基于知识图谱的地质知识-文档一体化问答系统

摘要

为解决传统地质资料规模庞大、结构复杂、难以快速检索的问题，本研究以语义解析和知识表示两大核心技术为基础构建了基于地质矿产知识图谱的地质矿产领域的问答系统，实现了地质知识以及来源文档的一体化查询。首先，采用BERT-BiLSTM-CRF模型实现地质实体识别，使用TextCNN完成关系分类，然后基于TransD模型进行知识表示学习与答案检索；在知识检索和问答的基础上，利用关键词和文档的匹配关系实现知识-文档的一体化查询推荐。实验结果表明，BERT-BiLSTM-CRF在实体识别中F1达到0.898,TextCNN在关系分类中准确率达0.932,TransD在知识表示学习中取得最佳链接预测表现。最终构建的Web端地质问答系统可支持知识图谱查询和自然语言问答，为地质人员提供便捷的知识检索服务，为未来扩展至更多矿种知识图谱问答系统奠定了方法基础。

关键词

知识表示 / 知识图谱 / 问答系统 / 锡矿 / 知识定位 / 地质矿产

基金资助

地球深部探测与矿产资源勘查国家科技重大专项(2024ZD1001205-05); 国家重点研发计划项目(2022YFF0801202); “云找矿”应用支撑能力技术研究项目(YNGH[2023]-155); 战略性矿产资源潜力智能评价湖北省创新群体项目(2023AFA001); 宁夏回族自治区重点研发计划项目(2024BEG03007); 科技大数据湖北省重点实验室(中国科学院武汉文献情报中心)开放基金项目(E4KF011001); 国家自然科学基金项目(41902305)