申请/专利权人：中国农业大学

申请日：2020-09-23

公开（公告）日：2024-01-30

公开（公告）号：CN112100405B

主分类号：G06N5/022

分类号：G06N5/022;G06F16/28;G06F40/216;G06F40/242;G06F40/289;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.01.30#授权;2021.01.05#实质审查的生效;2020.12.18#公开

摘要：本发明公开了一种基于加权LDALatentDirichletAllocation，潜在狄利克雷分布的兽药残留知识图谱构建方法。首先，构建兽药知识框架，利用网络爬虫结合知识框架进行深层搜索并下载文献。并针对LDA主题模型存在的主题噪声以及在特征词偏向性问题，使用加权LDA方法进行主题挖掘，再次下载兽药相关文献。使用基于词典的模型完成命名实体识别和关系抽取。最后，利用Neo4j图数据库构建兽药知识图谱。利用本发明可以构建兽药残留知识图谱并找出兽药残留特点规律以及兽药残留对人体造成伤害的原因，保证肉蛋奶的质量安全，从而保护人们的身体健康和生命安全。

主权项：1.一种基于加权LDA的兽药残留知识图谱构建方法，其特征在于包括以下步骤：1构建兽药知识框架：使用基于层次分析和规则的方法从兽医药理学，兽医毒理学书本中抽取知识，使用基于包装器的方法从Pubchem网址获得兽药毒理相关知识，利用jieba分词工具对所述的知识进行去停用词、分词、词性标注最终形成词典，形成层级的兽药知识框架；2下载文献数据：利用上一步得到的词典，结合兽药名称，在Webofscience上进行多层搜索，即遍历根节点到叶子节点的每一条路径，对于每一条路径上的所有词汇，进行多层结果中搜索，使用支持向量机SVM方法对于得到的文献进行分类，包含兽药知识相关和兽药知识不相关两大类，对于兽药知识相关文献，使用加权的LDA方法进行主题提取；步骤2中建立加权LDA主题模型包括以下步骤：4aLDA是一种3层贝叶斯模型，它描述了文档、主题、词汇间的关系，α是狄利克雷分布θ的超参数、β是狄利克雷分布的超参数、θ是“文档－主题”的多项式分布、是“主题－词汇”的多项式分布、z是词的主题分配、w是词、K是主题数目、M是文档数目、N是一篇文档的词数；4bLDA的过程：1对语料库中的每篇文档中的每个词汇，随机的赋予一个主题编号Z；2重新扫描语料库，对每个词，使用GibbsSampling公式对其采样，求出它的主题，在语料中更新；3重复步骤2，直到GibbsSampling收敛；4统计语料库的主题词汇共现频率矩阵，该矩阵就是LDA的模型；4cGibbsSampling拟合θ、的过程：1扫描文章，对每个词wn随机赋予一个主题Zj；2初始化Zj，使其为1～K之间的某个整数；3重新扫描每篇文章，采用LDA模型对语料库进行主题建模，参数推理利用GibbsSampling不断迭代，同时记录Zj的值，参数θ、的计算公式如下： 其中，是文章d中主题j的单词数，是文章d中所有主题的单词数，是单词w在主题j下出现的次数，是文章d中主题j的单词总数；4d针对兽药知识的词汇分布特点，根据每个词与兽药知识种子词的语义相似度，使用层级的语义相似度计算公式来计算相似度，赋予词汇不同权重，并将权值信息融入吉布斯采样过程； p1和p2表示两个词汇，d表示p1和p2在兽药知识层次体系中的路径距离，d越大则相似度越小，相似度的取值范围为[0,1]，k设置为20；4e使用TF-IDF方法进行优化，TF-IDF通过统计的方法计算和表达某个关键词在文本中的重要程度，通过计算词的TF-IDF值对主题模型迭代生成的主题-词矩阵进行加权，弱化高频噪声词的影响；4f加权的LDA的步骤：1将论文摘要数据集进行分词和去停用词处理；2对语料进行吉布斯采样，生成文档-主题分布和主题-词分布；3计算相似度，按照相似度大小进行排序，保留前K2个主题作为候选主题，结合候选主题构造新的文档-主题分布和主题-词分布；4利用TF-IDF对主题-词分布进行加权，得到加权概率，再根据主题-词分布情况，选取权重最高的20个特征词；4gLDA中主题数目的确定：模型训练时，需要事先设置主题数，根据训练出来的结果，手动调参，超参数α取0.25，β取0.1；4h语料库中的文档是上一步骤中SVM分类得到的兽药知识相关文档，对于这些文档进行主题挖掘，得到相关主题词汇，接着用这些主题词汇，再次进行搜索；3信息抽取：基于词典的命名实体识别和关系抽取；4构建知识图谱：将上述兽药领域知识的实体以及实体之间的关系，以csv格式导入Neo4j数据库中。

全文数据：

权利要求：

百度查询： 中国农业大学 一种基于加权LDA的兽药残留知识图谱构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD