《領(lǐng)域知識圖譜構(gòu)建技術(shù)規(guī)程》（征求意見稿）

41TechnicalRegulationforBuildingDomainKI II 1 1 1 2 3 3 45.3領(lǐng)域知識圖譜構(gòu)建流程 4 5 5 5 6 8 8A.2領(lǐng)域知識圖譜完整性 8A.3領(lǐng)域知識圖譜一致性 8 8 8 10本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化本文件由鄭州大學(xué)計算機(jī)與人工智能學(xué)院、鄭州中業(yè)科技股份有限公司本文件起草單位：鄭州大學(xué)計算機(jī)與人工智能學(xué)院、本文件主要起草人：周清雷、張坤麗、李介、昝紅英、韓英杰、穆玲玲1本文件適用于各領(lǐng)域構(gòu)建知識圖譜系統(tǒng)及上層應(yīng)用的規(guī)劃、設(shè)計，可作下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不件，僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包GB/T5271.23-2000信息技術(shù)詞匯第23GB/T5271.31-2006信息技術(shù)詞匯第31部分:人工智能GB/T5271.34-2006信息技術(shù)詞匯第34部分:人工智能GB/T42777-2023基于文本數(shù)據(jù)的金融風(fēng)險防控知識圖譜構(gòu)建知識圖譜是將互聯(lián)網(wǎng)的信息表達(dá)成更接近人類認(rèn)知世界的形式，領(lǐng)域知識體系是描述特定領(lǐng)域知識的專門體系，給出了領(lǐng)域內(nèi)概念及相互2結(jié)構(gòu)化數(shù)據(jù)是一種數(shù)據(jù)表示形式，按此種形式，由數(shù)據(jù)元素匯的），3不斷迭代.實體.關(guān)系.屬性.結(jié)構(gòu)化數(shù)據(jù).不斷迭代.實體.關(guān)系.屬性.結(jié)構(gòu)化數(shù)據(jù).半結(jié)構(gòu)化數(shù)據(jù)②數(shù)據(jù)準(zhǔn)備 NLP：自然語言處理(NaturalLanguageProcessiCNN：卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralRNN：循環(huán)神經(jīng)網(wǎng)絡(luò)(RecurrentNeuralRDF：資源描述框架(ResourceDescriptionFrOCR：光學(xué)字符識別（OpticalCharacterRecBERT：基于變換器的雙向編碼器表示技術(shù)(BidirectionalEncoderRepresentationsfrom領(lǐng)域知識圖譜構(gòu)建技術(shù)規(guī)程描述知識圖譜構(gòu)建中涉及的開發(fā)平臺/工具和構(gòu)識圖譜構(gòu)建平臺和工具（例如知識建模工具、知識獲取工具、知識存儲），備、知識獲取、知識融合、知識存儲。領(lǐng)域知識圖譜構(gòu)建結(jié)合領(lǐng)域相關(guān)知⑥應(yīng)用與展示.基于表的存儲.基于圖的存儲⑤知識存儲.概念層對齊.實體層對齊④知識融合③知識獲取.領(lǐng)域概念體系.領(lǐng)域?qū)蛹壗Y(jié)構(gòu).領(lǐng)域?qū)I(yè)詞典①知識建模4領(lǐng)域知識圖譜構(gòu)建全生命周期的開發(fā)平臺及工具，包含知識建模工具、數(shù)工具、知識融合工具、知識存儲工具及基礎(chǔ)開發(fā)平臺，針對不同來源不同領(lǐng)域知識圖譜是知識的覆蓋范圍和使用方式聚焦特定領(lǐng)域的知識圖譜，其域知識體系和領(lǐng)域?qū)蛹夑P(guān)系。領(lǐng)域知識體系是描述領(lǐng)域知識的專門體系，是領(lǐng)域知識建模數(shù)據(jù)建模根據(jù)知識圖譜的應(yīng)用需求、應(yīng)用場景復(fù)用已有的領(lǐng)頂向下為主、自底向上為輔的方法，進(jìn)行半自動化的構(gòu)建。知識建模需要領(lǐng)域數(shù)據(jù)準(zhǔn)備階段進(jìn)行數(shù)據(jù)采集和預(yù)處理工作。數(shù)據(jù)采集主要有三種渠道：領(lǐng)域指南、領(lǐng)域規(guī)范、領(lǐng)域政策法規(guī)等數(shù)據(jù)；從網(wǎng)絡(luò)主要通過爬蟲等手段爬取的數(shù)據(jù)載體可為紙張、膠卷、膠片、磁帶、磁盤等，數(shù)據(jù)形式包括結(jié)構(gòu)化數(shù)據(jù)重、補(bǔ)缺、數(shù)字化、形式歸一化、匿名化、內(nèi)容保護(hù)、數(shù)據(jù)溯源等操作，使知識獲取是使用自動化或半自動化的知識抽取技術(shù)，從不同來源及屬性等知識圖譜基本元素的過程，包括實體抽取、關(guān)系抽取和屬性抽取。領(lǐng)域采用自動化、半自動化、人工獲取等多種方式，其中半自動化的方式先使用算法工補(bǔ)充抽取和專家審核。算法抽取包括基于領(lǐng)域?qū)＜叶x的規(guī)則抽取；基于隱場、最大熵等機(jī)器學(xué)習(xí)算法抽??；基于訓(xùn)練語言模型（如BERT）上疊加RNN、CNN知識融合指來自不同數(shù)據(jù)源的數(shù)據(jù)（包括不同的知識圖譜、多源圖譜中，主要解決如何將來自多個來源的關(guān)于同一個實體或概念的描述信去除知識數(shù)據(jù)冗余、實現(xiàn)知識的統(tǒng)一結(jié)構(gòu)存儲。知識融合分為概念層的融為概念對齊和實體對齊：概念層融合是領(lǐng)域知識體系的需要確定等價的實別；數(shù)據(jù)層的融合，包括具體的實體、關(guān)系和屬性的融合，主要問題是避5知識融合使用框架匹配、語義計算（指代消解、實體規(guī)范化、實知識存儲將知識抽取和融合得到的知識存儲到適合的數(shù)據(jù)結(jié)構(gòu)或查改操作。從存儲結(jié)構(gòu)劃分，知識存儲分為基于表結(jié)構(gòu)的存儲和基于圖結(jié)的存儲使用二維的數(shù)據(jù)表對知識圖譜中的數(shù)據(jù)進(jìn)行存儲，常見的基于表表、類型表、關(guān)系型數(shù)據(jù)庫；基于圖結(jié)構(gòu)的存儲利用圖的方式隊知識圖譜中的數(shù)基于圖數(shù)據(jù)庫的存儲系統(tǒng)包括Neo4j、OrientDB、Hype領(lǐng)域知識圖譜的上層應(yīng)用根據(jù)具體的領(lǐng)域（醫(yī)療、農(nóng)業(yè)、金融、電商、工圖譜的構(gòu)建和部署，通過知識圖譜數(shù)據(jù)庫的查詢語言和查詢語法提供知識檢化等接口和服務(wù)，以此為基礎(chǔ)進(jìn)行有關(guān)聯(lián)分析、輔助決策、智能搜索、智能不同于通用知識圖譜，領(lǐng)域知識圖譜構(gòu)建有如下要求：以領(lǐng)域或組合多來源的領(lǐng)域數(shù)據(jù)以快速擴(kuò)大規(guī)模；知識結(jié)構(gòu)更加復(fù)雜，通常包含較為復(fù)識；知識獲取的質(zhì)量要求更高，較多地依靠組織內(nèi)部的結(jié)構(gòu)化、半結(jié)構(gòu)化和域?qū)＜业膶徍诵σ员Ｕ腺|(zhì)量；對推理的要求更高，并要求具有較強(qiáng)的可解面，除可視化展示外，通常還包括語義搜索、知識問答，決策分析和智能推領(lǐng)域知識圖譜構(gòu)建過程應(yīng)符合開放性（構(gòu)建流程解耦、各部分可獨(dú)立演進(jìn)求）、可擴(kuò)展性（支持知識圖譜的增刪查改操作）等要求。知識圖譜構(gòu)建過系、業(yè)內(nèi)主流的知識抽取算法、各種主流的圖數(shù)據(jù)庫，針對不同行業(yè)的各類使6a)應(yīng)支持各類格式數(shù)據(jù)源，包括結(jié)構(gòu)化數(shù)據(jù)（如業(yè)務(wù)數(shù)據(jù)庫半結(jié)構(gòu)化數(shù)據(jù)，非在知識圖譜構(gòu)建的不同階段，可以產(chǎn)生相應(yīng)的成78在領(lǐng)域知識圖譜構(gòu)建過程中，根據(jù)領(lǐng)域?qū)＜业慕?jīng)驗，形成對領(lǐng)域知識圖譜的對于數(shù)據(jù)來源方面，需要采集領(lǐng)域權(quán)威指南、領(lǐng)域法律法規(guī)、領(lǐng)域?qū)I(yè)詞典（包括知識推理得到的知識）應(yīng)覆蓋領(lǐng)域內(nèi)所知識圖譜完整性需要領(lǐng)域?qū)＜业脑u估，或通過對比某實體是否具有其同領(lǐng)域知識圖譜的一致性指知識圖譜中的知識表達(dá)是否一致，即知識圖譜中領(lǐng)域知識圖譜中涉及的領(lǐng)域知識缺乏相關(guān)的標(biāo)準(zhǔn)和評價指標(biāo)，因此最終構(gòu)知識獲取包括實體抽取、關(guān)系抽取和屬性抽取，使用準(zhǔn)確率、召回實體、關(guān)系和屬性自動化抽取的性能，知識