(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211068142.2 (22)申请日 2022.08.31 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 李铖　邱琳　钟其　陈睿丰　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 刘凡凡 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/284(2020.01) G06K 9/62(2022.01) (54)发明名称 文档归类方法、 装置、 电子设备、 介质和计算 机程序产品 (57)摘要 本公开提供了一种基于知识图谱的文档归 类方法、 装置、 电子设备、 介质和计算机程序产 品。 上述方法和装置可用于人工智能技术领域。 基于知识图谱的文档归类方法包括： 对获取的m ×ni个事件文档进行分词， 得到每个事件文档的 nj个分词结果。 其中， m ×ni个事件文档来自于m 个事件文档集， 每个事件文档集包括ni个事件文 档， m为大于等于1的整数， ni为大于等于0的整 数， i为大于等于1且小于等于m的整数， nj为大于 等于1的整数， j为大于等于1且小于等于m ×ni的 整数； 根据分词结果确定每个事件文档的关键 词； 根据关键词， 计算每两个来自于不同的两个 事件文档集的事件文档的语句相似度； 以及根据 语句相似度， 分别构建基于同一事件的文档知识 图谱。 权利要求书2页 说明书18页 附图8页 CN 115422358 A 2022.12.02 CN 115422358 A 1.一种基于知识图谱的文档归类方法， 其特 征在于， 包括： 对获取的m ×ni个事件文档进行分词， 得到每个所述事件文档的nj个分词结果。 其中， 所 述m×ni个事件文档来自于m个事件文档集， 每个所述事件文档集包括ni个事件文档， m为大 于等于1的整数， ni为大于等于0的整数， i为大于等于1且小于等于m的整数， nj为大于等于1 的整数， j为大于等于1且小于等于m ×ni的整数； 根据所述分词结果确定每 个事件文档的关键词； 根据所述关键词， 计算每两个来自于不同的两个事件文档集的事件文档的语句相似 度； 以及 根据所述语句 相似度， 分别构建基于同一事 件的文档知识图谱。 2.根据权利要求1所述的方法， 其特征在于， 所述对获取的m ×ni个事件文档进行分词， 得到每个所述事 件文档的nj个分词结果， 包括： 获取m个事 件文档集， 其中， 每 个所述事 件文档集中包括 ni个事件文档； 将所述m个事 件文档集 合并， 得到文档文本集； 以及 对所述文档文本集中每个所述事件文档进行分词， 得到每个所述事件文档的nj个分词 结果。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述分词结果确定每个事件文档 的关键词， 包括： 计算每个所述事 件文档的每 个分词结果的权 重值； 以及 将所述权重值与预先设定的权重 阈值比较， 将满足所述权重 阈值的权重值对应的分词 结果作为对应事 件文档的关键词。 4.根据权利要求3所述的方法， 其特征在于， 所述两个来自于不同的两个事件文档集中 的其中一个事件文档包括a个关键词， 将该事件文档作为第一文档， 所述两个来自于不同的 两个事件文档集中的另一个事件文档包括b个关键词， 将该事件文档作为第二文档， a和b均 为大于等于1的整 数， 所述根据所述关键词， 计算每两个来自于不同的两个事件文档集的事 件文档的语句 相似度， 包括： 当a大于等于b时， 分别计算所述第一文档 中每个关键词与所述第二文档中b个关键词 两两之间的词贡献度； 将所述a个关键词中每个关键词对应的b个词贡献度按照从大到小的顺序取排名第一 的词相似度加 和； 以及 将所述加和求平均值， 将所述平均值作为两个来自于不同的两个事件文档集的事件文 档的语句 相似度。 5.根据权利要求4所述的方法， 其特征在于， 计算所述第 一文档中的关键词与 所述第二 文档中的关键词之间的词贡献度， 包括： 当所述第一文档中的关键词与所述第 二文档中的关键词相同时， 所述关键词之间的词 贡献度为所述关键词的权 重值的乘积； 当所述第一文档中的关键词与所述第 二文档中的关键词不同， 且预训练词典中能够查 询到所述关键词之 间的余弦相似度时， 所述关键词之 间的词贡献度为将所述余弦相似度作 用于所述关键词的权 重值的乘积； 以及 当所述第一文档中的关键词与所述第 二文档中的关键词不同， 且预训练词典中未能够权　利　要　求　书 1/2 页 2 CN 115422358 A 2查询到所述关键词之间的余弦相似度时， 所述关键词之间的词贡献度为0 。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述语句相似度， 分别构建基于 同一事件的文档知识图谱， 包括： 步骤一， 遍历所有的所述语句相似度， 将大于0的所述语句相似度按照从大到小的顺 序， 取排名第一的语句相似度作为连边， 将与该语句相似度对应的两个事件文档作为节点， 构建知识图谱； 步骤二， 将与所述知识图谱中边缘节点相关的大于0的语句相似度按照从大到小的顺 序排序， 取排名第一的语句相似度作为连边， 将该语句相似度对应的另一个事件文档作为 新的边缘节点， 拓展所述知识图谱； 步骤三， 循环执行步骤二， 直至无法找到新的边缘节点， 将步骤二中的所述知识图谱作 为基于同一事 件的文档知识图谱； 步骤四， 循环执行步骤一～步骤三， 直至所有的大于0的所述语句相似度均作为连边用 于所述文档知识图谱中。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述语句相似度， 分别构建基于 同一事件的文档知识图谱， 还 包括： 步骤五， 将等于 0的所述语句 相似度对应的事 件文档作为节点构建文档知识图谱。 8.一种基于知识图谱的文档归类装置， 其特 征在于， 包括： 分词模块， 所述分词模块用于执行对获取的m ×ni个事件文档进行分词， 得到每个所述 事件文档的nj个分词结果。 其中， 所述m ×ni个事件文档来自于m个事件文档集， 每个所述事 件文档集包括ni个事件文档， m为 大于等于1的整数， ni为大于等于0的整数， i为 大于等于1且 小于等于m的整数， nj为大于等于1的整数， j为大于等于1且小于等于m ×ni的整数； 确定模块， 所述确定模块用于执 行根据所述分词结果确定每 个事件文档的关键词； 计算模块， 所述计算模块用于执行根据所述关键词， 计算每两个来自于不同的两个事 件文档集的事 件文档的语句 相似度； 以及 构建模块， 所述构建模块用于执行根据所述语句相似度， 分别构建基于同一事件的文 档知识图谱。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 一个或多个存储器， 用于存储可执行指令， 所述可执行指令在被所述处理器执行时， 实 现根据权利要求1～7中任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有可执行指令， 该指 令被处理器执行时实现根据权利要求1～7中任一项所述的方法。 11.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序包括一个或 者多个可执行指 令， 所述可执行指 令被处理器执行时实现根据权利要求 1～7中任一项所述 的方法。权　利　要　求　书 2/2 页 3 CN 115422358 A 3