Совместное извлечение сущностей и отношений для построения графа знаний в области оборудования для морских ранчо

Создание морских ранчо является важной составляющей стратегии Китая «Голубая житница», однако фрагментированная система знаний об оборудовании для морских ранчо препятствует интеллектуальному управлению и повышению эффективности эксплуатации. В настоящем исследовании предложена первая структура графа знаний (KG), специально разработанная для оборудования морских ранчо и объединяющая гибридное проектирование онтологии, совместное извлечение сущностей и отношений, а также хранение знаний на основе графа: (1) ограничения существующих графов знаний были выявлены с помощью целевых анкет, проведённых среди различных пользователей и сотрудников; (2) предметная онтология была построена с использованием сочетания нисходящего и восходящего подходов; в ней определены семь ключевых понятий и восемь семантических отношений; (3) полу структурированные данные предприятий и стандартов, а также неструктурированные данные из научной литературы систематически собирались, очищались с использованием Scrapy и регулярных выражений и стандартизировались в формате JSON, в результате чего был сформирован специализированный корпус из 1 456 размеченных предложений; (4) разработана новая модель BERT-BiGRU-CRF, использующая контекстные эмбеддинги BERT, параметрически эффективное моделирование последовательностей с помощью BiGRU (двунаправленного рекуррентного блока с управляемыми воротами) и оптимизацию зависимостей меток с использованием CRF (условного случайного поля). Для решения задач извлечения множественных отношений была предложена стратегия разметки TE + SE + Ri + BMESO, связывающая сущности темы со вторичными сущностями; (5) граф знаний на базе Neo4j включал 2 153 узла и 3 872 ребра, обеспечивая масштабируемую визуализацию и динамическое обновление. Экспериментальные результаты продемонстрировали превосходство над моделями BiLSTM-CRF и BERT-BiLSTM-CRF: точность составила 86,58 %, полнота — 77,82 %, а значение F1 — 81,97 %. Это исследование не только предлагает первую структурированную модель графа знаний для оборудования морских ранчо, но и предоставляет переносимую методологию извлечения знаний в узкоспециализированных предметных областях.