甲骨文知识图谱构建中的实体关系发现研究

J4 ›› 2015, Vol. 37 ›› Issue (11): 2188-2194.

• 论文 • 上一篇

甲骨文知识图谱构建中的实体关系发现研究

熊晶1，钟珞2，王爱民1,2

(1.安阳师范学院计算机与信息工程学院,河南安阳 455000;2.武汉理工大学计算机科学与技术学院,湖北武汉 430070)

收稿日期:2015-07-18 修回日期:2015-09-26 出版日期:2015-11-25 发布日期:2015-11-25
基金资助:
国家自然科学基金资助项目（U1504612,61572037）；河南省高校科技创新人才支持计划资助项目(15HASTIT023)；河南省教育厅科学技术研究重点资助项目（14A520038）

Research on entity relation discovery for Oracle Bone
Inscriptions knowledge mapping construction

XIONG Jing1，ZHONG Luo2，WANG Aimin1, 2

(1.School of Computer and Information Engineering,Anyang Normal University,Anyang 455000;2.School of Computer Science and Technology,Wuhan University of Technology,Wuhan 430070,China)

Received:2015-07-18 Revised:2015-09-26 Online:2015-11-25 Published:2015-11-25

摘要/Abstract

摘要：

为解决甲骨文信息处理研究中对专家的依赖性高而专家知识共享率却很低这一突出矛盾，提出构建知识图谱的方案，其核心问题是如何发现实体和实体间的关联关系。基于甲骨文的古籍特征，先通过知识图谱MKD的共词分析发现实体及其关系，再利用甲骨文本体和规则推理发现隐含的语义关系，最后将其与MKD共词关系进行融合。实验结果表明，该方法可以有效解决甲骨文知识图谱中实体关系发现问题。

关键词: 甲骨文, 知识图谱, 本体, 语义相似度, 甲骨文知网

Abstract:

During the research process of Oracle Bone Inscriptions (OBI ) information processing, there is a prominent contradiction between high dependence on experts and low sharing of their OBI knowledge.In order to solve this problem, we propose an OBI knowledge mapping scheme, the crucial issue of which is how to find the ontology relations.Firstly,based on the OBI features,the coword analysis of Mapping Knowledge Domains (MKD) is done to find the ontology relations. Secondly, OBI ontology and reasoning are used to find the implicit semantic relations. Finally, the coword relations and ontology relations are fused to describe the OBI knowledge mapping relations.Experimental results show that the method can effectively solve the problem of entity relation discovery in OBI knowledge mapping construction.

Key words: Oracle Bone Inscriptions;knowledge mapping;ontology;semantic similarity;OBIHownet

熊晶1，钟珞2，王爱民1,2. 甲骨文知识图谱构建中的实体关系发现研究[J]. J4, 2015, 37(11): 2188-2194.

XIONG Jing1，ZHONG Luo2，WANG Aimin1, 2. Research on entity relation discovery for Oracle Bone
Inscriptions knowledge mapping construction [J]. J4, 2015, 37(11): 2188-2194.

[1]	王斐斐, 贲可荣, 张献. 基于领域知识的语音识别鲁棒性增强技术研究[J]. 计算机工程与科学, 2023, 45(12): 2155-2164.
[2]	张千锟, 韩虎, 郝俊. 基于双注意力融合知识的方面级情感分类[J]. 计算机工程与科学, 2023, 45(10): 1866-1873.
[3]	张若一, 金柳, 马慧芳, 王亦可, 李清风. 融合相似用户影响效应的知识图谱推荐模型[J]. 计算机工程与科学, 2023, 45(03): 520-527.
[4]	马赫, 王海荣, 周北京, 孙崇, 徐玺. 基于表示学习的实体对齐方法综述[J]. 计算机工程与科学, 2023, 45(03): 554-564.
[5]	林庆, 滕飞, 田波, 赵越, 祝锦烨, 冯力. 基于可搜索加密的密态知识图谱存储和检索方案[J]. 计算机工程与科学, 2023, 45(01): 66-76.
[6]	邹程辉, 李卫疆, . 融合知识图谱和评论文本的个性化推荐模型[J]. 计算机工程与科学, 2023, 45(01): 181-190.
[7]	裴凇莹, 陈振国. 基于文献计量的国内区块链技术研究及应用态势分析[J]. 计算机工程与科学, 2021, 43(11): 1966-1978.
[8]	顾军华, 佘士耀, 樊帅, 张素琪. 基于用户长短期兴趣与知识图卷积网络的推荐[J]. 计算机工程与科学, 2021, 43(03): 511-517.
[9]	赵俊生, 王鑫宇, 尹玉洁, 张林. 基于蒙古语新闻领域本体的分布式检索方法[J]. 计算机工程与科学, 2021, 43(03): 560-570.
[10]	魏墨济, 赵燕清, 朱世伟, 李晨. 基于社会立场建模的网络犯罪预警研究[J]. 计算机工程与科学, 2021, 43(01): 151-160.
[11]	沈冬东, 汪海涛, 姜瑛, 陈星. 基于知识图谱嵌入与多神经网络的序列推荐算法[J]. 计算机工程与科学, 2020, 42(09): 1661-1669.
[12]	吴晓崇, 段跃兴, 张月琴, 闫雄. 基于CNN和深层语义匹配的中文实体链接模型[J]. 计算机工程与科学, 2020, 42(08): 1514-1520.
[13]	郭竞知, 刘玮, 徐龙龙, 陈灯 . Agent能力承诺协作的自适应图规划协议生成算法[J]. 计算机工程与科学, 2020, 42(07): 1208-1214.
[14]	袁泉1,2,3,成振华1,2,江洋1,2. 基于知识图谱和协同过滤的电影推荐算法研究[J]. 计算机工程与科学, 2020, 42(04): 714-721.
[15]	陈鑫1，王斌1，曾范清2. 商品搭配大数据推荐方法研究综述[J]. 计算机工程与科学, 2020, 42(01): 36-45.

甲骨文知识图谱构建中的实体关系发现研究

Research on entity relation discovery for Oracle Bone
Inscriptions knowledge mapping construction

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价

甲骨文知识图谱构建中的实体关系发现研究

Research on entity relation discovery for Oracle Bone Inscriptions knowledge mapping construction

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价

Research on entity relation discovery for Oracle Bone
Inscriptions knowledge mapping construction