1. 中国电力科学研究院有限公司
2. 国网上海市电力公司电力科学研究院
3. 华北电力大学控制与计算机工程学院
Published:2026
移动端阅览
张光, 张宇鹏, 张晓同, et al. 基于主题模型的绿色降碳技术知识图谱构建方法研究[J]. 2026, 24(4): 69-75.
DOI:
张光, 张宇鹏, 张晓同, et al. 基于主题模型的绿色降碳技术知识图谱构建方法研究[J]. 2026, 24(4): 69-75. DOI: 10.16543/j.2095-641x.electric.power.ict.2026.04.09.
针对知识图谱构建中多源异构数据整合困难、语义挖掘不足的研究瓶颈,文章提出基于向量主题模型(vector-based topic model
VTM)的知识图谱构建方法,首先,设计了融合句子级别的基于Transformer的双向编码器表示(bidirectional encoder representations from Transformers
BERT)模型上下文嵌入的语义相似度优化算法,实现了术语规范化处理中的语义消歧;其次,构建了主题-实体关系联合抽取机制,通过动态主题约束提升实体识别的领域适应性;最后,设计了多源实体对齐的冲突消解算法,建立基于语义向量的置信度评估模型。将文章方法应用在绿色降碳技术知识图谱构建,实验结果表明,与现有基于BERT的方法相比,文章方法在命名实体识别任务和关系抽取任务上的精确率与召回率的调和平均数分别平均提高12.71%和12.08%。
Oren Etzioni,Michele Banko,Stephen Soderland,Daniel S. Weld.Open information extraction from the web[J].Communications of the ACM,2008.
Juanzi Li,Zhichun Wang,Xiao Zhang,Jie Tang.Large scale instance matching via multiple indexes and candidate selection[J].Knowledge-Based Systems,2013.
张伟莉,黄廷磊,梁霄.基于半监督协同训练的百科知识库实体对齐[J].计算机与现代化,2017(12).
闫雄,段跃兴,张泽华.采用自注意力机制和CNN融合的实体关系抽取[J].计算机工程与科学,2020(11).
龚乐君,刘晓林,高志宏,李华康.基于双向GRU和CNN的药物相互作用关系抽取[J].陕西师范大学学报(自然科学版),2020(06).
任强,吴鹏,库瑶瑶.基于知识图谱的中国碳捕集利用与封存技术研究进展与启示[J].四川大学学报(自然科学版),2024(02).
刘丽,白宇昂,李刚,吴智泉,张新,李盈盈.基于CasRel-AttR模型的电力二次作业风险知识图谱构建方法研究[J].电力信息与通信技术,2024(11).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution