融合知识图谱的林业法律法规问答系统研建

发布时间：2024-05-11 03:01

　　在我国基础性产业中,林业的发展关系到我国生态文明的建设以及社会发展的可持续性;同时林业信息化作为我国“十三五”规划中最重要的目标之一,迫切需要互联网技术的推动。目前我国在林业法律法规相关信息与知识的获取方面还缺乏有效途径,本文将知识图谱相关技术应用于林业法律法规领域,针对林业法律法规的特点,对条款中的知识进行抽取并建立知识图谱,同时基于知识图谱设计实现了一个林业法律法规问答系统。本文的主要研究成果如下:(1)构建林业法律法规知识图谱。对获取到的林业法律法规文本经过清洗和分割后,采用一种融合依存句法分析以及语义角色标注的方法,对实体及预定义的9类关系进行抽取;这9类关系覆盖了林业法律法规数据集中67%以上的条款,最终获得一个较为合理有效的林业法律法规知识图谱。(2)设计实现了基于知识图谱的林业法律法规问答算法。算法使用Bi LSTM-CRF模型进行实体识别,并采用基于TF-IDF以及词向量的相似度计算方法进行关系识别及问句模板匹配,最终通过查询的方式获取答案。作为表征问答算法准确率的两个重要指标,本文实体识别模型的F1值达到了89.72%,关系识别算法的准确率达到85.47%。(3)设计...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究及发展现状
        1.2.1 知识图谱研究现状
        1.2.2 问答系统研究现状
        1.2.3 当前存在的问题
    1.3 研究内容及技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文结构
2 相关理论与技术介绍
    2.1 句法与语义分析
        2.1.1 依存句法分析介绍
        2.1.2 语义角色标注介绍
    2.2 知识图谱构建技术
        2.2.1 知识抽取
        2.2.2 知识存储
    2.3 问答系统相关技术
        2.3.1 常见问答系统
        2.3.2 问答系统构建流程
    2.4 相关深度学习模型
    2.5 本章小结
3 林业法律法规知识图谱的构建
    3.1 总体框架
    3.2 数据获取与清洗
    3.3 核心语义信息库的构建
        3.3.1 依存句法分析与语义角色标注
        3.3.2 句法依存树的裁剪
        3.3.3 核心语义信息库构建与存储
    3.4 关系定义及关系集扩充
        3.4.1 关系类型的定义及种子集初始化
        3.4.2 相似度计算
        3.4.3 关系集合扩充
    3.5 实体及关系抽取
    3.6 知识图谱构建与存储
    3.7 本章小结
4 基于知识图谱的林业法律法规问答算法设计与实现
    4.1 算法设计概述
    4.2 问句集生成及数据标注
        4.2.1 问句集生成
        4.2.2 训练数据集标注
    4.3 基于Bi LSTM-CRF的问句解析
        4.3.1 基于Bi LSTM-CRF的实体识别
        4.3.2 基于TF-IDF和词向量的关系识别
    4.4 实体链接与答案查询
    4.5 本章小结
5 林业法律法规问答系统设计与实现
    5.1 系统架构概述
    5.2 相关功能模块介绍
    5.3 系统运行与测试
    5.4 本章小结
6 总结与展望
    6.1 研究总结
    6.2 研究展望
参考文献
个人简介
导师简介
获得成果目录
致谢



本文编号：3969425