论文部分内容阅读
随着知识图谱构建技术的日益完善,越来越多基于知识图谱的应用开始出现。人们的目光开始从通用领域知识图谱转向垂直领域知识图谱。垂直领域知识图谱的领域性较强,根据业务需求会存在不同的数据类型以及数据模式。关系抽取是信息抽取任务中子任务,是构建知识图谱的关键步骤之一,意图从非结构化的数据中获得已识别实体的关系并对知识图谱进行填充。本文主要对知识图谱构建中关系抽取这一任务进行研究,针对不用类型的电力文本,使用不同的关系抽取方法进行电力领域实体三元组抽取,并绘制图谱。本文从两个方面进行研究:(1)针对电力调度管理规程文本,本文采用依存句法分析的方法对实体三元组进行抽取。通过对抽取实体进行补全以及对于长难句并列结构的处理,基于基本的汉语语法结构,围绕核心动词自动抽取了较为准确的实体三元组。结果证明对于文章结构特征明显但句子结构复杂的电力调度管理规程文本,基于依存句法分析的关系抽取方法依旧可以较好的效果。最后将自动抽取结果同文本中的结构化数据结合绘制知识图谱。(2)针对网上可获取的大量数据,本文采用远程监督方法构建了一个电力领域用于实体关系抽取的数据集。分别对比了双向长短期记忆网络、卷积神经网络以及分段卷积神经网络在句子表示方面的效果。此外,针对远程监督构建的数据集存在噪音这个问题,比较了多示例学习以及注意力机制对于数据集降噪的效果。结论证明在自建训练集上两种卷积神经网络在句子表示方面略优于双向长短期记忆网络,多示例学习以及注意力机制可以明显降低数据集的噪音影响。分段卷积神经网络同传统卷积神经网络在关系抽取任务上差距不大,存在后者更优的可能性。