-
题名知识图谱中实体关系抽取方法研究
被引量：3
- 1
-
-
作者
张西硕
柳林
王海龙
苏贵斌
刘静
-
机构
内蒙古师范大学计算机科学技术学院
内蒙古师范大学计算机科学联合创新实验室
内蒙古师范大学教务处
内蒙古大学图书馆
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第3期574-596,共23页
-
基金
国家重点研发计划(2020YFC1523305)
内蒙古自治区自然科学基金(2023LHMS06006)
+1 种基金
内蒙古师范大学基本科研业务费专项资金(2022JBYJ032)
无穷维哈密顿系统及其算法应用教育部重点实验室开放课题(2023KFZD03)。
-
文摘
实体关系抽取作为知识图谱构建的基础得到了越来越多研究人员的关注。实体关系抽取能够自动、准确地从大量数据中获取知识,并以结构化形式表示和存储。因此,实体关系抽取的正确性直接影响到知识图谱构建的准确性和后续知识图谱应用效果。然而,针对复杂结构、开放领域、多语言、多模态、小样本数据和实体关系联合抽取等不同研究热点,现存的实体关系抽取方法仍存在一些局限性。基于当前实体关系抽取研究热点领域将实体关系抽取分为复杂结构研究领域、开放领域、多语言研究领域、多模态研究领域、小样本数据研究领域和实体关系联合抽取六个方面,将每个方面按照具体问题进行分类并列举出一些解决方法。不仅系统梳理了每一个类别当前存在的问题和解决方法,还归纳了每个类别的研究成果,并从定量分析和定性分析两个维度,详细地分析了每个方法的优点和缺点。最后,总结了当前热点领域中待解决的问题,同时展望了知识图谱中实体关系抽取方法未来的发展趋势。
-
关键词
知识图谱构建
实体抽取
关系抽取
-
Keywords
knowledge graph construction
entity extraction
relationship extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向文本实体关系抽取研究综述
- 2
-
-
作者
任安琪
柳林
王海龙
刘静
-
机构
内蒙古师范大学计算机科学技术学院
内蒙古师范大学计算机科学联合创新实验室
内蒙古大学图书馆
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第11期2848-2871,共24页
-
基金
国家重点研发计划(2020YFC1523305)
内蒙古自治区自然科学基金(2023LHMS06006)
+2 种基金
内蒙古师范大学基本科研业务费专项资金(2022JBYJ032)
内蒙古自治区档案馆档案科技项目(2023-13)
无穷维哈密顿系统及其算法应用教育部重点实验室(内蒙古师范大学)开放课题(2023KFYB03,2023KFZD03)。
-
文摘
信息抽取是知识图谱构建的基础,关系抽取作为信息抽取的关键流程和核心步骤,旨在从文本数据中定位实体并识别实体间的语义联系。因此提高关系抽取的效率可以有效提升信息抽取的质量,进而影响到知识图谱的构建以及后续的下游任务。关系抽取按照抽取文本长度可以分为句子级关系抽取和文档级关系抽取,两种级别的抽取方法在不同应用场景下各有优缺点。句子级关系抽取适用于较小规模数据集的应用场景,而文档级关系抽取适用于新闻事件分析、长篇报告或文章的关系挖掘等场景。不同于已有的关系抽取,介绍了关系抽取的基本概念以及领域内近年来的发展历程,罗列了两种级别关系抽取所采用的数据集,对数据集的特点进行概述;分别对句子级关系抽取和文档级关系抽取进行了阐述,介绍了不同级别关系抽取的优缺点,并分析了各类方法中代表模型的性能以及局限性;总结了当前研究领域中存在的问题并对关系抽取发展前景进行了展望。
-
关键词
信息抽取
实体关系抽取
句子级关系抽取
文档级关系抽取
知识图谱构建
-
Keywords
information extraction
entity relation extraction
sentence-level relation extraction
document-level relation extraction
knowledge graph construction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名时序知识图谱补全研究综述
- 3
-
-
作者
许凯嘉
柳林
王海龙
刘静
-
机构
内蒙古师范大学计算机科学技术学院
内蒙古师范大学计算机科学联合创新实验室
内蒙古大学图书馆
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第22期38-57,共20页
-
基金
内蒙古自治区自然科学基金(2023LHMS06006,2024LHMS06015)
内蒙古师范大学基本科研业务费专项资金(2022JBYJ032)
+1 种基金
内蒙古自治区档案馆档案科技项目(2023-13)
无穷维哈密顿系统及其算法应用教育部重点实验室项目(内蒙古师范大学)(2023KFYB03,2023KFZD03)。
-
文摘
目前时序知识图谱广泛存在不完备性等问题,这种不完备性问题严重制约了时序知识图谱在下游任务中的应用及发展。时序知识图谱补全(temporal knowledge graph completion,TKGC)技术能够预测其中缺失的链接,以解决不完备性问题。时序知识图谱补全通过考虑事实的时间维度,以期在捕捉时间信息的基础上获取实体及关系随时间推移发生的变化,这样有助于更准确地完成时序知识图谱补全任务。根据时间信息应用策略的不同对TKGC的最新研究进展进行综述。详尽阐述了TKGC的研究背景,包括问题定义、关键的基准数据集。基于所提出的分类方法介绍了现有的TKGC方法,总结了TKGC在下游任务中的应用。最后提出当前面临的挑战,同时展望未来可能的研究方向。
-
关键词
时序知识图谱
时序知识图谱补全(TKGC)
知识图谱嵌入
链接预测
-
Keywords
temporal knowledge graph
temporal knowledge graph completion(TKGC)
knowledge graph embedding
link prediction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
