摘要
近年来,随着知识图谱的相关研究不断不普及,行业知识图谱已经成为工程界推动业务应用从感知能力向认知能力进化的重要工具。行业知识图谱构建往往由对业务专家来承担数据分类和标注工作。尽管业务专家对业务更加擅长,但是受限于人工标注的成本,大部分行业细分领域所能提供用以进行信息抽取的有监督资源是有限的。此外,相较于通用领域,由于公共安全领域的特殊性,特别是在流动人口的监督方面,传统方法面临着标注数据少,潜在关系难获取,分类困难等问题。图神经网络模型提出以来在半监督条件下进行数据标注,潜在关系发现等领域表现出优异的性能。本文基于改进的注意力图神经网络提出了对于公共安全领域知识图谱流动人口表示模型能够较好的处理人工标注数据较少的问题,在实体分类方面表现出较好的性能。通过我们提出的模型能够开展公安行业流动人口知识图谱的实体分类,潜在类别发现,并为流动人口实体进行半监督的分类标注。通过行业数据验证实验,该模型较传统的MLP和GNNs模型的预测效果有较大提高。并且通过精准注意力模型的引入,使该模型的每层训练结果更加有可解释性。
