检索结果-南通市图书馆

基于学术知识图谱与有偏随机游走的论文推荐研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年

作者：李慧崔子贤王玙西安电子科技大学经济与管理学院

[目的]针对学者研究兴趣难以准确捕捉的问题，本文提出一种融合论文内容与引用特征的学者研究兴趣发现方法，并据此构建基于学术知识图谱与随机游走算法的论文推荐模型。[方法] 使用预训练文本嵌入模型与引文网络学习已发表论文的向量... 详细信息

[目的]针对学者研究兴趣难以准确捕捉的问题，本文提出一种融合论文内容与引用特征的学者研究兴趣发现方法，并据此构建基于学术知识图谱与随机游走算法的论文推荐模型。[方法] 使用预训练文本嵌入模型与引文网络学习已发表论文的向量表示，基于相似性理论挖掘学者研究兴趣；运用知识图谱嵌入、有偏随机游走与注意力机制等深度学习技术计算学者对论文感兴趣的概率，最后生成TopN论文推荐列表。[结果]在DBLPv14数据集上的实验结果表明，本文所提模型相较于基线模型在F1与MRR指标上最多可提升4.1%和3.1%，各指标结果总体优于其他基线模型。[局限]所提模型没有考虑到实体和关系上的属性对推荐性能的影响。[结论]所提模型考虑了论文内容与引用特征，能够有效反映学者的研究兴趣，提高论文推荐准确性。

关键词：论文推荐学术知识图谱有偏随机游走研究兴趣

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于少标注的无监督学术知识图谱构建

基于少标注的无监督学术知识图谱构建

作者：郭晨亮华东师范大学

学位级别：硕士

构建学术知识图谱是文献检索工具和学术影响力分析等应用的基础,虽然现在已有许多构建的大型学术知识图谱和学术搜索平台,但构建知识图谱中学术实体的准确性仍然有待提升,在学术实体构建中,作者消歧、机构消歧、学术词新词发现和分类体... 详细信息

构建学术知识图谱是文献检索工具和学术影响力分析等应用的基础,虽然现在已有许多构建的大型学术知识图谱和学术搜索平台,但构建知识图谱中学术实体的准确性仍然有待提升,在学术实体构建中,作者消歧、机构消歧、学术词新词发现和分类体系构建是其中比较困难的任务。针对作者消歧问题,本文提出了一种基于异构网络的无监督作者姓名消歧方法。通过对学术实体名称预处理减弱文本格式不一致的影响,用异构网络上的元路径随机游走方法学习文献结构特征,用基于TF-IDF和随机打乱词序的词向量构建方法学习文献文本特征,融合相似度后用DBSCAN聚类、合并孤立文献实体方法完成作者消歧。实验表明,该模型比AMiner模型的F1值相对提升了3.51%,并被应用于项目中2400万篇文献数据的作者消歧任务。此外,对于机构消歧问题,本文提出了一种基于文本特征的无监督学术机构名称消歧方法,首先构建了世界城市位置关系表,用位置和词库信息补全缺失的英文全称,用翻译方法补全中文名称,然后用中文名称常用后缀统计和信息熵修正中文名称,用基于相似度的方法修正英文全简称错误对应和中英文错误对应,最后用结合数量词、拼音词、位置词、词向量的基于文本特征的LSTM模型完成学术机构消歧。实验证明,该模型比Link KG模型的F1值相对提升了1.33%,并被应用于项目中600万个学术机构名称的消歧任务。最后,本文提出了一种少标注的学术词分类体系构建方法,用基于规则的方法切分中英文混合的摘要文本,用基于文本统计特征的方法新词发现和同义词合并,用BERT与Text CNN方法、word2vec与fasttext词向量和注意力机制,融合通用知识和领域知识对学术词筛选和分类,根据分类结果完成学术词分类体系构建任务。实验证明,该方法比STGCN方法准确率相对提升了1.50%。

关键词：学术知识图谱作者消歧机构消歧短文本分类无监督学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时序学术知识图谱构建及应用研究

时序学术知识图谱构建及应用研究

作者：丁炜轩西北师范大学

学位级别：硕士

学术知识图谱常应用于文献检索、知识问答和学科分析等知识服务场景。目前学术知识图谱主要是静态图谱,无法准确获取时序知识,如作者当前研究领域和期刊目前收录论文方向等时序信息,在知识问答、时序推荐等场景下存在一定的局限性。为... 详细信息

学术知识图谱常应用于文献检索、知识问答和学科分析等知识服务场景。目前学术知识图谱主要是静态图谱,无法准确获取时序知识,如作者当前研究领域和期刊目前收录论文方向等时序信息,在知识问答、时序推荐等场景下存在一定的局限性。为解决上述问题,本文引入时序知识图谱技术,从学术数据中抽取时序数据,构建时序学术知识图谱(Temporal Academic Knowledge Graph,TAKG),提出了一种基于时序学术知识图谱的推荐模型,将其应用于导师推荐和期刊推荐。最后基于时序学术知识图谱抽取学者家谱图,针对论文审稿过程中的关系冲突问题,提出了一种基于学者家谱图的审稿人审查模型。本文主要工作内容如下:(1)构建了时序学术知识图谱。首先定义时序学术知识图谱的学术实体和时序关系,其中包括论文、作者、机构等学术实体,以及写作时间、发表时间和工作时间等时序关系,并保留了实体部分原始属性;然后利用学术元数据按照定义抽取时序数据,以四元组的形式进行存储;最后通过四元组数据构建时序学术知识图谱,并存放在Neo4j图数据库中。(2)提出了基于时序学术知识图谱的推荐模型(Temporal Academic Knowledge Graphs for Recommendation,TAKGRec)。首先构建时序学术知识图谱嵌入模型,将学术实体和时序关系映射成嵌入向量;然后通过深度神经网络(Deep Neural Networks,DNN)将嵌入向量及其加权向量进行拼接融合得到特征融合向量;最后利用特征融合向量通过推荐层得到预测评分,将预测评分排序生成Top-K推荐列表。实验表明TAKGRec模型在各项评价指标上均优于对比模型,验证了时序学术知识图谱在推荐任务中有较好的效果。(3)提出了基于学者家谱图的审稿人审查模型(Reviewer Review Based on Scholar Genealogy,R2SG)。首先利用时序学术知识图谱抽取学者家谱图,通过图嵌入模型融合时序信息得到实体嵌入表示;然后通过筛选一阶邻近节点和过滤二阶特征相似节点得到排除关系冲突的审稿人集合。实验结果表明R2SG模型能够有效的排除关系冲突的审稿人,证明了R2SG模型的有效性。

关键词：时序知识图谱学术知识图谱知识图谱嵌入推荐学者家谱图

面向开放数据集的学术知识图谱构建与应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向开放数据集的学术知识图谱构建与应用研究

作者：程义婷大连海事大学

学位级别：硕士

开放科学运动不断发展,数据开放共享政策陆续被提出,我国开放数据发展呈增长趋势。开放数据不仅丰富了学术成果的类型和内容,包括数据集、数据论文、科学软件等,还为知识组织和学术服务带来了新的机遇和挑战。而学术知识图谱可以将学术... 详细信息

开放科学运动不断发展,数据开放共享政策陆续被提出,我国开放数据发展呈增长趋势。开放数据不仅丰富了学术成果的类型和内容,包括数据集、数据论文、科学软件等,还为知识组织和学术服务带来了新的机遇和挑战。而学术知识图谱可以将学术论文、学者、期刊等学术知识作为实体建立联系进行组织梳理,通过学术知识图谱挖掘出大量有价值的信息以推动和加快知识科学成果的创新发展。但现有学术知识图谱对数据集,特别是中文数据集的关注还不够,需要进一步的研究和完善。在此背景下,本文将开放数据集作为学术资源实体纳入学术知识图谱,结合数据资源和数据引用的发展现状,构建适合收录中文数据资源的新型学术知识图谱。本文的工作包括:(1)确立数据源。调研国内外科学数据平台数据集、开放政府数据集、数据论文的发表情况及其元数据。针对数据论文与数据集之间的包含关系、论文对数据集和数据论文的引用关系等数据集与其他学术实体之间的关系等内容进行分析,用于后续的学术知识图谱模式层构建工作。(2)构建学术知识图谱的模式层。根据学术领域知识图谱的特点设计知识图谱构建方法和学术资源本体。根据所调研的学术知识图谱和开放数据集的特点复用相关本体,确定学术资源本体构建所需术语,对类、关系、属性进行定义。对构建完成的学术资源本体进行形式化表达和可视化展示。(3)填充知识图谱的数据层。使用网络爬虫抓取学术资源实体的元数据信息并进行知识抽取得到数据对象属性和数据类型属性等数据。将本学术知识图谱中的论文实体与其他平台中的论文实体知识融合,并对形式化表达进行RDF验证。(4)搭建知识图谱应用系统。将抓取的数据整理为CSV格式文件,通过Cypher语言导入Neo4j图数据库,并进行可视化展示。介绍了基于Cypher语言的知识查询与推荐,并对论文和数据集之间的引用关系进行知识推理。与其他同类的现有学术知识图谱进行了对比分析,印证本文所构建面向开放数据集的学术知识图谱有一定的创新性和独特性。本文主要提出将开放数据集与学术知识图谱相融合的新思路,构建新的学术资源本体,为开放数据的利用以及学术领域知识图谱的完善提供新的思路和参考。

关键词：开放科学开放数据数据集学术知识图谱学术资源本体

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

学术知识图谱的构建及系统设计与实现

学术知识图谱的构建及系统设计与实现

作者：刘洁东南大学

学位级别：硕士

学术知识图谱可以应用于科学语义检索、文献推荐和学术知识问答等场景。本文采取自底向上的方式构建了学术知识图谱SchKG(Scholar Knowledge Graph),SchKG结构上是一种异构网络,节点表示文献、作者、关键词短语等多种类型的实体,边表示... 详细信息

学术知识图谱可以应用于科学语义检索、文献推荐和学术知识问答等场景。本文采取自底向上的方式构建了学术知识图谱SchKG(Scholar Knowledge Graph),SchKG结构上是一种异构网络,节点表示文献、作者、关键词短语等多种类型的实体,边表示实体之间的关系。学术知识图谱的构建需要解决信息抽取、作者消歧、指代消解等问题,本文侧重逻辑架构设计、学术信息抽取和学术知识推理。首先设计图谱的逻辑架构,从公开的文献数据集中抽取学术信息形成基本图谱,然后通过学术知识推理丰富图谱内容。具体工作总结如下:(1)SchKG逻辑架构设计:SchKG逻辑架构包括模式层和数据层。模式层位于数据层之上,通过定义图谱中的学术实体和关系类别等学术概念以规范图谱中的数据;数据层利用原生多模型数据库ArangoDB存储学术知识图谱,设计了多顶点多节点集合的存储模式。(2)学术信息抽取:本文图谱的主要内容来自学术信息抽取,抽取工作包括两个部分。利用反序列化和规则从半结构化的文献元数据中抽取文献、作者、摘要等基本学术信息;基于BiLSTM-BiLSTM-CRF模型从非结构化的文献摘要中抽取关键词短语以表达文献主题内容。(3)学术知识推理:本文通过学术知识推理扩展图谱。采用逻辑规则推理作者协同写作关系;采用机器学习方法推理文献相似和作者研究领域相似关系,首先,通过在线隐狄利克雷分布Online LDA(Online latent Dirchlet allocation)生成文献主题分布和TransH模型表示图谱中的实体及关系,然后,基于文献主题分布及实体表示推理文献相似关系,基于作者实体表示和文献相似关系推理作者研究领域相似关系。(4)系统的设计实现与性能测试:首先设计系统架构,整个系统划分为学术知识存储模块、学术信息抽取模块及学术知识推理模块,然后实施对比实验,实验验证了系统关键词短语抽取、学术知识推理及查询性能的优异,最后是图谱可视化和查询展示。

关键词：学术知识图谱逻辑架构学术信息抽取学术知识推理学术知识存储

多源异构数据情境中学术知识图谱模型构建研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代情报 2020年第6期40卷 88-97页

作者：李肖俊邵必林西安建筑科技大学管理学院陕西西安710055

[目的/意义]随着大数据和人工智能技术的蓬勃发展,数据驱动的智慧学术研究以及基于学术大数据的知识发现受到产业界和学术界的广泛关注。学术知识图谱是学术信息挖掘和学术知识管理的基础,在智慧学术研究中具有重要的学术价值和产业价值... 详细信息

[目的/意义]随着大数据和人工智能技术的蓬勃发展,数据驱动的智慧学术研究以及基于学术大数据的知识发现受到产业界和学术界的广泛关注。学术知识图谱是学术信息挖掘和学术知识管理的基础,在智慧学术研究中具有重要的学术价值和产业价值。[方法/过程]本文以构建智慧学术服务的实际需求为出发点,从学术大数据的获取、学术实体识别、学术实体链接与知识融合、学术知识图谱本体模型构建、学术知识图谱表示与存储等核心问题入手,提出智慧学术领域的知识图谱构建的理论模型。[结论/结果]多源异构数据融合的学术知识图谱是支撑智慧学术的数据基础,同时也是人工智能及知识表示技术在学术大数据领域的重要应用。

关键词：学术知识图谱多源异构数据知识图谱知识表示智慧学术

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向科技文献的学术知识图谱构建研究与应用

面向科技文献的学术知识图谱构建研究与应用

作者：陈曦吉林大学

学位级别：硕士

随着互联网大数据时代的到来,如何从海量科技文献中快速检索论文,准确提取领域知识并帮助学者发现新的研究任务和方法,成为学术社区的很大挑战。学术知识图谱将学术社区的异质信息整合成结构化知识网络,将真实语义上具有密切联系的科学... 详细信息

随着互联网大数据时代的到来,如何从海量科技文献中快速检索论文,准确提取领域知识并帮助学者发现新的研究任务和方法,成为学术社区的很大挑战。学术知识图谱将学术社区的异质信息整合成结构化知识网络,将真实语义上具有密切联系的科学实体关联起来,能够帮助检索论文。一篇文献通常会针对特定的领域任务提出相应的解决方法,但是,目前的学术知识图谱重点关注文献的作者、领域和关键词等结构信息,很少挖掘蕴含在文献摘要中的任务和方法等语义信息。如果围绕任务和方法构建涵盖学术概念、科技文献、作者和机构等信息的知识网络,那么基于网络结构进行语义推理可以帮助学者定位领域研究内容,探索科研动向以及发现学术社交网络等。因此,本文的目标是面向科技文献构建一个以领域任务和研究方法为中心,容纳学者、机构和关键词等信息的学术知识图谱。本文工作是吉林省重点科技研发项目“大数据和移动互联时代的快速知识共享系统研究、开发与应用”的重要研究内容,该项目旨在开发一款用于学术知识快速共享的学习类移动端软件。用户可通过该软件阅读国内外期刊会议、科技文献和作者简介等学术信息,动态追踪科技快讯和研究热点,以及添加好友和群组、在线交流和评论等社交行为。基于此项目背景,本文的主要工作如下:(1)提出一种基于维基数据的学术本体半自动构建算法。该算法将维基百科作为高质量外部数据源,从百科文本中自动提取领域概念作为本体库节点,并定义节点间的上下位关系。在领域专家指导下进行半自动本体检查,对初始构建的学术本体库进行剪枝、清洗和补全,从而构建可用于链接学术知识图谱实体层的高质量本体库。(2)提出一种基于双轮问答的学术实体-关系联合抽取算法Double QA-IE。该算法将问答领域的片段抽取任务迁移至知识图谱构建任务,从文献摘要中抽取学术实体和关系并将链接实体至相应本体概念。给定问题、摘要和候选本体,将候选本体作为锚节点与文本序列联合嵌入,利用嵌入矩阵的相容性计算单词序列的注意力权重,设计双向深层注意力网络结构编码文本的语义表征。第一轮问答同时预测学术实体在摘要中的起止位置、类别标签和链接的本体标签;第二轮问答根据第一轮预测的头实体进行答案填充,对关系类型、尾实体和本体标签进行联合预测。(3)将算法落地到实际应用中,面向上述项目整合的计算机学科人工智能领域科技文献,基于上述算法构建了一个实际可用的学术领域知识图谱。该学术图谱是以任务和方法为中心的具有三层结构的知识网络:实体层是知识图谱的核心层,以Double QA-IE算法抽取的任务和方法为中心节点,节点间包括使用、对比和部分三种关系;学术本体库是知识图谱的基础层,以本体构建算法抽取的科学概念为中心,用于链接实体层节点,使其具有上下位关系并进行语义消解;文本层是学术图谱的扩展层,以项目整合的科技文献为中心,容纳了标题、关键词和出版时间等属性信息以及期刊会议、科研作者和软件用户等异质节点,用于实体层任务和方法节点的文本定位。本文构建的学术知识图谱已应用于该项目支撑的软件《学术头条APP》中。

关键词：学术知识图谱问答实体-关系抽取本体构建

面向图情档期刊的学术知识图谱构建及应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向图情档期刊的学术知识图谱构建及应用研究

作者：李晓敏华中师范大学

学位级别：硕士

随着互联网、人工智能和语义网技术的发展,知识图谱应运而生。知识图谱用来描述现实世界中存在的实体以及实体之间的关系,并将实体及其关系构成一张巨大的语义网。知识图谱因其强大的知识组织和知识表示能力,被广泛地应用到多个领域,如... 详细信息

随着互联网、人工智能和语义网技术的发展,知识图谱应运而生。知识图谱用来描述现实世界中存在的实体以及实体之间的关系,并将实体及其关系构成一张巨大的语义网。知识图谱因其强大的知识组织和知识表示能力,被广泛地应用到多个领域,如智能搜索、智能问答系统、个性化推荐等领域。学术知识图谱作为一种领域知识图谱,面向学术数据,比如期刊论文、会议论文、学位论文以及在线学术资源网站上的学者信息等。学术知识图谱能够将这些学术数据以可视化的方法有效组织,实现数据到信息再到知识的转变。论文作者通过撰写科学文献将所学的领域知识进行呈现,其余科研用户通过阅读这些科学文献来了解某个研究领域。因此,深入挖掘分析科学文献内容,提高科学文献的利用效率很有必要。科学文献中涉及的题名、摘要等字段能够很好地对科学文献的内容进行表征,因此对这些字段进行合理组织和挖掘是很有必要的。而学术知识图谱作为一种有效的知识表示方法,能够实现对科学文献中的字段合理组织,进而实现对科学文献的内容挖掘,为科学文献的检索提供更加丰富的语义信息,提高科学文献的利用率,帮助科研用户迅速准确地检索出所需的科学文献。本文利用知识图谱的构建技术和方法,面向图情档领域构建学术知识图谱。以图情档领域CSSCI来源期刊近五年的论文为数据来源,选择论文的结构化数据包括题名、作者、年份、期刊,而题名由于富含丰富的论文内容信息,可以与摘要拼接成文本数据,并将此作为非结构化数据。结构化数据作为表层实体;对于非结构化数据,利用深度学习模型Word2vec和BiLSTM+CRF进行实体抽取,识别出研究对象、研究主题和理论技术类语义实体,再进行实体对齐,构建学术知识图谱,再将构建好的学术知识图谱存储在图数据库Neo4j中,并进行可视化展示。构建好学术知识图谱之后,再对学术知识图谱进行三个方面应用研究。第一个应用是论文聚类,学术知识图谱分别实现了基于研究对象类实体的文献关联、基于研究主题类实体的文献关联以及基于理论技术类实体的文献关联,论文聚类是将这三个功能进行整合,即实现基于研究对象类、研究主题类和理论技术类实体的文献关联,借助K-Means聚类算法进行论文聚类,实现文献关联,并对聚类后形成的聚类簇主题进行分析;第二个应用是期刊聚类,从学术知识图谱中的期刊与其刊载论文和论文与其研究主题类和理论技术类实体的关联得到期刊与其研究主题类和理论技术类实体的关联,将此关联关系在图数据库Neo4j中以图的方式进行可视化展示,并利用K-Means聚类算法进行期刊差异性分析;第三个应用是理论技术类实体共现分析,学术知识图谱中存在论文与一个或多个理论技术类实体的关联关系,将此关联关系转换为理论技术类实体与理论技术类实体间的关联关系,即两个理论技术类实体共同被一篇论文使用的共现关系,同样也利用Neo4j图数据库进行存储和可视化展示,为科研用户论文写作提供方法层面的指导。

关键词：学术知识图谱 Word2vec BiLSTM+CRF 期刊差异性 K-Means

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息系统领域学术知识图谱的构建与应用

信息系统领域学术知识图谱的构建与应用

作者：石琼羽北京交通大学

学位级别：硕士

学术论文凝聚着学者们优秀的研究思想。但是在当前海量论文数据、信息过载的情况下,如何充分挖掘论文中隐藏的知识,为论文的检索增加更丰富的语义信息,如何帮助科研人员快速、高效地获取所需的学术论文,是一个巨大的挑战。学术知识图谱... 详细信息

学术论文凝聚着学者们优秀的研究思想。但是在当前海量论文数据、信息过载的情况下,如何充分挖掘论文中隐藏的知识,为论文的检索增加更丰富的语义信息,如何帮助科研人员快速、高效地获取所需的学术论文,是一个巨大的挑战。学术知识图谱结合推荐技术可以解决上述问题。随着谷歌公司将知识图谱用于检索,已出现很多优秀的学术知识图谱,如Ace KG等。但是这些大规模知识图谱多集中于通用和计算机领域。信息系统领域与计算机领域虽有交叉但是侧重点不同。因此,本文聚焦于信息系统领域,构建学术知识图谱,并基于此图谱进行论文的检索和相关推荐。首先,定义了信息系统学术知识图谱的数据模式,采用自顶向下的方法构建信息系统学术知识图谱,增加了“研究方法”这一语义实体。训练了Text CNN模型对论文的标题和摘要进行“研究方法”的分类,与SVM对比验证了模型的有效性。其次,在关系补全方面,通过LDA主题模型表示论文,结合定义的元路径规则,通过计算相似度补全论文的相似性关系;利用Trans H模型表示图谱中的实体和关系,与Trans E模型对比效果良好;基于论文间的相似关系来补全作者间的相似关系。最后,基于构建的知识图谱搭建了上层应用系统。基于Elastic Search实现了论文检索,基于补全的论文相似关系和作者相似关系在论文详情页展示相关推荐,基于***实现了学术论文知识图谱的可视化。本文研究了信息系统领域学术知识图谱的构建和应用。搭建了服务于信息系统领域研究人员的论文检索和推荐系统,同时,也为其他领域知识图谱的构建提供了参考。

关键词：信息系统学术知识图谱检索与推荐