知识图谱抽取算法的设计

摘要

为了提高知识图谱抽取的准确率和速度，提出一种基于Transformer的知识图谱抽取算法。该算法利用Bert和FastText对文本数据进行预处理，通过Transformer模型有效提取特征，并采用SCR算法精确完成实体命名任务。进一步地，算法创新地将命名后的实体再次处理并输入模型，深入挖掘实体、关系与尾实体间的关联性，从而高效完成知识抽取。实验结果显示，该算法在实体抽取任务中表现出色，准确率高达95%,F₁值也达到了95.26%,充分验证了算法各组件的有效性。此外，该算法成功应用于构建电力系统知识图谱，其准确全面、易用性强的特点以及卓越的可视化效果，为用户提供了直观且易于理解的知识展示方式，具有广阔的应用前景。

关键词

Transformer / 知识图谱 / 抽取算法 / 词嵌入 / 标签与实体 / 关联性

基金资助

省部级自然科技基金项目(CEZB210008182)