多源异构数据情境中学术知识图谱模型构建研究.docxVIP

多源异构数据情境中学术知识图谱模型构建研究 　　摘要：[目的/意义]随着大数据和人工智能技术的蓬勃发展，数据驱动的智慧学术研究以及基于学术大数据的知识发现受到产业界和学术界的广泛关注。学术知识图谱是学术信息挖掘和学术知识管理的基础，在智慧学术研究中具有重要的学术价值和产业价值。[方法/过程]本文以构建智慧学术服务的实际需求为出发点，从学术大数据的获取、学术实体识别、学术实体链接与知识融合、学术知识图谱本体模型构建、学术知识图谱表示与存储等核心问题入手，提出智慧学术领域的知识图谱构建的理论模型。[结论/结果]多源异构数据融合的學术知识图谱是支撑智慧学术的数据基础，同时也是人工智能及知识表示技术在学术大数据领域的重要应用。 　　关键词：学术知识图谱;多源异构数据;知识图谱;知识表示;智慧学术 　　abstract：[purpose/significance]withtherapiddevelopmentofbigdataandartificialintelligencetechnology，data-drivenintelligentacademicresearchandknowledgediscoverybasedonacademicbigdatahavereceivedextensiveattentionfromindustryandacademic.academicknowledgegraphisthefoundationofacademicinformationminingandacademicknowledgemanagement，andhasimportantacademicvalueandindustrialvalueinintelligentacademicresearch.[method/process]thispaperstartedfromtheactualneedsofbuildingintelligentacademicsservice，beginingwiththecoreissuesofacademicbigdataacquisition，academicentityidentification，academicentitylinkandknowledgefusion，academicknowledgemapontologymodelconstruction，academicknowledgegraphrepresentationandstorage，andproposedthetheoreticalmodelfortheconstructionofknowledgegraphinthefieldofsmartacademics.[result/conclusion]theconstructionofacademicknowledgegraphformulti-sourceheterogeneousdatafusionwasthedatafoundationsupportingintelligentacademics，andalsoanimportantapplicationofartificialintelligenceandknowledgerepresentationtechnologyinthefieldofacademicbigdata. 　　keywords：academicknowledgegraph;multi-sourceheterogeneousdata;knowledgegraph;knowledgerepresentation;smartacademic 　　随着学术信息数字化的不断发展，学术机构以及学术出版集团的互联网公开学术数据库的涌现产生了海量的学术数据。这些数据中蕴含了大量隐性学术知识，如潜在的合作团队、潜在的合作作者等。如果这些隐性的知识能够被加工处理，并以有效的知识呈现，不仅可以为潜在学术团队构建、潜在科研兴趣预测与潜在科研能力量化研究提供辅助决策，还可以为各种学术应用平台的构建提供可靠的数据源，从而增强学术研究者的科研能力，并丰富智慧学术的研究内涵。因此，如何抽取多源异构学术数据自身的隐性特征，形成有价值的知识，并使之为学术研究者提供行之有效的辅助决策，已成为数据挖掘技术在学术大数据领域应用研究的新趋势[1]。 　　近年来，由于单一数据源描述事实具有很大偏向性，尤其是个性化智能搜索的需要。多种数据源语义统一表示技术研究受到业界的广泛关注。2012年，google公司提出了google知识图谱技术，并将其成功用于智能搜索领域[2]。随后，关于知识图谱的应用研究席卷各个领域。最为常见的应用就是借助维基百科构建知识图谱。因