段浩 & 韩昆 & 赵红莉 & 蒋云钟 & 李豪 & 毛文山
人工智能 水利 知识图谱 知识工程
Publisher: 水利学报
Published: Aug 30, 2021
水利综合知识图谱构建研究
段浩，韩昆，赵红莉，蒋云钟，李豪，毛文山
（中国水利水电科学研究院，北京100038）
摘要：基于对水利知识特点的分析，提出了水利综合知识体系的描述方法，包括水利知识的定义、组成与关联；构建了水利知识图谱的构建框架和关键技术体系，以水利行业结构化业务数据的实体关系转换为基础，采用双向长 短 期 记 忆 神 经 网 络（Bi-directional Long Shot-Term Memory Neural Network， BiLSTM）与 条 件 随 机 场（ConditionalRandom Fields，CRF）方法识别半结构化、非结构化学科知识文本以及互联网数据中的水利实体，使用模式匹配和共现网络分析方法抽取各实体间关系，对涉水对象及其属性进行补充，基于风险最小化的最小风险映射模型（Risk Minimization based Ontology Mapping，RiMOM）进行了多源异构水利实体的融合，实现了涉水对象与水利学科知识的融合与关联，形成水利综合知识的建模和表达。在图谱构建过程中，累计抽取水利实体 136 万个，构建实体关系 300 余万条，抽取的水利实体对象的标注准确率在 80%以上。基于该图谱可实现水利知识的跨域查询与检索，学科图谱与水网图谱间关系查询，挖掘不同水利实体间的隐含关系，提高水利知识检索的效率和知识挖掘发现的能力。
关键词：知识图谱；水利综合知识；水资源管理；学科知识；BiLSTM；CRF
中图分类号：TP391
文献标识码：A
doi：10.13243/j.cnki.slxb.20200924
Description:
水利综合知识图谱构建研究
段浩，韩昆，赵红莉，蒋云钟，李豪，毛文山
（中国水利水电科学研究院，北京100038）
摘要：基于对水利知识特点的分析，提出了水利综合知识体系的描述方法，包括水利知识的定义、组成与关联；构建了水利知识图谱的构建框架和关键技术体系，以水利行业结构化业务数据的实体关系转换为基础，采用双向长 短 期 记 忆 神 经 网 络（Bi-directional Long Shot-Term Memory Neural Network， BiLSTM）与 条 件 随 机 场（ConditionalRandom Fields，CRF）方法识别半结构化、非结构化学科知识文本以及互联网数据中的水利实体，使用模式匹配和共现网络分析方法抽取各实体间关系，对涉水对象及其属性进行补充，基于风险最小化的最小风险映射模型（Risk Minimization based Ontology Mapping，RiMOM）进行了多源异构水利实体的融合，实现了涉水对象与水利学科知识的融合与关联，形成水利综合知识的建模和表达。在图谱构建过程中，累计抽取水利实体 136 万个，构建实体关系 300 余万条，抽取的水利实体对象的标注准确率在 80%以上。基于该图谱可实现水利知识的跨域查询与检索，学科图谱与水网图谱间关系查询，挖掘不同水利实体间的隐含关系，提高水利知识检索的效率和知识挖掘发现的能力。
关键词：知识图谱；水利综合知识；水资源管理；学科知识；BiLSTM；CRF
中图分类号：TP391
文献标识码：A
doi：10.13243/j.cnki.slxb.20200924