检索结果-南通市图书馆

检索条件"主题词=文物知识图谱构建"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

文物知识抽取方法及其知识图谱构建研究

文物知识抽取方法及其知识图谱构建研究

引用

作者：李尧重庆理工大学

学位级别：硕士

文物知识图谱是博物馆智慧化建设中文物保存与展览的关键技术,对于文物的保护、研究和传承具有重要作用。知识抽取技术是知识图谱构建的基础技术,主要包括了命名实体识别和实体关系抽取。受中文语境影响,命名实体识别方面,存在着中文实... 详细信息

文物知识图谱是博物馆智慧化建设中文物保存与展览的关键技术,对于文物的保护、研究和传承具有重要作用。知识抽取技术是知识图谱构建的基础技术,主要包括了命名实体识别和实体关系抽取。受中文语境影响,命名实体识别方面,存在着中文实体构词的特殊性以及实体语义的复杂性的问题,而实体关系抽取方面,亦存在着文本中的多重关系以及实体的稀疏性问题。并且,由于缺乏公开的文物数据集,也导致了文物知识抽取技术及其知识图谱构建的研究进展缓慢。因此,如何设计一个高效的文物命名实体识别方法和文物实体关系抽取方法,并通过采集和处理文物数据,构建一个文物知识图谱成为了一个具有挑战性的研究课题。本文的主要研究内容如下:(1)结合GDCNN与注意力机制的BiGRU＿CRF文物命名实体识别模型构建。针对基础模型特征提取单一以及无法获得词汇特征信息,导致文物实体识别性能不佳的问题,在编码层加入LERT预训练语言模型,丰富字向量特征;通过设计门控空洞卷积GDCNN获取局部特征信息作为词汇特征,同时在BiGRU模型上加入句子级注意力机制增强网络的长序列建模能力;设计稀疏注意力机制融合局部和全局特征,并通过CRF层来获得准确的实体标注,从而构建了结合GDCNN与注意力机制的BiGRU＿CRF文物命名实体识别模型。在自建文物数据集和开放数据集上的对比实验结果表明,基于该模型的文物命名实体识别具有较高的准确性。(2)结合关系感知与实体信息增强的BERT跨度指针文物实体关系抽取模型构建。针对BERT模型无法充分利用实体抽取和关系抽取两种子任务之间的交互性,导致特征获取能力不佳,难以准确抽取实体关系三元组的问题,在实体抽取层设计了关系感知模块,并结合自注意力机制以及句子级关系提取模块实现潜在关系集中的实体抽取;在关系抽取层设计了实体信息增强模块,通过实体信息抽取模块,使模型在抽取关系时能够更有效地捕捉实体特征信息;采用全局指针网络作为解码器,准确生成实体关系三元组,从而构建了结合关系感知与实体信息增强的BERT跨度指针文物实体关系抽取模型。在自建文物数据集和开放数据集上的对比实验结果表明,该模型能有效抽取文物实体之间的关系信息,并在中文领域具有泛化性。(3)文物知识图谱构建研究。设计了文物知识图谱构建流程,包括文物数据采集与预处理、本体库设计、本体对齐、知识融合、知识存储与可视化;利用提出的文物命名实体识别和实体关系抽取方法获取三元组信息,并通过本体库进行本体对齐;针对实体同义异名问题,提出了一种多层次特征相似计算方法进行实体对齐,并与三元组进行融合,完成知识融合;将规范化和标准化的实体关系三元组通过Neo4j进行知识存储和可视化,从而实现文物知识图谱的构建。

关键词：文物知识图谱构建命名实体识别实体关系抽取门控空洞卷积注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：