基于知识产权案例的知识图谱构建

作     者：姚明超 

作者单位：新疆大学 

学位级别：硕士

导师姓名：阿里甫·库尔班

授予年度：2021年

学科分类：0301[法学-法学] 03[法学] 030105[法学-民商法学(含：劳动法学、社会保障法学)] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：知识图谱 BILSTM-CRF DGCNN Neo4j 

摘      要：知识图谱(Knowledge Graph)是将结构化的信息经过图结构关联起来的一个知识库。知识图谱这个概念最先由谷歌公司提出,谷歌公司自从提出了知识图谱的概念后,成功的将其应用到了搜索引擎上,极大地提高了搜索的准确度,让搜索引擎变得更加的智能。后来,各行各业都开始关注知识图谱,研究如何构建相应领域的知识图谱。近年来,随着我国步入新发展阶段,创新就成为了引领我国发展的一大动力,为了保护和鼓励创新,国家也出台了相关的政策法规来对知识产权进行保护。因此,探索知识图谱在知识产权领域的应用也是一个有意义的研究点,但是目前国内外对于此领域的研究还比较有限。本文旨在研究基于知识产权案例的知识图谱的构建。具体工作内容如下:首先通过获取在中国裁判文书网上公开的与知识产权纠纷有关的一审民事判决书文本,对判决书文本进行分析研究,构建出知识产权案例Schema。然后对命名实体识别算法进行分析研究,确定使用BILSTM-CRF模型对判决书文本进行命名实体识别;之后针对判决书文本的结构特点,构建规则抽取器,使用基于规则的实体关系抽取方法抽取判决书首部和尾部信息中的实体关系三元组,然后分析研究LTP中的依存句法分析模型对判决书正文部分的实体关系三元组的抽取效果,并使用该模型对判决书正文部分的实体关系三元组进行抽取;之后分析研究基于DGCNN和概率图的信息抽取模型对判决书属性的抽取效果,确定使用结合远程监督先验特征的DGCNN和概率图信息抽取模型对判决书中的实体属性三元组进行抽取。最后将抽取出的知识存储到Neo4j图数据库中,完成知识图谱的构建,并使用***可视化库、Django框架和Bootstrap框架构建一个基于知识产权案例的知识图谱系统以供用户进行知识查询。构建基于知识产权案例的知识图谱具有重要的研究价值以及商业价值。对于普通用户而言,可以方便用户了解与知识产权有关的案件信息,提高自身知识产权保护意识。对于专业人士而言,可以辅助其进行案例学习、决策分析、案件推理等。