摘要: 知识图谱以结构化的形式描述客观世界中概念、实体及其之间的关系，提供了一种对海量数据的有效的组织和管理方式。在当前的大数据时代，各行业无时无刻都在产生着大量的数据，众多行业都需要构建自身领域的知识图谱（领域知识图谱）。然而，领域知识... 展开 知识图谱以结构化的形式描述客观世界中概念、实体及其之间的关系，提供了一种对海量数据的有效的组织和管理方式。在当前的大数据时代，各行业无时无刻都在产生着大量的数据，众多行业都需要构建自身领域的知识图谱（领域知识图谱）。然而，领域知识图谱的构建往往面临着领域相关数据缺乏、人工标注依赖大等困难。因此，如何在有限的领域数据条件下，自动创建新的标注数据，减少人工工作量是当前领域知识图谱构建迫切需要解决的关键问题。 本文围绕领域知识图谱构建中的数据处理、知识抽取、知识融合、知识存储等主要环节展开工作，重点研究数据处理和知识抽取，针对现有技术的不足，提出新的方法和解决方案。本文的主要贡献有如下几个方面： 1.在数据处理环节，针对筛选领域文本过程中人工工作量巨大的问题，提出一种基于局部敏感哈希的SVM分类方法，实现自动领域文本筛选。该方法采用局部敏感哈希算法对原始训练样本进行映射，进而筛选出可能的边界样本点作为SVM训练样本，显著地减少了SVM训练样本数目，提高了模型构建速度。同时，采用网格搜索算法以交叉验证的方案实现SVM参数的选择以提高文本分类精度。在公开数据集UCIAdult上对提出方法进行了性能分析，并在搜狗实验室文本分类数据集上验证了效果。 2.在知识抽取环节，针对模型训练中标注语料缺乏的问题，提出一种基于Seq2Seq模型的标注语料自动生成方法，用以扩充形如“实体1-关系-实体2-句子”的四元组标注语料。该方法对大量未标注的文本采用基于保留词的回译法，生成相应同义句作为训练语料；在模型训练阶段，采用实体标签替换的方法，以使得模型学习到与实体无关的同义句生成规则；在文本生成阶段，采用基于自检索束搜索的生成策略，保证了模型的输出包含指定实体和关系。通过将生成的标注语料作为训练语料用于关系抽取任务中，验证了该方法的有效性。 3.根据以上研究，设计了一个领域知识图谱构建的方案，并以金融领域知识图谱构建为例，具体设计和实现了从数据处理、知识抽取、知识融合到知识存储的图谱构建流程，并展示了金融领域知识图谱的基本功能。 收起