思政领域知识图谱构建与系统实现
发布时间：2022-12-23 23:49
二十一世纪以来,互联网几乎覆盖了人类的各个生活领域,各行各业都趋向于电子化,随之而来也就产生了大量的电子数据,随着近年的大数据新起,人们也逐渐认识到了数据的重要性,而知识图谱作为把各种相关信息连接到一起的语义关系网络,也自然成为当前时代的研究热点。在以习近平同志为核心的党中央领导下,我国开启了新时代中国特色高等教育的新征程,因此在互联网上随之而来了大量思政相关信息,整合与日俱增的政务领域新思想与新政策成为当务之急。知识图谱是用关系线将结点联系起来的语义关系网络,能够直观、高效地呈现真实世界里复杂的实体关系。用知识图谱来表示思政领域知识,可以有效的将复杂且繁多的思政知识成体系的呈现出来,改变原来思政知识查询结果以网页文本展示的模式,同时也能提高思政学习的效率与质量。因此本文提出构建思政领域的知识图谱来解决思政知识结构化展示与整合的问题。本文主要工作如下:首先是思政数据获取与预处理工作,该环节中主要抽取了思政领域百度百科半结构化数据,以及时政垂类网站的纯文本非结构化数据。对于百度百科半结构化数据,其数据结构有一定的规则,直接利用Scrapy自建数据包装器从百科信息盒中爬取出思政知识三元组。...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 知识图谱研究现状
1.3 本文主要研究内容
1.4 论文组织结构
第二章 相关技术与理论概述
2.1 知识图谱构建方法
2.2 知识图谱构建流程
2.3 数据获取与预处理
2.4 知识获取
2.4.1 实体命名识别
2.4.2 关系抽取
2.4.3 知识融合
2.4.4 知识存储
2.5 本章小结
第三章 思政领域知识图谱的知识获取与处理
3.1 思政领域实体获取
3.1.1 字粒度BiLSTM-CRF模型
3.1.2 思政文本语料库标注与采集
3.1.3 实验设计与结果分析
3.1.4 实体获取结果
3.2 思政领域实体关系抽取
3.2.1 半结构化数据的关系抽取
3.2.2 非结构化数据的关系抽取
3.3 本章小结
第四章 思政领域知识图谱系统实现
4.1 思政知识图谱可视化系统概要介绍
4.2 系统总体设计
4.3 数据源获取模块
4.4 知识融合模块
4.5 知识表示与存储
4.6 可视化平台搭建
4.6.1 开发语言以及框架
4.6.2 开发环境
4.6.3 系统实现
4.7 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于深度学习的关系抽取研究综述[J]. 庄传志,靳小龙,朱伟建,刘静伟,白龙,程学旗. 中文信息学报. 2019(12)
[2]基于Scrapy的网络爬虫的设计与实现[J]. 杜鹏辉,仇继扬,彭书涛,柴沣伟,刘意先. 电子设计工程. 2019(22)
[3]计算机中数据预处理技术的研究与应用[J]. 罗红华. 电脑编程技巧与维护. 2019(08)
[4]基于神经网络的知识推理研究综述[J]. 张仲伟,曹雷,陈希亮,寇大磊,宋天挺. 计算机工程与应用. 2019(12)
[5]知识融合研究的现状分析及建议[J]. 李广建,陈瑜. 图书情报工作. 2019(01)
[6]句法网与语义网的对比研究[J]. 马丹,赵怿怡. 中文信息学报. 2018(12)
[7]非结构化机器数据范式化处理的研究[J]. 潘世成,单爱民,覃炯聪. 现代信息科技. 2018(06)
[8]知识图谱发展与构建的研究进展[J]. 朱木易洁,鲍秉坤,徐常胜. 南京信息工程大学学报(自然科学版). 2017(06)
[9]基于Scrapy的深层网络爬虫研究[J]. 刘宇,郑成焕. 软件. 2017(07)
[10]基于多数据源的知识图谱构建方法研究[J]. 吴运兵,阴爱英,林开标,余小燕,赖国华. 福州大学学报(自然科学版). 2017(03)
硕士论文
[1]基于铁路领域的知识图谱研究与实现[D]. 王洋.内蒙古大学 2019
[2]领域知识图谱构建技术的研究[D]. 赵毓诚.沈阳航空航天大学 2019
[3]中文命名实体及实体关系的自动抽取研究[D]. 刘亚军.郑州大学 2019
[4]健康饮食领域知识图谱构建与应用研究[D]. 迟杨.吉林大学 2019
[5]基于模板诱导的金融领域知识图谱自动构建[D]. 杨晨.武汉科技大学 2018
[6]领域知识图谱的自动化构建[D]. 彭乾慧.重庆大学 2017
[7]基于Bootstrapping的产品属性抽取技术研究[D]. 王辉.北京邮电大学 2015
[8]基于网络爬虫的网站信息采集技术研究[D]. 孙骏雄.大连海事大学 2014
[9]基于RDF的搜索引擎的研究与实践[D]. 樊冠林.安徽理工大学 2006
本文编号：3725642
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 知识图谱研究现状
1.3 本文主要研究内容
1.4 论文组织结构
第二章 相关技术与理论概述
2.1 知识图谱构建方法
2.2 知识图谱构建流程
2.3 数据获取与预处理
2.4 知识获取
2.4.1 实体命名识别
2.4.2 关系抽取
2.4.3 知识融合
2.4.4 知识存储
2.5 本章小结
第三章 思政领域知识图谱的知识获取与处理
3.1 思政领域实体获取
3.1.1 字粒度BiLSTM-CRF模型
3.1.2 思政文本语料库标注与采集
3.1.3 实验设计与结果分析
3.1.4 实体获取结果
3.2 思政领域实体关系抽取
3.2.1 半结构化数据的关系抽取
3.2.2 非结构化数据的关系抽取
3.3 本章小结
第四章 思政领域知识图谱系统实现
4.1 思政知识图谱可视化系统概要介绍
4.2 系统总体设计
4.3 数据源获取模块
4.4 知识融合模块
4.5 知识表示与存储
4.6 可视化平台搭建
4.6.1 开发语言以及框架
4.6.2 开发环境
4.6.3 系统实现
4.7 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于深度学习的关系抽取研究综述[J]. 庄传志,靳小龙,朱伟建,刘静伟,白龙,程学旗. 中文信息学报. 2019(12)
[2]基于Scrapy的网络爬虫的设计与实现[J]. 杜鹏辉,仇继扬,彭书涛,柴沣伟,刘意先. 电子设计工程. 2019(22)
[3]计算机中数据预处理技术的研究与应用[J]. 罗红华. 电脑编程技巧与维护. 2019(08)
[4]基于神经网络的知识推理研究综述[J]. 张仲伟,曹雷,陈希亮,寇大磊,宋天挺. 计算机工程与应用. 2019(12)
[5]知识融合研究的现状分析及建议[J]. 李广建,陈瑜. 图书情报工作. 2019(01)
[6]句法网与语义网的对比研究[J]. 马丹,赵怿怡. 中文信息学报. 2018(12)
[7]非结构化机器数据范式化处理的研究[J]. 潘世成,单爱民,覃炯聪. 现代信息科技. 2018(06)
[8]知识图谱发展与构建的研究进展[J]. 朱木易洁,鲍秉坤,徐常胜. 南京信息工程大学学报(自然科学版). 2017(06)
[9]基于Scrapy的深层网络爬虫研究[J]. 刘宇,郑成焕. 软件. 2017(07)
[10]基于多数据源的知识图谱构建方法研究[J]. 吴运兵,阴爱英,林开标,余小燕,赖国华. 福州大学学报(自然科学版). 2017(03)
硕士论文
[1]基于铁路领域的知识图谱研究与实现[D]. 王洋.内蒙古大学 2019
[2]领域知识图谱构建技术的研究[D]. 赵毓诚.沈阳航空航天大学 2019
[3]中文命名实体及实体关系的自动抽取研究[D]. 刘亚军.郑州大学 2019
[4]健康饮食领域知识图谱构建与应用研究[D]. 迟杨.吉林大学 2019
[5]基于模板诱导的金融领域知识图谱自动构建[D]. 杨晨.武汉科技大学 2018
[6]领域知识图谱的自动化构建[D]. 彭乾慧.重庆大学 2017
[7]基于Bootstrapping的产品属性抽取技术研究[D]. 王辉.北京邮电大学 2015
[8]基于网络爬虫的网站信息采集技术研究[D]. 孙骏雄.大连海事大学 2014
[9]基于RDF的搜索引擎的研究与实践[D]. 樊冠林.安徽理工大学 2006
本文编号：3725642
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3725642.html
最近更新
教材专著
