面向社交站点的双语知识图谱构建方法的研究

发布时间：2020-05-29 00:07

【摘要】：随着语义网的不断发展,由数百亿RDF三元组构成的相互链接的不同类型的数据集在万维网中发布,这些数据集又称为知识图谱,是辅助语义搜索、问答系统、情报分析等众多智能应用的重要基础资源。因此,构建知识图谱已成为学术界与工业界共同关注的研究课题。目前已存在较多关于知识图谱构建方法的研究工作,但是这些工作并未全面关注一种非常重要的知识挖掘来源,即万维网中不同类型的社交站点,包括电子商务、百科、问答、博客、游戏、旅行等站点。与此同时,随着信息全球化的发展,跨语言知识对齐已成为支撑众多跨语言应用(如跨语言信息检索、跨语言语义标注等)的关键技术。然而,由于英文是世界上使用国家数最多的语言,所以在现有的多语言知识图谱中,英文知识(包括概念、实例、三元组)的数量始终占绝对主导地位,而其他语言的知识相对较少是跨语言知识对齐的主要障碍之一。因此,如何针对任意给定的两种语言有效地构建双语知识图谱,即构建每种语言对应的知识图谱并进行跨语言知识对齐是亟需探索的研究方向,而现有的相关工作也仅在百科站点中研究如何构建双语知识图谱。基于上述讨论,本文选择研究面向社交站点的双语知识图谱构建的方法。由于社交站点中存在大量的由分类构成的层次分类体系及标签构成的分众分类系统,且这些分类与标签均表示概念,所以采用自顶向下地从模式层到实例层的双语知识图谱的构建方式,即首先尝试挖掘社交站点中概念之间的关系,该任务在本文中又称为模式知识挖掘,而已有的方法依赖于特定语言的特征与规则,不具有语言通用性。考虑到跨语言知识对齐是双语知识图谱构建的重点工作之一,本文将跨语言概念匹配作为第二项任务,但现有的方法严重依赖于翻译后的字符串相似度与特定的领域信息,导致其不具有领域通用性且匹配效果往往不佳。本文的第三项任务旨在利用实例类别推断技术,为双语知识图谱引入实例知识,而现有工作同样依赖于特定语言的规则,所以也不具备语言通用性。因此,为了克服上述三项任务的问题,本文主要进行如下研究:1)在模式知识挖掘方面,提出一种新的结合机器学习与规则的方法,其中将规则嵌入到机器学习的过程中。该方法不涉及任何特定语言的特征与规则,从而达成各语言通用的目标。在实验中,将该方法分别应用于中英文社交站点中的模式知识挖掘,其在测试数据集上的查准率、查全率、F1值均优于其他基准对比方法,并且能够生成大规模、高质量的中英文模式知识。2)在跨语言概念匹配方面,提出一种新的基于双语主题模型的方法,其中包含两种新的双语主题模型,利用任意一个模型均可学习得到不同语言概念的向量表示,最终通过向量相似度决定不同语言概念之间的相似程度。该方法不涉及任何特定的领域信息,从而达成各领域通用的目标。实验结果表明,此方法在两种中英文层次分类体系上的查准率@1与MRR均优于其他基准对比方法。3)在实例类别推断方面,提出一种新的基于随机游走模型的方法,在抽取得到的实例、属性、概念组成的图上进行随机游走以计算某个概念是给定实例的类别的概率。该方法不涉及任何特定语言的规则,从而达成各语言通用的目标。在实验中,将该方法分别应用于中英文维基百科中的实例类别推断,不仅其在测试数据集上的查准率、查全率、F1值均优于现有工作,而且能够生成大规模、高质量的中英文实例类别知识。
【学位授予单位】：东南大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP391.1;TP181

【相似文献】