体和修饰词模板。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

候选动作事件短语提取单元，用于从提取的所述短语中，提取动词作为候选动作事件的内容短语；

质量筛选单元，用于对所述候选动作事件的内容短语，采用预设机器学习模型来对动作事件的质量进行筛选，其中，所述预设机器学习模型采用人工标注具有独立语义的动作事件的文本语料训练而成。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

聚类识别单元，用于根据信息对象的文本语料进行聚类识别，并根据聚类结果与知识图谱中的预设上级主题进行匹配，并确定所述信息对象与所述上级主题之间的关联关系；

关联关系建立单元，用于将所述信息对象的文本语料中提取的关注主题与所述上级主题之间建立关联关系；

第一关联关系确定单元，用于将所述文本语料中包括的关注主题作为基础关注主题，根据所述基础关注主题与上级主题之间的关联关系，建立所述基础关注主题扩展形成的开放性关注主题与所述上级主题之间的关联关系；

其中，所述预设上级主题包括一级或多级。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

第二关联关系确定单元，用于在识别事物实体的内容短语的过程中，建立事物实体短语与符合上下文位置关系的关注主题短语之间的关联关系。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

第三关联关系确定单元，用于在识别事物侧面的内容短语的过程中，将共现在同一短语中的事物实体短语与事物侧面短语之间建立关联关系。

可选的，在上述技术方案的基础上，关联关系获取模块430，还包括：

第四关联关系确定单元，用于在包括所述动作事件的文本语料中，确定共现的关注主题和事物实体，并建立关联关系。

可选的，在上述技术方案的基础上，所述信息对象包括下述至少一个：图片、音频和视频；所述视频的文本语料包括：视频标题、视频标签、视频字幕、视频描述、视频的用户发布信息、视频的被搜索日志以及视频的用户评论。

上述装置可执行本申请任意实施例所提供的知识图谱的构建方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的方法。

实施例五

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的知识图谱的构建的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的知识图谱的构建方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的知识图谱的构建方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的知识图谱的构建方法对应的程序指令/模块(例如，附图4所示的文本语料获取模块410、短语提取模块420、关联关系获取模块430和知识图谱更新模块440)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的知识图谱的构建方法。

存储器502可以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***、至少一个功能所需要的应用程序；存储数据区可存储根据知识图谱的构建的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至知识图谱的构建的电子设备。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。

知识图谱的构建方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与知识图谱的构建的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过对信息对象文本语料的提取，构建了信息对象的知识图谱，在确定事物实体的同时，还增加了关注主题、动作事件和事物侧面等多个点元素以及对应的边元素，丰富了知识图谱的组成元素，实现了对知识图谱中已有事物实体的信息扩展，还实现了从信息对象中不断挖掘出新的事物实体，用以不断扩大和补充知识图谱的组成。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (20)

1.一种知识图谱的构建方法，其特征在于，包括：

获取至少一个信息对象的文本语料；

从所述文本语料中提取短语，所述短语包括至少一个词汇；

从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系；

将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

2.根据权利要求1所述的方法，其特征在于，从所述文本语料中提取短语包括：

从所述文本语料中提取最小单位短语和复合短语，所述最小单位短语包括一个词汇，所述复合短语包括至少两个词汇。

3.根据权利要求2所述的方法，其特征在于，从所述文本语料中提取最小单位短语和复合短语之后，还包括：

根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语。

4.根据权利要求2所述的方法，其特征在于，从所述文本语料中提取最小单位短语包括：

对所述文本语料进行切词处理，以形成词汇序列；

针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语。

5.根据权利要求4所述的方法，其特征在于，针对每个词汇，如果所述词汇在各词汇序列中的词汇搭配结构稳定，则确定所述词汇为提取到的最小单位短语之前，还包括下述至少一项预处理：

从所述词汇序列中去除停用词；

根据所述知识图谱中的已有点元素记录的短语，从所述词汇序列中过滤掉已有短语；

将所述词汇序列中的词汇，按照在文本语料中的出现频度进行排序，以用于按顺序进行词汇搭配结构稳定性的识别。

6.根据权利要求2所述的方法，其特征在于，从所述文本语料中提取复合短语包括：

对所述文本语料中的词汇进行词性标注；

按照预设词性搭配模板，提取文本语料中符合词性搭配结构的至少两个词汇，作为复合短语；

其中，所述预设词性搭配模板至少包括下述一种：实体和侧面模板；名称、动词和修饰词模板；动词、名词和修饰词模板。

7.根据权利要求3所述的方法，其特征在于，根据所述文本语料，对所述复合短语中的词汇进行调整，以扩展生成其他复合短语包括：

根据词汇在所述文本语料中的句法依存树关系，将至少两个词汇进行组合，以生成新的复合短语；和/或

对于已提取的复合短语，将所述复合短语中的词汇，采用近似语义词汇进行替换，以生成新的复合短语。

8.根据权利要求2-7任一所述的方法，其特征在于，从提取的所述短语中，识别关注主题的内容短语包括：

将提取的短语，进行主题清洗；其中，所述主题清洗至少包括去除停用词、设定停用词添加和同义词归一；

根据主题清洗后的短语在各文本语料中的出现频度对各短语进行筛选，以确定作为关注主题的内容短语。

9.根据权利要求2-7任一所述的方法，其特征在于，从提取的所述短语中，识别关注主题的内容短语包括：

针对提取的复合短语，根据所述复合短语中包括的词汇，在已有知识图谱中的出现频度，对所述复合短语进行筛选，以确定作为关注主题的内容短语。

10.根据权利要求2-7任一所述的方法，其特征在于，从提取的所述短语中，识别事物实体的内容短语包括：

针对包括关注主题短语的文本语料，基于预设语句模板，识别所述文本语料的语句中与所述关注主题短语符合上下文位置关系的短语，作为所述事物实体的内容短语。

11.根据权利要求2-7任一所述的方法，其特征在于，从提取的所述短语中，识别事物侧面的内容短语包括：

从提取的所述复合短语中，确定包括事物实体短语的复合短语；

针对所述包括事物实体短语的复合短语，按照预设短语结构模板确定与所述事物实体短语搭配的短语，作为候选侧面短语；

针对所述候选侧面短语，在各所述文本语料中识别与所述事物实体短语的共现频度，并根据共现频度筛选确定所述事物实体的事物侧面的内容短语；

其中，所述预设短语结构模板至少包括下述一项：实体和动词模板、实体和名词模板、以及实体和修饰词模板。

12.根据权利要求2-7任一所述的方法，其特征在于，从提取的所述短语中，识别动作事件的内容短语包括：

从提取的所述短语中，提取动词作为候选动作事件的内容短语；

对所述候选动作事件的内容短语，采用预设机器学习模型来对动作事件的质量进行筛选，其中，所述预设机器学习模型采用人工标注具有独立语义的动作事件的文本语料训练而成。

13.根据权利要求2-9任一所述的方法，其特征在于，按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别作为关注主题的短语之间的关联关系包括：

根据信息对象的文本语料进行聚类识别，并根据聚类结果与知识图谱中的预设上级主题进行匹配，并确定所述信息对象与所述上级主题之间的关联关系；

将所述信息对象的文本语料中提取的关注主题与所述上级主题之间建立关联关系；

将所述文本语料中包括的关注主题作为基础关注主题，根据所述基础关注主题与上级主题之间的关联关系，建立所述基础关注主题扩展形成的开放性关注主题与所述上级主题之间的关联关系；

其中，所述预设上级主题包括一级或多级。

14.根据权利要求10所述的方法，其特征在于，按照所述短语所在文本语料中的语句结构，识别作为事物实体的短语之间的关联关系包括：

在识别事物实体的内容短语的过程中，建立事物实体短语与符合上下文位置关系的关注主题短语之间的关联关系。

15.根据权利要求11所述的方法，其特征在于，按照所述短语中的词汇结构，识别作为事物侧面的短语之间的关联关系包括：

在识别事物侧面的内容短语的过程中，将共现在同一短语中的事物实体短语与事物侧面短语之间建立关联关系。

16.根据权利要求12所述的方法，其特征在于，按照所述短语所在文本语料中的语句结构，识别作为动作事件的短语之间的关联关系包括：

在包括所述动作事件的文本语料中，确定共现的关注主题和事物实体，并建立关联关系。

17.根据权利要求1所述的方法，其特征在于：

所述信息对象包括下述至少一个：图片、音频和视频；

所述视频的文本语料包括：视频标题、视频标签、视频字幕、视频描述、视频的用户发布信息、视频的被搜索日志以及视频的用户评论。

18.一种知识图谱的构建装置，其特征在于，包括：

文本语料获取模块，用于获取至少一个信息对象的文本语料；

短语提取模块，用于从所述文本语料中提取短语，所述短语包括至少一个词汇；

关联关系获取模块，用于从提取的所述短语中，识别关注主题、事物实体、事物侧面和动作事件的内容短语，并按照所述短语中的词汇结构，以及所述短语所在文本语料中的语句结构，识别短语之间的关联关系；

知识图谱更新模块，将所述内容短语更新到所述知识图谱的点元素中，将所述关联关系更新到所述知识图谱的边元素中。

19.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-17中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-17中任一项所述的方法。