Построение графа знаний о наводнениях в научной литературе на основе извлечения сущностей из полных текстов

Научная литература с характеристиками длинного хвоста содержит богатые информационные ресурсы, однако ее трудно эффективно выявлять из-за ограниченных возможностей ручного извлечения знаний. В настоящем исследовании в области снижения риска бедствий, связанных с наводнениями, была предложена усовершенствованная стратегия извлечения, основанная на переходе от «полного текста к предложению». Из полных текстов 5180 статей, опубликованных в период с 1990 по 2020 год, были выявлены предложения, описывающие методы исследования. Сущности методов исследования, включая алгоритмы, программное обеспечение и данные, извлекались с использованием оптимальных моделей глубокого обучения. Был построен граф знаний о наводнениях, который применялся в нескольких сценариях борьбы с наводнениями. Результаты показали, что модель BiLSTM-CRF превосходила более сложные альтернативные модели. Всего на основе извлеченных предложений, описывающих использование методов, были получены сведения о 2144 методах исследования, 291 программном инструменте и шести типах источников данных дистанционного зондирования. Граф знаний о наводнениях содержал 42 420 узлов и 78 242 ребра. Предложенный усовершенствованный метод извлечения сущностей знаний может служить основой для построения аналогичных графов знаний на основе больших данных.