基于知识图谱的红色历史人物知识问答服务框架研究

doi:10.13266/j.issn.0252-3116.2021.16.012

图书情报工作 ›› 2021, Vol. 65 ›› Issue (16): 108-117.DOI: 10.13266/j.issn.0252-3116.2021.16.012

基于知识图谱的红色历史人物知识问答服务框架研究

张云中, 郭冬, 王亚鸽, 孙平

上海大学图书情报档案系上海 200444

收稿日期:2021-03-29 修回日期:2021-06-07 出版日期:2021-08-20 发布日期:2021-08-20
作者简介:张云中(ORCID:0000-0002-7323-2561),副教授,博士,硕士生导师,E-mail:zhang-yun-zhong@126.com;郭冬(ORCID:0000-0003-2462-0071),硕士研究生;王亚鸽(ORCID:0000-0003-2107-4263),硕士研究生;孙平(ORCID:0000-0003-1681-5397),硕士研究生。

Framework of Knowledge Q & A Service for Red Historical Figures Based on Knowledge Graph

Zhang Yunzhong, Guo Dong, Wang Yage, Sun Ping

Department of Library, Information and Archives, Shanghai University, Shanghai 200444

Received:2021-03-29 Revised:2021-06-07 Online:2021-08-20 Published:2021-08-20

摘要/Abstract

摘要： [目的/意义] 知识图谱已成为公共数字文化资源知识组织的新形态。利用知识图谱技术赋能红色历史人物知识问答服务，提升用户交互体验，对红色历史资源的开发利用具有重要意义。[方法/过程] 在梳理历史人物数字资源组织及知识问答系统相关研究的基础之上，构建了红色历史人物知识图谱Schema与KBQA架构，从数据获取、知识抽取、知识融合、图谱生成和知识问答五个环节搭建了红色历史人物问答模型，并以老上大历史人物数字资源进行实证研究。[结果/结论] 本文设计的知识问答服务架构在红色历史人物数字资源的图谱半自动构建、知识推理与智能交互方面具有优越性，提升了用户知识服务体验。

关键词: 红色历史人物, 知识图谱, 问答系统, 知识服务

Abstract: [Purpose/significance] Knowledge graph has become a new form of public digital cultural resources organization. Using knowledge graph technology to enable the Knowledge Q & A service of red historical figures and improve user interaction experience is of great significance to the development and utilization of red historical resources.[Method/process] On the basis of combing the related research of digital resource organization and Knowledge Q & A system of historical figures, the paper constructed the knowledge graph schema and KBQA architecture of red historical figures, and then built the model of Q & A from five aspects of data acquisition, knowledge extraction, knowledge fusion, graph generation and Knowledge Q & A.This paper took the red historical figures digitalresources of Shanghai University(1922-1927) as an example for empirical research.[Result/conclusion] The Knowledge Q & A service architecture designed in this paper has advantages in semi-automatic graph construction, knowledge reasoning and intelligent interaction of digital resources of red historical figures, and improves the user knowledge service experience.

Key words: red historical figures, knowledge graph, question answering system, knowledge service

中图分类号:

G203

张云中, 郭冬, 王亚鸽, 孙平. 基于知识图谱的红色历史人物知识问答服务框架研究[J]. 图书情报工作, 2021, 65(16): 108-117.

Zhang Yunzhong, Guo Dong, Wang Yage, Sun Ping. Framework of Knowledge Q & A Service for Red Historical Figures Based on Knowledge Graph[J]. Library and Information Service, 2021, 65(16): 108-117.

参考文献

[1] 中共中央办公厅,国务院办公厅.关于实施革命文物保护利用工程(2018-2022年)的意见[N].人民日报,2018-07-30(001).
[2] Harvard University, Academia Sinica, Peking University. China biographical database[EB/OL].[2021-03-03]. https://projects.iq.harvard.edu/cbdb.
[3] 张文勇.湖南近代人物数据库建设研究与实现[D].长沙:中南大学,2013.
[4] 靳志军,何寿峰,郝春柳,等.河北红色历史文化资源挖掘研究-以李大钊专题数据库建设为例[J].文化月刊,2016(7):114-115.
[5] 刘宁静,刘音,王莫言,等.数字人文视角下学术名人知识模型构建研究——以李政道数字资源中心为例[J].图书情报工作,2019,63(23):113-121.
[6] 陈涛,刘炜,单蓉蓉,等.知识图谱在数字人文中的应用研究[J].中国图书馆学报,2019,45(6):34-49.
[7] 潘俊.面向数字人文的人物分布式语义表示研究——基于CBDB数据库和古籍文献[J].图书馆杂志,2020,39(8):94-102.
[8] 杨海慈,王军.宋代学术师承知识图谱的构建与可视化[J].数据分析与知识发现,2019,3(6):109-116.
[9] 周亦,周明全,王学松,等.大数据环境下历史人物知识图谱构建与实现[J].系统仿真学报,2016,28(10):2560-2566.
[10] 单良,刘欣.基于中国历史人物知识的智能问答系统构建[J].情报探索,2019(6):101-105.
[11] COCCO R, ATZORI M, ZANIOLO C, etal. Machine learning of SPARQL templates for question answering over LinkedSpending[J].CEUR workshop proceedings,2019,2400:156-161.
[12] 李贺,刘嘉宇,李世钰,等.基于疾病知识图谱的自动问答系统优化研究[J].数据分析与知识发现,2021,5(5):115-126.
[13] 陈璟浩,曾桢,李纲.基于知识图谱的"一带一路"投资问答系统构建[J].图书情报工作,2020,64(12):95-105.
[14] 高劲松,方晓印,刘思洋,等.基于关联数据的馆藏文物资源知识关联与智能问答研究[J].情报科学,2021,39(5):12-20.
[15] WU W Q,ZHU Z F,LU Q, etal. Introducing external knowledge to answer questions with implicit temporal constraints over knowledge base[J].Future Internet,2020,12(3):45.
[16] 谢项.基于古诗知识图谱的智能问答研究[D].武汉:华中师范大学,2020.
[17] YU J,ZHU Z H,WANG Y J, etal. Cross-modal knowledge reasoning for knowledge-based visual question answering[EB/OL].[2021-08-02].https://www.sciencedirect.com/science/article/pii/S0031320320303666?via%3Dihub.
[18] HUANG T S,LI X W,ZHAI S P,etal. Knowledge graph reasoning based on tensor decomposition and MHRP-Learning[EB/OL].[2021-08-02].https://downloads.hindawi.com/journals/am/2021/8880553.pdf.
[19] TANG H,DONG H J,ZHOU Q J. End-to-end masked graph-based CRF for joint slot filling and intent detection[J].Neurocomputing,2020,413(6):348-35.

基于知识图谱的红色历史人物知识问答服务框架研究

Framework of Knowledge Q & A Service for Red Historical Figures Based on Knowledge Graph

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	任明, 贾君枝. 基于协作智能的数字人文领域知识图谱构建[J]. 图书情报工作, 2023, 67(4): 124-133.
[2]	任超, 杨孟辉, 杨冠灿, 霍朝光, 卢小宾. 基于知识图谱的循证政策中科学证据推荐研究——以新冠肺炎疫情防控政策为例[J]. 图书情报工作, 2023, 67(2): 108-118.
[3]	邓君, 王阮. 口述历史档案资源知识图谱与多维知识发现研究[J]. 图书情报工作, 2022, 66(7): 4-16.
[4]	卓可秋, 沈思, 王东波. 自有知识增强下的学术全文本关系抽取研究[J]. 图书情报工作, 2022, 66(7): 120-131.
[5]	宋姬芳. 以信息资源建设助推大学图书馆"十四五"知识服务能力提升——以中国人民大学图书馆为例[J]. 图书情报工作, 2022, 66(5): 63-71.
[6]	周毅, 刘峥, 粟小青, 金体成. 融合多层次数据的问答知识图谱本体模型构建[J]. 图书情报工作, 2022, 66(5): 125-132.
[7]	宋雪雁, 张伟民, 张祥青. 基于档案文献的清代祭祀礼器知识图谱构建研究[J]. 图书情报工作, 2022, 66(3): 140-151.
[8]	李贺, 祝琳琳, 刘嘉宇, 樊娇, 侯力铁. 基于本体的简帛医药知识组织研究[J]. 图书情报工作, 2022, 66(22): 16-27.
[9]	张向先, 李世钰, 沈旺, 张承坤, 王宇. 数字人文视角下敦煌吐鲁番医药文献知识组织研究[J]. 图书情报工作, 2022, 66(22): 28-43.
[10]	黄永文, 孙坦, 赵瑞雪, 鲜国建, 李娇, 罗婷婷. 大数据与人工智能背景下新型知识服务研究与实践[J]. 图书情报工作, 2022, 66(19): 36-46.
[11]	董美, 常志军. 一种面向中医领域科技文献的实体关系抽取方法[J]. 图书情报工作, 2022, 66(18): 105-113.
[12]	高杰, 张立立, 黄新平. 融合知识图谱与DTM模型的我国社区治理政策变迁研究[J]. 图书情报工作, 2022, 66(17): 47-59.
[13]	叶莎莎, 杜婉鹏, 杜杏叶. 信息茧房视域下移动知识服务使用影响因素研究[J]. 图书情报工作, 2022, 66(16): 117-124.
[14]	赵蓉英, 朱伟杰, 常茹茹, 刘卓著. 话语权研究可视化分析：溯源、审视与演进[J]. 图书情报工作, 2022, 66(11): 4-13.
[15]	欧阳剑, 梁珠芳, 任树怀. 大规模中国历代存世典籍知识图谱构建研究[J]. 图书情报工作, 2021, 65(5): 126-135.