公开(公告)号：CN110929041A

公开(公告)日：2020-03-27

申请号：CN201911143409.8

申请日：2019-11-20

申请人： 北京邮电大学 ,  国网河北省电力有限公司信息通信分公司

发明人： 杨杨 ,  高志鹏 ,  郝茂杰 ,  郭少勇 ,  徐思雅 ,  袁翰青 ,  辛锐 ,  吴军英 ,  葛宁玲

IPC分类号： G06F16/36 ,  G06F16/33

摘要： 本发明实施例提供一种基于分层注意力机制的实体对齐方法及系统，该方法包括：将知识图谱中待实体对齐的目标实体数据进行划分，得到词级别实体数据向量和句级别实体数据向量；根据注意力机制，获取所述词级别实体数据向量之间的词向量相似度，并根据注意力机制，获取所述句级别实体数据向量之间的句向量相似度；根据所述词向量相似度，获取所述词级别实体数据向量的分配权重参数向量矩阵，并根据所述句向量相似度和杰卡德系数公式，获取所述句级别实体数据向量的分配权重参数向量矩阵，以用于对所述目标实体数据进行实体对齐。本发明实施例提高了实体对齐的准确率，使得实体向量更容易生成，有效解决实体对齐过程中先验信息不易获得的问题。

公开(公告)号：CN110347896A

公开(公告)日：2019-10-18

申请号：CN201910507881.9

申请日：2019-06-12

申请人： 国网浙江省电力有限公司电力科学研究院 ,  国家电网有限公司 ,  北京邮电大学

发明人： 王刘旺 ,  戴彦 ,  韩嘉佳 ,  颜拥 ,  姚影 ,  杨杨 ,  喻鹏 ,  郝茂杰

IPC分类号： G06F16/951 ,  G06F16/23

摘要： 本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。

公开(公告)号：CN110347896B

公开(公告)日：2021-09-21

申请号：CN201910507881.9

申请日：2019-06-12

申请人： 国网浙江省电力有限公司电力科学研究院 ,  国家电网有限公司 ,  北京邮电大学

发明人： 王刘旺 ,  戴彦 ,  韩嘉佳 ,  颜拥 ,  姚影 ,  杨杨 ,  喻鹏 ,  郝茂杰

IPC分类号： G06F16/951 ,  G06F16/23

摘要： 本发明公开了一种基于PageRank算法的医疗数据爬取方法及系统。本发明的医疗数据爬取方法，包括步骤：用户根据需要输入要爬取的医疗关键词；计算网页时间因子及潜在相关性因子；计算得到第一轮PR值，并临时存入数据库中；对各网页中的超链接进行权重计算；计算得到第二轮PR值，并更新数据库；比较PR值大小，获取PR值最大的N个网页；输出PR值最大的N个网页。本发明能够有效的解决传统通用爬虫算法偏重旧网页、主题漂移和偏重综合性网页的缺陷，可以高效、准确的爬取医疗数据网页。