面向海量專業(yè)文獻(xiàn)的知識脈絡(luò)圖構(gòu)建與挖掘.pdf

1、隨著互聯(lián)網(wǎng)的快速普及和硬件存儲(chǔ)技術(shù)的發(fā)展，人們可以輕松的在不同的設(shè)備上瀏覽、獲取到各類的數(shù)字資源，也可以通過 Google Scholar、CNKI、萬方、百度學(xué)術(shù)等眾多的學(xué)術(shù)數(shù)據(jù)庫或?qū)W術(shù)搜索引擎獲取到所需的專業(yè)文獻(xiàn)。從互聯(lián)網(wǎng)上獲取海量的電子資源已經(jīng)成為一件輕松簡單的事情，但是隨之出現(xiàn)的問題是，現(xiàn)有的知識服務(wù)已經(jīng)無法滿足人們對信息“快速、簡單、準(zhǔn)確”的需求。因此，如何從海量文獻(xiàn)中挖掘并構(gòu)建出知識脈絡(luò)圖，以幫助用戶解決知識精準(zhǔn)獲取等問題，

2、具有實(shí)際的應(yīng)用價(jià)值和研究意義。
　　知識脈絡(luò)圖構(gòu)建過程中的核心環(huán)節(jié)是針對這類專業(yè)文獻(xiàn)文本進(jìn)行知識實(shí)體識別并抽取出知識實(shí)體的類型信息，建立結(jié)構(gòu)化的專業(yè)知識體系。相對于一般的實(shí)體而言，知識實(shí)體是一類具有專業(yè)領(lǐng)域特性、能概括表達(dá)文獻(xiàn)中核心知識點(diǎn)的術(shù)語。專業(yè)文獻(xiàn)的知識實(shí)體抽取是個(gè)特殊的實(shí)體抽取問題，有助于實(shí)現(xiàn)專業(yè)文獻(xiàn)信息的結(jié)構(gòu)化描述。而知識實(shí)體的類型標(biāo)注則是實(shí)體抽取的一個(gè)重要組成部分，更是后續(xù)抽取知識實(shí)體關(guān)系、構(gòu)建知識脈絡(luò)圖的重要依據(jù)。<

3、br>　　然而，在構(gòu)建知識脈絡(luò)圖的過程中存在兩個(gè)困難問題：1.知識實(shí)體的類型多而繁雜，難以通過人工的方式定義其類別；2.類型標(biāo)簽多、分類細(xì)，導(dǎo)致人工標(biāo)注難度較高，同時(shí)標(biāo)注后訓(xùn)練集的標(biāo)簽維度也過高，所以常用的有監(jiān)督標(biāo)注方法并不適用。
　　為了解決這兩個(gè)難題，本文通過分析實(shí)驗(yàn)從真實(shí)文獻(xiàn)數(shù)據(jù)中發(fā)現(xiàn)并總結(jié)出知識實(shí)體類型的獨(dú)有特性，根據(jù)這些特性首先提出一種結(jié)合摘要信息的啟發(fā)式類型抽取方法（HRA++Abstract）來實(shí)現(xiàn)類型標(biāo)簽的抽取及部

4、分知識實(shí)體的類型標(biāo)注，進(jìn)而再提出一種基于多標(biāo)簽加權(quán)的標(biāo)簽傳播方法（MLW-LPA）實(shí)現(xiàn)對其余知識實(shí)體的類型標(biāo)注。通過大量真實(shí)的專業(yè)文獻(xiàn)數(shù)據(jù)上的實(shí)驗(yàn)證明，本文提出的HRA+Abstract+MLW-LPA類型抽取及標(biāo)注方法比傳統(tǒng)的CRF標(biāo)注方法更適用于專業(yè)文獻(xiàn)中知識實(shí)體類型的標(biāo)注任務(wù)。
　　最后，本文以得到的知識實(shí)體及其對應(yīng)類型標(biāo)簽為基礎(chǔ)，構(gòu)建知識關(guān)系，提出一個(gè)知識脈絡(luò)圖可視化系統(tǒng)的構(gòu)建方案，并給出該系統(tǒng)基本框架和系統(tǒng)原型。該系統(tǒng)有