面向军事领域的知识图谱构建与应用研究

发布时间：2022-11-01 21:59

　　网络数据呈井喷式增长,然而在这些数据中隐藏的大量知识还没有被充分的挖掘,为了能够高效利用这些数据,国内外的研究学者和众多企业开始通过构建知识图谱来组织这些信息。知识图谱将现实世界中存在的概念、实体、事件及其关系形成语义网络图,并将数据信息以更接近人类认知世界的形式表达出来。目前,现有的知识图谱主要面向通用领域,没有很好的方法来构建和表示特定领域的知识图谱,特别是在军事领域,知识图谱的研究工作进程缓慢,因此本文针对如何构建全面稳定的军事领域知识图谱以及如何高效利用其进行知识检索和问答等应用展开研究。本文研究了如何构建军事领域知识图谱及军事知识图谱的应用实现,通过将知识图谱的技术应用到军事领域,实现对开放军事数据的高效利用。首先,本文采用爬虫框架从互动百科、环球军事等网站采集结构化和非结构化数据,并进行数据的处理与完善补充,然后基于这些数据的分类和各要素之间的内在关系进行了领域本体建模;其次,本文完成了军事知识抽取,包含实体识别和关系抽取两个子任务,本文首先利用K最近邻算法进行军事实体分类,构建了包含七万九千多个实体的军事实体库,采用BiLSTMCRF算法完成军事实体识别任务,再利用PCN... 

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 知识图谱构建研究现状
        1.2.2 知识图谱应用研究现状
    1.3 研究内容
    1.4 论文结构
2 相关理论与技术
    2.1 数据采集与存储技术
        2.1.1 Scrapy爬虫框架
        2.1.2 BeautifulSoup网页解析
        2.1.3 Neo4j图数据库
    2.2 知识图谱相关理论与方法
        2.2.1 本体
        2.2.2 知识抽取
    2.3 应用开发相关技术
        2.3.1 Django
        2.3.2 ECharts
3 数据获取及军事领域本体的构建
    3.1 数据采集与处理
        3.1.1 军事层级信息
        3.1.2 军事百科数据
        3.1.3 数据补充与完善
    3.2 军事领域本体库构建
        3.2.1 军事本体构建流程
        3.2.2 军事本体的建立
    3.3 小结
4 关键算法实现
    4.1 实体识别
        4.1.1 任务描述
        4.1.2 军事实体库构建
        4.1.3 基于Bi LSTM-CRF的军事实体识别
        4.1.4 实验评估
    4.2 关系抽取
        4.2.1 任务描述
        4.2.2 基于PCNN的远程监督关系抽取模型
        4.2.4 实验评估
    4.3 知识问答
        4.3.1 问句预处理
        4.3.2 问题分类及查询语言生成
    4.4 小结
5 基于军事知识图谱的应用系统设计与实现
    5.1 军事知识图谱应用系统需求分析
        5.1.1 功能需求分析
        5.1.2 非功能需求分析
    5.2 军事知识图谱应用系统设计
        5.2.1 总体架构设计
        5.2.2 功能设计
        5.2.3 存储设计
    5.3 知识图谱应用系统功能实现
        5.3.1 系统首页
        5.3.2 实体识别模块
        5.3.3 实体查询模块
        5.3.4 关系查询模块
        5.3.5 军事知识概览模块
        5.3.6 军事问答模块
        5.3.7 图片检索模块
    5.4 小结
结论
参考文献
附录A 军事领域的主要类、关系和属性
附录B 启发式规则相关参照表
附录C 实体分类列表
附录D 关系列表
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3700174