面向科技文献的学术知识图谱构建研究与应用.pdfVIP

摘要

面向科技文献的学术知识图谱构建研究与应用

随着互联网大数据时代的到来，如何从海量科技文献中快速检索论文，准确

提取领域知识并帮助学者发现新的研究任务和方法，成为学术社区的很大挑战。

学术知识图谱将学术社区的异质信息整合成结构化知识网络，将真实语义上具有

密切联系的科学实体关联起来，能够帮助检索论文。一篇文献通常会针对特定的

领域任务提出相应的解决方法，但是，目前的学术知识图谱重点关注文献的作者、

领域和关键词等结构信息，很少挖掘蕴含在文献摘要中的任务和方法等语义信息。

如果围绕任务和方法构建涵盖学术概念、科技文献、作者和机构等信息的知识网

络，那么基于网络结构进行语义推理可以帮助学者定位领域研究内容，探索科研

动向以及发现学术社交网络等。因此，本文的目标是面向科技文献构建一个以领

域任务和研究方法为中心，容纳学者、机构和关键词等信息的学术知识图谱。

本文工作是吉林省重点科技研发项目“大数据和移动互联时代的快速知识共

享系统研究、开发与应用”的重要研究内容，该项目旨在开发一款用于学术知识

快速共享的学习类移动端软件。用户可通过该软件阅读国内外期刊会议、科技文

献和作者简介等学术信息，动态追踪科技快讯和研究热点，以及添加好友和群组、

在线交流和评论等社交行为。基于此项目背景，本文的主要工作如下：

（1）提出一种基于维基数据的学术本体半自动构建算法。该算法将维基百

科作为高质量外部数据源，从百科文本中自动提取领域概念作为本体库节点，并

定义节点间的上下位关系。在领域专家指导下进行半自动本体检查，对初始构建

的学术本体库进行剪枝、清洗和补全，从而构建可用于链接学术知识图谱实体层

的高质量本体库。

（2）提出一种基于双轮问答的学术实体-关系联合抽取算法DoubleQA-IE。

该算法将问答领域的片段抽取任务迁移至知识图谱构建任务，从文献摘要中抽取

学术实体和关系并将链接实体至相应本体概念。给定问题、摘要和候选本体，将

候选本体作为锚节点与文本序列联合嵌入，利用嵌入矩阵的相容性计算单词序列

的注意力权重，设计双向深层注意力网络结构编码文本的语义表征。第一轮问答

同时预测学术实体在摘要中的起止位置、类别标签和链接的本体标签；第二轮问

答根据第一轮预测的头实体进行答案填充，对关系类型、尾实体和本体标签进行

联合预测。

（3）将算法落地到实际应用中，面向上述项目整合的计算机学科人工智能

领域科技文献，基于上述算法构建了一个实际可用的学术领域知识图谱。该学术

图谱是以任务和方法为中心的具有三层结构的知识网络：实体层是知识图谱的核

心层，以DoubleQA-IE算法抽取的任务和方法为中心节点，节点间包括使用、

对比和部分三种关系；学术本体库是知识图谱的基础层，以本体构建算法抽取的

科学概念为中心，用于链接实体层节点，使其具有上下位关系并进行语义消解；

文本层是学术图谱的扩展层，以项目整合的科技文献为中心，容纳了标题、关键

词和出版时间等属性信息以及期刊会议、科研作者和软件用户等异质节点，用于

实体层任务和方法节点的文本定位。本文构建的学术知识图谱已应用于该项目支

撑的软件《学术头条APP》中。

关键词：

学术知识图谱，问答，实体-关系抽取，本体构建

Abstract

ResearchandApplicationofAcademicKnowledgeGraph

ConstructionforTechnologicalLiterature

WiththearrivalofInternetbigdataera,howtoquicklyretrievepapersfrom

massivetechnologicalliterature,accuratelyextractdomainknowledgeandhelp

scholarsdiscovernewtasksandmethodshasbecomeamajorchallengeforacademic

community.Academicknowledgegraphintegratesthe