CoTransH:科技文献知识图谱中语义关系预测的翻译模型

[目的/意义]科技文献知识图谱对文献语义检索、学术精准推荐、学科智能问答等创新型知识服务具有重要的支撑作用。然而图谱中大量实体缺失链接关系,阻碍了知识服务的升级与改革。翻译模型是知识图谱关系预测的主流方法,但是典型的翻译模型在动态表示、属性区分和文本特征融合等方面能力不足,难以直接应用于科技文献知识图谱关系预测任务中。[方法/过程]文章提出一种改进的翻译模型CoTransH,实现科技文献知识图谱的语义关系预测。数据准备层:先综合语步识别、实体抽取、语义相似性度量等技术自动构建关系预测的标注语料库,再融合文本特征和外部先验知识动态生成向量,增强模型在开放世界中的语义表示学习能力;模型结构层:先引入超平面机制解决多对多关系预测,后加入非线性卷积层区分头尾实体属性,再改进得分函数提高关系的关注度,最后根据语料特征改进负例生成策略,提升模型对关系预测精度。[结果/结论]使用CoTransH模型构建了以人工智能领域科技文献摘要蕴含的"问题"短语和"方法"短语为节点,"采用"和"解决"关系为边的人工智能领域知识图谱。CoTransH的关系预测F1值,在封闭世界下比典型的翻译模型(TransE,TransH,TransD,KG2E)平均提升12.1%,在开放世界下平均高于TransH模型38.46%。CoTransH可融合实体语义特征和几何特征,实现高效的科技文献知识图谱关系补全。[局限]提出的CoTransH模型尚缺多义关系预测的能力。

基于文献知识图谱的海洋碳中和热点产业分析与研究

新兴海洋产业在碳中和领域具有广阔的前景,基于文献知识图谱分析海洋碳中和热点产业对于实现碳中和目标具有重要意义。在“碳中和产业”和“海洋碳中和”主题词开展文献检索的基础上,采用词频分析法、共词聚类和社会网络关系图谱分析完成碳中和产业的词频统计,梳理出了碳中和产业的架构和主题词热点,进一步挖掘出了与海洋碳中和产业相关的重点产业领域,揭示了新兴海洋碳中和产业的潜力,表明海洋碳汇、海洋新能源等产业对碳中和产业布局有重要作用。