基于深度学习的植物知识图谱的构建

论文摘要

随着信息技术的快速发展,特别是人工智能技术的广泛应用,如何处理网络中海量的数据,向用户提供易理解的知识成为研究的热点。知识图谱对实现数据到知识的转化有重要作用,其目的是对真实世界中存在的实体、概念及其关联关系进行描述。在林业领域,知识图谱可在语义检索、数据挖掘、预测分析、智能问答和决策支持等应用场景下发挥重要作用。本文在植物信息领域,研究基于多种数据源构建植物知识图谱的方法,在知识图谱的构建、命名实体识别和基于知识图谱的语义检索等方面展开工作。分析了领域知识图谱的构建过程,并阐述了涉及的关键技术。总结了中国植物志文本的特点,研究如何在其上进行属性命名实体的识别,提出了基于深度神经网络的命名实体识别方法。研究了植物信息相关的数据源,充分利用行业网站和百科网站的信息。利用不同数据源的信息构建植物知识图谱,将其应用于语义检索问题,结合可视化技术构建了基于植物知识图谱的语义检索系统。植物知识图谱作为林业领域知识图谱构建的尝试,可为用户提供智能、直观的语义检索。未来可在此基础上进一步融合其他林业知识,作为智慧林业发展的知识支撑,服务于林业领域的语义检索、知识推理和决策支持等应用。

论文目录

• 摘要
• ABSTRACT
• 1 引言
•   1.1 研究背景及意义
•   1.2 国内外研究现状
•     1.2.1 通用知识图谱的构建
•     1.2.2 领域知识图谱的构建
•     1.2.3 开放知识图谱项目
•   1.3 研究内容和创新点
•     1.3.1 研究内容
•     1.3.2 创新点
•   1.4 论文的组织结构
• 2 知识图谱相关理论和技术
•   2.1 知识图谱的定义
•   2.2 通用知识图谱和领域知识图谱
•   2.3 领域知识图谱的构建过程和难点
•     2.3.1 领域知识图谱的构建过程
•     2.3.2 中文知识图谱构建的难点
•   2.4 知识图谱构建的关键技术
•     2.4.1 实体识别
•     2.4.2 实体消歧
•     2.4.3 关系抽取
•     2.4.4 知识推理
•     2.4.5 知识存储
•     2.4.6 知识表示
•   2.5 本章小结
• 3 植物属性文本的命名实体识别算法
•   3.1 命名实体任务概述
•     3.1.1 背景
•     3.1.2 基于规则的方法
•     3.1.3 基于统计机器学习的方法
•     3.1.4 基于深度学习的方法
•   3.2 植物属性文本数据集的构建
•     3.2.1 植物属性文本分析
•     3.2.2 数据集构建
•   3.3 算法整体框架
•     3.3.1 基于BiLSTM的特征提取模块
•     3.3.2 基于CNN的特征提取模块
•     3.3.3 基于CRF的标注模块
•   3.4 实验结果与分析
•     3.4.1 评价指标
•     3.4.2 基于句子特征表示的结果分析
•     3.4.3 基于训练参数的结果分析
•     3.4.4 基于多种模型的结果分析
•   3.5 本章小结
• 4 植物知识图谱的构建
•   4.1 数据源的选择
•     4.1.1 中国植物志
•     4.1.2 中国林业信息网
•     4.1.3 百度百科
•   4.2 概念体系结构定义
•   4.3 实体信息获取
•     4.3.1 结构化数据
•     4.3.2 半结构化数据
•     4.3.3 非结构化数据
•   4.4 实体关系获取
•   4.5 多数据源的知识融合
•     4.5.1 知识融合
•     4.5.2 植物知识图谱的存储
•   4.6 本章小结
• 5 基于植物知识图谱的语义检索系统
•   5.1 语义检索概述
•   5.2 基于植物知识图谱的语义检索
•     5.2.1 基于植物知识图谱的语义检索过程
•     5.2.2 实体匹配过程
•     5.2.3 问句理解过程
•     5.2.4 基于植物知识图谱的语义检索示例
•   5.3 知识图谱的可视化
•   5.4 本章小结
• 6 研究总结和展望
•   6.1 研究工作总结
•   6.2 展望
• 参考文献
• 个人简介
• 导师简介
• 获得成果目录
• 致谢

文章来源

类型: 硕士论文

作者: 檀稳

导师: 李冬梅

关键词: 知识图谱,深度学习,命名实体识别,语义检索

来源: 北京林业大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,计算机软件及计算机应用,自动化技术

单位: 北京林业大学

分类号: TP391.1;TP18;Q94

DOI: 10.26949/d.cnki.gblyu.2019.000740

总页数: 65

文件大小: 6030K

下载量: 505