面向红色文化的命名实体识别研究

针对通用领域的命名实体识别(Named Entity Recognition,NER)模型在红色文化的实体识别中难以完整准确地进行实体划分的问题,提出了一种基于双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)网络模型结合词汇增强和注意力机制方法的改进算法红色学习双向长短期记忆(Red Learing BiLSTM,RLBiLSTM)网络,用于红色文化的NER。对红色文化数据集中的重要词汇进行数据处理,构建一个包含红色文化特征的词表,将词表信息与BERT底层信息进行融合。使用BiLSTM网络和注意力机制考虑上下文和全局信息,并利用条件随机场进行实体识别。实验表明,将改进的算法应用于RedCulture-1数据集上取得了较好的识别效果,和传统的算法相比具有更高的准确率,有利于解决红色文化的实体识别问题。

基于Vue技术的通用知识图谱问答系统设计与实现

随着大数据时代的到来,网上存在的历史文化数据信息变得多而杂,若想从其中检索到需要的清晰明了的历史文化信息并不容易。如今在网上检索历史知识出来的内容想当多,需要用户自行分辨,给用户造成了一定的困难。为此,设计了一套基于历史文化的通用知识图谱问答系统,使用户能够高效快捷地检索到需要的信息,且清晰明了地展现历史文化知识的内容。具体来说,该系统基于已构建的历史文化知识图谱,利用实体抽取、关系抽取、知识匹配推理等技术,对用户检索的内容进行分析,与知识图谱中的内容进行图谱推理,得到用户想要的答案。然后再利用Flask、Vue和D3.js等开发框架,结合上述技术,根据系统应用层、处理层和数据层的三层架构,对系统进行开发,最终完成一套历史文化的通用知识图谱问答系统的研发。本套系统能够服务多种历史文化知识的检索,如历史任务、历史事件、相关地址以及具体时间等,为用户提供丰富且清晰的历史文化知识获取渠道,不再困惑于网上多而杂,且难以分辨的信息。

历史文化知识图谱可视化设计与实现

目前,历史文化资源零散化、内容挖掘不够深入,难以揭示历史文化之间的知识关系。为更好地挖掘历史文化资源,构建了历史文化的数据结构,依据数据结构清洗和筛选历史文化知识并构建知识图谱。在构建的历史文化知识图谱基础上,设计与实现了历史文化知识图谱可视化等功能。设计的知识图谱不仅能科学地弘扬历史文化,丰富历史文化学习形式,而且能帮助人们快速地理解历史文化的关键事迹。