面向公安情报分析的知识图谱推理技术研究与实现

摘要

知识图谱是由谷歌提出的一种结构化的数据库，其用三元组的形式来存储实体之间的关联关系，在数据库中这些实体和关系都是以向量的形式来表示，其目的是以一种简洁的结构化信息来刻画实体之间的语义关系，从而达到进行逻辑推理的目的。然而近年来，随着更加完善的知识抽取技术，知识图谱所包含的数据量也在不断增加，结构以及实体之间的语义信息也更加复杂，所以对于在知识图谱上的知识推理技术来说是一个很大的挑战，而研究如何将知识图谱的结构信息应用于知识推理以及如何将知识图谱和知识推理应用于其他应用（如问答系统）也成为了一个非常重要的挑战和任务。 本文从知识推理现阶段所面临的挑战出发，研究了一种通过水波网络包含图谱结构信息的新的知识表示技术(TRNG)，并将其应用于问答系统。另外针对公共安全领域数据错综复杂不利于机器学习发挥等问题完成了公共安全领域知识图谱的构建。具体包含以下三部分： 1.通过借鉴水波网络的扩散过程，将其应用于发现知识图谱的结构信息。本文不仅给出自定义的扩散函数并且设计出能包含知识图谱实体结构信息的目标函数与损失函数，最终通过实验证明了TRNG知识推理技术的可用性以及优越性。 2.针对目前知识图谱推理输入输出的单一性问题，在知识图谱中引入自然语言问答系统。通过在编解码模型的输入和输出端加入两个基于知识子图的注意力机制，一方面提高了模型对于问句中语义的理解，另一方面也增强了输出时答案的质量。最终通过在开放实验数据上训练并与其他模型作对比验证了本文提出的基于知识子图注意力机制的自然语言问答模型(QAG)在语义理解以及对话模型中效果的优异。 3.从数据获取到三元组抽取再到知识融合，本论文设计并实现了公共安全领域知识图谱的构建工作。在此之上通过使用TRNG算法完成了本知识图谱的知识表示工作并成功将其应用于关系发现等任务。之后在此中文知识图谱上接入自然语言问答系统，实现了知识图谱的人性化输入输出。

目录

第一个书签之前

第一章 绪 论

1.1.1 知识图谱的起源

1.1.2 知识图谱的演化

1.1.3 基于知识图谱的问答系统的必要性与挑战

1.2 研究目的和意义

1.3 本文的主要贡献与创新

1.4 本论文的组织结构安排

第二章 知识推理以及问答系统的相关技术

2.1 知识推理的相关技术

2.1.1 基于规则的知识推理

2.1.2 知识表示

2.1.3 基于深度学习的知识推理

2.2 基于知识图谱推理的问答系统的相关技术

2.2.1 循环神经网络

2.2.2 问答系统相关技术

2.3 本章小结

第三章 基于知识图谱和水波网络的知识嵌入算法

3.1 引言

3.2 问题定义

3.3 水波网络及其在知识图谱中的作用

3.4 模型与方法

3.4.1 TRNG中水波网络的传播方法与定义

3.4.2 TRNG模型的算法设计

3.5 算法实现与结论

3.5.1 实验环境

3.5.2 实验数据

3.5.3 参数设置

3.5.4 对比模型

3.5.5 实验指标

3.5.6 实验结论与分析

3.6 本章小结

第四章 基于图谱驱动的问答模型

4.1 引言

4.2 问题定义

4.3 自然语言到SPARQL结构化查询

4.4 seq2seq模型和注意力机制

4.5 基于知识子图注意力机制的自然语言回答技术QAG模型

4.5.1 知识子图的生成

4.5.2 基于知识子图注意力机制的自然语言回答技术QAG的算法设计

4.6.1 实验数据

4.6.2 参数设置

4.6.3 对比模型

4.6.4 实验结论与分析

4.7 本章小结

第五章 公安情报分析知识图谱推理与问答系统

5.1 概述及应用场景

5.2 公安情报分析知识图谱推理与问答系统系统功能设计

5.2.1 知识图谱构建模块功能设计

5.2.2 知识图谱查询模块功能设计

5.2.3 实体关系发现模块功能设计

5.2.4 自然语言问答系统功能设计

5.3 系统实现与展示

5.3.1 构建公安情报分析知识图谱

5.3.2 查询与推理模块

5.3.3 问答系统模块

5.4 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 现有理论的不足和后续工作展望

致 谢

参考文献