领域知识图谱能清晰可视化地表示领域实体关系,高效准确地获取领域知识。构建领域知识图谱有助于推进相关领域的信息化发展,但构建领域知识图谱需要领域专家耗费大量的人力与时间成本,且很难迁移到其他领域中。为减少人工耗费,提升知识...领域知识图谱能清晰可视化地表示领域实体关系,高效准确地获取领域知识。构建领域知识图谱有助于推进相关领域的信息化发展,但构建领域知识图谱需要领域专家耗费大量的人力与时间成本,且很难迁移到其他领域中。为减少人工耗费,提升知识图谱构建方法的普适性,文中提出一种不依赖大量人工本体构建与数据标记的领域知识图谱通用构建方法;通过领域词典构建、数据获取与清洗、实体维护与链接、图谱更新与可视化4个步骤构建相关领域知识图谱。文中以网络安全领域为例构建知识图谱,详细介绍构建流程。同时,为确保图谱信息的领域相关性,文中提出一种基于BERT(Bidirectional Encoder Representations from Transformers)迁移模型与注意力机制的融合模型,该模型在文本分类中得到87.14%的F1值和93.51%的准确率。展开更多
文摘领域知识图谱能清晰可视化地表示领域实体关系,高效准确地获取领域知识。构建领域知识图谱有助于推进相关领域的信息化发展,但构建领域知识图谱需要领域专家耗费大量的人力与时间成本,且很难迁移到其他领域中。为减少人工耗费,提升知识图谱构建方法的普适性,文中提出一种不依赖大量人工本体构建与数据标记的领域知识图谱通用构建方法;通过领域词典构建、数据获取与清洗、实体维护与链接、图谱更新与可视化4个步骤构建相关领域知识图谱。文中以网络安全领域为例构建知识图谱,详细介绍构建流程。同时,为确保图谱信息的领域相关性,文中提出一种基于BERT(Bidirectional Encoder Representations from Transformers)迁移模型与注意力机制的融合模型,该模型在文本分类中得到87.14%的F1值和93.51%的准确率。