龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国石油大学(华东)
申请日：2023-12-12
公开（公告）日：2024-06-21
公开（公告）号：CN118228810A
主分类号：G06N5/022
分类号：G06N5/022;G06F16/36;G06F40/242;G06F40/151;G06F40/295;G06F40/30;G06N3/0442;G06N3/045;G06N3/096
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及一种基于迁移学习的政策领域知识图谱智能构建与补全方法。该方法包括：首先，梳理政策领域内的实体、属性与关系划分，形成政策知识图谱模式层；接着，通过预处理统一文件格式，根据构建的Schema对文档进行BIO标注，以服务于知识抽取的命名实体识别环节；其次，在数据层采用结合正则表达式和BERT‑BiLSTM‑CRF的信息抽取方法提取文件中实体、关系和属性信息，其中BERT‑BiLSTM‑CRF命名实体模型在人民日报2014年NER数据集上进行预训练，进而在本项目构建的政策数据集上微调模型参数；再次，采用规则词典和余弦相似度计算的方式进行知识融合；然后，使用GDMBASE图数据库进行数据存储及可视化展示，完成政策知识图谱的构建；最后，结合知识字典匹配方法和KG‑BERT模型预测方法完成地域实体间的关系预测，并存储到图数据库中。本发明能够实现不同细粒度政策实体和关系的关联查询与可视化，以及通过预测实体间关系实现知识图谱智能补全。
主权项：1.基于知识迁移学习策略的知识图谱智能构建模型，包括以下步骤：S1.获取各层级政府部门的政策文件作为训练样本建立语料库，并构建知识图谱模式层；S2.对所获取的文件进行数据预处理，通过结合预标注和人工标注的方式微调命名实体识别模型来生成BIO文件；S3.结合迁移学习策略训练BERT-BiLSTM-CRF模型对政策语料进行信息抽取；S4.采用结合规则词典和计算实体余弦相似度的方法进行知识融合，并使用图数据库进行数据存储及可视化，完成政策知识图谱的构建；S5.结合知识字典匹配方法和KG-BERT模型预测方法完成地域实体间的关系预测，实现知识框架智能补全。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 基于知识迁移学习策略的知识图谱智能构建模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号