基于传媒知识图谱问答系统关键技术研究与实现.pdfVIP

摘要

近年来，随着互联网大数据时代的信息井喷式增长，传媒等垂直领域知识需

求不断增长，其垂直领域知识图谱构建及其问答系统已经成为了当今的研究热点。

本文围绕传统垂直领域知识图谱构建过程中人工依赖大，构建效率低以及传统问

答方式回答不够简洁的缺点开展研究，重点围绕垂直领域知识图谱的构建、问答

模型中的中文命名实体识别任务等关键技术展开工作，具体研究内容如下：

(1)开展了基于半自动化的垂直领域知识图谱构建方法的研究。针对目前垂直

领域知识图谱构建多依赖于人工的问题，提出了一种基于半自动化的垂直领域知

识图谱构建方法(Semi-automatedDomainKnowledgeGraphConstructionMethod，

SA-KG)，将传统的高耦合的基于人工的手动构建方法进行合理解耦，对有待智能

化的技术步骤进行自动化处理以提高构建效率。首先针对领域schema的构建过程

中人工参与度高的问题进行研究，设计出一种机器自动化作业为主、人工标注为

辅的半自动化的领域schema构建方法。针对知识抽取过程中原始数据结构多样化

以及非结构化数据信息冗余的问题，开展了基于多源异构数据的知识抽取方法的

研究，并通过多组对比实验，选择了CasRel模型进行非结构数据的实体关系抽取。

针对多源数据存储存在冲突的问题，开展了基于相似度算法的知识融合技术研究，

并选择了Neo4j图数据库进行知识存储。

(2)开展了基于深度学习的问答模型的研究。针对问答模型的关键任务中文命

名实体识别模型存在传递词汇信息缺失、很少利用领域词典现象而导致模型识别

不够准确、泛化性不高等问题，提出了一种引入深度相互学习的基于SoftLexicon

Lattice的方法(SoftLexiconLatticewithDeepMulti-MutuallearningNetworks，

MM-SLLattice)。该方法通过充分结合开放词典信息和领域词典信息，将词信息与

边界信息无损地引入到输入表示层，同时将相互学习应用到序列任务的模型训练

中，最后同主流模型进行对比实验，结果表明本文的模型优于主流模型。

(3)基于以上的研究内容，将命名实体识别、实体链接和关系预测结合起来，

面向传媒领域知识图谱应用场景，构建传媒领域知识库，完成了一个基于传媒知

识图谱的问答系统，并在系统中进行了模块的验证和测试，最后展示了系统的基

本功能。

关键词：领域知识图谱，schema，问答系统，命名实体识别，知识抽取

ABSTRACT

Inrecentyears,withtheexplosivegrowthofinformationintheeraofbigdataand

thegrowingdemandforknowledgeinverticaldomainssuchasmedia,theconstruction

ofknowledgegraphsinverticaldomainsanditsquestionansweringsystemhave

becomearesearchhotspottoday.Thisthesisfocusesontheshortcomingsoftraditional

constructionofverticaldomainknowledgegraph,suchaslargemanualdependence,

lowconstructionefficiency,andinsufficientconciseanswersintraditionalquestion

answeringmethods,focusingonkeytechnologiessuchastheconstructionofvertical

domainknowledgegraphsandChinesenamedentityrecognitiontasksinquestion

answerin