基于依存句法規(guī)則的信息技術(shù)項目圖譜構(gòu)建

關(guān)鍵詞：依存分析；信息技術(shù)；項目管理；知識圖譜；文本挖掘；知識抽取

中圖分類號：Ｅ９２ 文獻(xiàn)標(biāo)志碼：Ａ DOI：１０．１２３０５／ｊ．ｉｓｓｎ．１００１５０６Ｘ．２０２４．１２．１６

０引言

在信息技術(shù)項目管理過程中，大量的文本數(shù)據(jù)被產(chǎn)生和存儲，對這些數(shù)據(jù)進(jìn)行深入分析和挖掘是提高組織對信息技術(shù)體系發(fā)展管理和規(guī)劃水平的關(guān)鍵。由于信息技術(shù)領(lǐng)域技術(shù)更新迭代快、信息資源密度高，對于該領(lǐng)域科技項目的管理和決策特別強(qiáng)調(diào)組織內(nèi)部的統(tǒng)籌協(xié)作和知識共享［１３］。傳統(tǒng)上，建立適當(dāng)?shù)男畔⒓夹g(shù)體系結(jié)構(gòu)，是協(xié)調(diào)組織內(nèi)部協(xié)作和知識共享的一種常用手段［４６］。信息技術(shù)體系結(jié)構(gòu)可以為組織重大決策提供支持，對信息技術(shù)發(fā)展可能存在的缺陷和重大機(jī)遇提供早期預(yù)警信號，并且為根據(jù)可能的機(jī)會和威脅做出政策調(diào)整提供了可能性。

信息技術(shù)體系結(jié)構(gòu)強(qiáng)調(diào)自上而下地建立一整套業(yè)務(wù)框架，例如開放式架構(gòu)框架（Ｔｈｅ Ｏｐｅｎ Ｇｒｏｕｐ ＡｒｃｈｉｔｅｃｔｕｒｅＦｒａｍｅｗｏｒｋ，ＴＯＧＡＦ）［７］、美國聯(lián)邦政府體系架構(gòu)（ＦｅｄｅｒａｌＥｎｔｅｒｐｒｉｓｅＡｒｃｈｉｔｅｃｔｕｒｅ，ＦＥＡ）［８］等。受限于當(dāng)時的技術(shù)手段，這些業(yè)務(wù)管理框架中鮮有關(guān)于自動化構(gòu)建的方法，這也導(dǎo)致其構(gòu)建的成本過于高昂，實現(xiàn)過程的人力和時間成本與信息技術(shù)的快速發(fā)展不匹配。隨著語義技術(shù)的發(fā)展，研究人員對如何應(yīng)用語義技術(shù)增強(qiáng)信息技術(shù)體系結(jié)構(gòu)的管理和應(yīng)用投入大量的研究［９１１］。近年來，知識圖譜作為一種新興的知識表示和管理方法，逐漸受到項目知識管理領(lǐng)域研究的重視［１２１３］。利用知識圖譜技術(shù)對信息技術(shù)領(lǐng)域相關(guān)知識進(jìn)行挖掘和分析［１４］，可以幫助企業(yè)或組織更好地理解其信息技術(shù)領(lǐng)域的體系結(jié)構(gòu)，加快信息技術(shù)的開發(fā)和部署速度，同時保證整體的信息技術(shù)投資效益和風(fēng)險控制水平，將有助于推進(jìn)信息技術(shù)領(lǐng)域自下而上的管理和發(fā)展。

知識圖譜是一種語義網(wǎng)絡(luò)，通過圖形結(jié)構(gòu)展示關(guān)鍵信息，用于描述現(xiàn)實世界中的實體、概念及其關(guān)系。知識抽取是構(gòu)建知識圖譜的基礎(chǔ)，主要指從非結(jié)構(gòu)化和半結(jié)構(gòu)化的文本數(shù)據(jù)中提取出實體、關(guān)系和屬性等關(guān)鍵信息，這些信息是構(gòu)建知識圖譜所必須的。因此，知識抽取在知識圖譜構(gòu)建中具有非常重要的作用和地位，只有經(jīng)過準(zhǔn)確、有效的文本信息抽取，這些信息才能轉(zhuǎn)化為機(jī)器可理解和處理的形式，并生成可靠的知識圖譜。同時，知識抽取也是知識圖譜自動化構(gòu)建的關(guān)鍵技術(shù)之一，可自動從文本數(shù)據(jù)中發(fā)現(xiàn)、提取和組織知識，提高知識的獲取和利用效率。然而，在垂直領(lǐng)域知識圖譜構(gòu)建過程中，知識圖譜的自動化構(gòu)建依然面臨許多挑戰(zhàn)。首先是垂直領(lǐng)域的數(shù)據(jù)量有限，與通用領(lǐng)域相比，垂直領(lǐng)域的知識抽取需要的先驗知識無法從通用領(lǐng)域數(shù)據(jù)中獲取，通用領(lǐng)域訓(xùn)練的模型并不適合垂直領(lǐng)域知識圖譜構(gòu)建。其二是領(lǐng)域?qū)I(yè)性強(qiáng)，不同的垂直領(lǐng)域具有不同的專業(yè)詞匯、概念、術(shù)語等，需要進(jìn)行專門的處理和抽取。作為一種手段，依存分析［１５１６］能夠提供文本的句法和語義信息，可為知識圖譜自動化構(gòu)建提供相關(guān)的語義結(jié)構(gòu)信息［１７１９］。

本文提出一種面向英文信息技術(shù)項目文本的基于依存句法規(guī)則的知識抽取和知識圖譜構(gòu)建方法。該方法以非結(jié)構(gòu)化文本數(shù)據(jù)作為抽取對象，通過依存分析建立文本信息的依存句法結(jié)構(gòu)，構(gòu)建實體之間的上下位關(guān)系，從而在語法結(jié)構(gòu)的基礎(chǔ)上實現(xiàn)知識圖譜的自動化構(gòu)建。針對信息技術(shù)項目的領(lǐng)域特點，本文構(gòu)建了一種集成元模型的概念參考模型（ｍｅｔａｍｏｄｅｌｉｎｔｅｇｒａｔｉｏｎｃｏｎｃｅｐｔｕａｌｒｅｆｅｒｅｎｃｅ，ＭＩ-ＣＲＭ），以描述該領(lǐng)域文本中的各類型專業(yè)知識，并利用帶有超邊的圖結(jié)構(gòu)描述實體之間的多元關(guān)系。最后，通過案例實驗驗證了本文所提算法的有效性。

１基于依存句法規(guī)則的知識抽取

知識抽取，也被稱為命名實體識別（ｎａｍｅｄｅｎｔｉｔｙｒｅｃｏｇ-ｎｉｚａｔｉｏｎ，ＮＥＲ），是指運用自然語言處理技術(shù)從自然語言中抽取實體和關(guān)系的過程。知識抽取包括多種方法，例如字典查找、基于統(tǒng)計的語言處理，以及機(jī)器學(xué)習(xí)等方法。

依存分析是實體抽取和關(guān)系抽取中常用的一種方法，又稱依存句法分析，是指通過分析句子的語法結(jié)構(gòu)，找出相關(guān)詞語及其關(guān)系類型的過程。依存分析假設(shè)語句通常由二元非對稱的單詞關(guān)系組成，稱為依存關(guān)系。每種關(guān)系有一個頭部和一個修飾頭部的依賴項，并根據(jù)頭部和依賴項之間的依賴關(guān)系性質(zhì)進(jìn)行標(biāo)記。

本文提出的基于依存分析的實體抽取和上下位關(guān)系抽取方法如圖１所示，包括以下３個主要步驟。

步驟１ 構(gòu)建依存句法結(jié)構(gòu)與實體擴(kuò)展

首先，在對句子進(jìn)行分詞后，得到句子的詞元，并以詞元作為節(jié)點構(gòu)建原始文本的依存句法結(jié)構(gòu)。接下來，根據(jù)詞元的詞性選擇詞性為名詞的單詞或詞組作為候選中心詞，通過一系列規(guī)則對這些候選中心詞進(jìn)行擴(kuò)展。對于每個候選中心詞，通過匹配依存句法結(jié)構(gòu)和擴(kuò)展規(guī)則集，判斷其是否可以進(jìn)行擴(kuò)展，并將擴(kuò)展后的實體作為候選實體。

步驟２ 候選實體融合

考慮到擴(kuò)展后的實體可能存在交叉，需要對其進(jìn)行融合和重組。本文采用線段排序算法對擴(kuò)展后的實體進(jìn)行融合處理，根據(jù)實體在原文中的位置得到實體的起點和終點，通過該算法可以得到無交叉、重復(fù)的實體信息。

步驟３ 上下位關(guān)系生成

在過濾和重組后的實體集合上重構(gòu)原始文本的語法依存結(jié)構(gòu)樹，得到實體及其上下位關(guān)系；通過人工檢查生成的實體及其上下位關(guān)系，選擇是否需要添加新的實體擴(kuò)展規(guī)則，滿足要求的實體將通過一個實體關(guān)系解析器來生成資源描述框架（ｒｅｓｏｕｒｃｅｄｅｓｃｒｉｐｔｉｏｎｆｒａｍｅｗｏｒｋ，ＲＤＦ）格式的三元組。

依存分析是自然語言處理的經(jīng)典任務(wù)，傳統(tǒng)方法主要采用基于轉(zhuǎn)移的思路，通過在部分解析樹上使用“移進(jìn)—規(guī)約”算法計算概率分布并遞歸地預(yù)測每個單詞的依存關(guān)系。近年來，基于深度神經(jīng)網(wǎng)路的方法在依存分析中得到了廣泛應(yīng)用。文獻(xiàn)［２０］提出使用雙仿射注意力機(jī)制計算單詞的依賴詞及其依賴關(guān)系的表示，從而可以在深度神經(jīng)網(wǎng)絡(luò)進(jìn)行并行計算和預(yù)測每對單詞之間的依存關(guān)系。文獻(xiàn)［２１］結(jié)合預(yù)訓(xùn)練語言模型，在雙仿射注意力機(jī)制的基礎(chǔ)上進(jìn)一步提升了依存分析的關(guān)系預(yù)測精度。在工業(yè)界，許多自然語言處理工具庫，如ｓｐａＣｙ、ｎｌｔｋ、ｃｏｒｅｎｌｐ和ＨａｎＬＰ 等都提供了依存分析的接口以供方便使用。為了兼顧運行速度，這些工具庫大多采用傳統(tǒng)的基于轉(zhuǎn)移的方法，在預(yù)測準(zhǔn)確率上有一定損失。為了方便說明文本的方法，本文使用ｓｐａＣｙ作為示例性工具對文本進(jìn)行處理。

１．１依存結(jié)構(gòu)定義與實體擴(kuò)展

定義一組基于依存分析的依存句法結(jié)構(gòu)參數(shù)，用于對抽取的實體進(jìn)行擴(kuò)展，如表１所示。首先，通過分詞處理得到若干詞元。對每個詞元，通過依存結(jié)構(gòu)參數(shù)來判斷該詞是否為候選詞。由于信息技術(shù)項目文本包含大量的技術(shù)名詞和詞組，這里主要選擇名詞和名詞性詞組作為候選詞。

對于每個候選詞，采用一系列規(guī)則組合來判斷是否需要進(jìn)行實體擴(kuò)展。在需要擴(kuò)展時，以該候選詞為中心，向前或向后尋找擴(kuò)展后的詞組邊界。規(guī)則組合由多個簡單規(guī)則組成，簡單規(guī)則包括以下幾種類型。

（１）關(guān)系規(guī)則。該規(guī)則通過表１ 中的ｉｊ和ｊｋ 參數(shù)定義，描述當(dāng)前詞與上級詞或上上級詞的語法依賴關(guān)系。例如，圖１中的“ｗｉｔｈ”通過“ｐｒｅｐ”關(guān)系指向“ｐｒｏｖｉｄｅｓ”，表明其是上級詞的介詞；而“ｐｒｏｖｉｄｅｓ”通過“ｎｓｕｂｊ”關(guān)系指向“Ｔｈｉｓｐｒｏｊｅｃｔ”，表明其上級詞是名詞性主語。通過關(guān)系規(guī)則可以判斷詞元在句子中的語法成分，表２ 列舉了部分依賴關(guān)系的含義。

（２）詞性規(guī)則。該規(guī)則通過表１中的ｉｉ、ｊｊ和ｋｋ?yún)?shù)定義，描述當(dāng)前詞、上級詞和上上級詞的詞性。常用的詞性定義如表２所示。

（３）位置規(guī)則。該規(guī)則通過表１ 中的犻、犼和犽?yún)?shù)定義，記錄當(dāng)前詞、上級詞和上上級詞在句子中的位置，每個句子的詞元從０開始編號。通過位置規(guī)則可以判斷詞元在句子中的位置以及詞元間的距離。

（４）特殊規(guī)則。該規(guī)則用于定義一些特定的詞組或固定搭配，例如“ｉｓ＿ｏｆ”規(guī)則用于提取介詞為ｏｆ的詞組。設(shè)計這一類別規(guī)則的原因是有時對提取的實體有一些特定的需求，需要設(shè)計一些針對性比較強(qiáng)的規(guī)則。

規(guī)則組合使用上述４種簡單規(guī)則的組合來判斷實體是否需要進(jìn)行擴(kuò)展，以及如何擴(kuò)展。每一項規(guī)則組合用于提取具有特定語法結(jié)構(gòu)的實體。為了解決規(guī)則之間的沖突問題，對每一項規(guī)則組合賦予一定的優(yōu)先級，從０開始，數(shù)值越大，優(yōu)先級越低，當(dāng)實體同時滿足多項規(guī)則組合時，將按照優(yōu)先級最高的規(guī)則組合進(jìn)行擴(kuò)展。使用規(guī)則優(yōu)先級為規(guī)則集為進(jìn)一步擴(kuò)充提供了靈活性。當(dāng)創(chuàng)建一個新的規(guī)則組合時，只需要調(diào)整其優(yōu)先級即可。

１．２候選實體融合

在提取到實體后，需要進(jìn)行擴(kuò)展和融合，如圖２所示。對于相鄰的和有交叉的實體，需要將其擴(kuò)展，并進(jìn)一步使其融合，以得到不重復(fù)和不存在交叉的實體。

１．３上下位關(guān)系生成

根據(jù)融合實體之間的語法依存關(guān)系來確定其在句子中的上下位關(guān)系。根據(jù)依存分析的定義，任何詞元都可以通過有限次依存關(guān)系與句子的根詞ＲＯＯＴ 建立聯(lián)系。而對于融合實體，可以使用ｓｐａＣｙ提供的接口獲取該實體的中心詞ＲＯＯＴ，并以中心詞作為詞元來復(fù)現(xiàn)上下位關(guān)系。這樣，不論是單個詞元，還是融合后實體，都可以通過依存關(guān)系來建立其到根詞的距離關(guān)系。

如圖３所示，以兩個詞元之間的單步依存關(guān)系作為一跳，將每個詞元與根詞建立聯(lián)系所需的跳數(shù)記為ｈｏｐｓ，并以ｈｏｐｓ作為判斷上下位關(guān)系的依據(jù)。其中，ｈｏｐｓ值為１代表該中心詞只需通過一次依存關(guān)系即可到達(dá)根詞。同時，規(guī)定每個句子的根詞的ｈｏｐｓ值為０，句子的主語ｈｏｐｓ值為－１，而其他實體的ｈｏｐｓ值則由其中心詞到根詞的距離所決定。實體的ｈｏｐｓ值越小，表示該實體與根詞的語法距離越近，而ｈｏｐｓ值越大，則表示語法距離越遠(yuǎn)。為了計算實體中心詞的ｈｏｐｓ值，首先將其初始化為０，每經(jīng)過一跳則增加１。需要注意的是，若兩個詞元之間在語法上是并列關(guān)系，其所處的語法上下位關(guān)系應(yīng)屬于同一層。因此，算法在判斷每一跳的依存關(guān)系時，需要額外判斷是否為并列關(guān)系（表２中的ｃｏｎｊ），若是，則ｈｏｐｓ值無需遞增。

１．４三元組生成

根據(jù)第１．３節(jié)得到的實體間的上下位關(guān)系生成形如＜ｓｕｂｊｅｃｔ，ｐｒｅｄｉｃａｔｅ，ｏｂｊｅｃｔ＞的三元組，具體步驟如算法２所示。

首先，根據(jù)ｈｏｐｓ確定實體的上下位關(guān)系，以參數(shù)ｌｅｖｅｌ表示。主語的ｌｅｖｅｌ為０，其他實體根據(jù)語法距離依次遞增編號，同一層級的實體ｌｅｖｅｌ相同。

然后，對于實體列表E中的元素，從ｌｅｖｅｌ１ 開始創(chuàng)建三元組。擴(kuò)展實體列表犈中的每個實體犲犻都被賦予一個獨一無二的標(biāo)識符ｕｒｉ。若實體的ｌｅｖｅｌ為１，則以項目名稱作為頭實體；對于ｌｅｖｅｌ大于１的實體，則按照其上下位關(guān)系依次構(gòu)建三元組，每個實體以其上位實體e_{ｕｐｐｅｒ}作為頭實體，并使用該實體的根詞的ｈｅａｄ作為三元組的謂詞。

２多元關(guān)系知識圖譜構(gòu)建

在信息技術(shù)項目文本中，抽取的實體之間通常存在復(fù)雜的多元關(guān)系，而非簡單的二元關(guān)系。二元關(guān)系指僅存在于兩個實體之間的關(guān)系。傳統(tǒng)的三元組形式能以簡潔的語言形式來建模二元關(guān)系，但對于多元關(guān)系，這種方法面臨著各種挑戰(zhàn)。例如，某項目Ａ 研究某項關(guān)鍵技術(shù)Ｂ，該技術(shù)可用于解決問題Ｃ，這里的３ 個實體構(gòu)成了一組多元關(guān)系。傳統(tǒng)的三元組形式只能描述Ａ、Ｂ和Ｃ 之間的兩兩關(guān)系，而難以描述〈Ａ→Ｂ〉→Ｃ這樣的多元關(guān)系。

知識圖譜的多元關(guān)系建模問題近年來越來越受到重視。針對知識圖譜的多元關(guān)系建模問題，目前通常有以下幾種處理方式：① 使用屬性圖模型［２２２３］進(jìn)行建模。② 引入超圖模型［２４２６］，利用超圖模型來處理多元關(guān)系。在超圖模型中，實體和關(guān)系被視為節(jié)點，其關(guān)系被視為超邊。因此，多元關(guān)系可以直接表示為超邊。③ 使用命名圖［２７２９］。命名圖是一種基于ＲＤＦ的可命名的圖形結(jié)構(gòu)，也被稱為四元組，通過向三元組中添加斷言擴(kuò)展ＲＤＦ 的語法和語義，將三元組擴(kuò)充為四元組〈ｓｕｂｊｅｃｔ，ｐｒｅｄｉｃａｔｅ，ｏｂｊｅｃｔ，ｇｒａｐｈ〉，為ＲＤＦ三元組增加一個可以描述上下文或主題的斷言屬性。以上方法在知識圖譜構(gòu)建和應(yīng)用方面各有側(cè)重，需要根據(jù)具體問題選擇不同的方法。

本文注重對信息技術(shù)項目文本進(jìn)行挖掘和知識圖譜構(gòu)建。為此，本文考慮利用基于超圖中的超邊來建模已經(jīng)抽取的知識實體。在超圖中，超邊［３０］是連接多個頂點的一條邊。與傳統(tǒng)的二元邊不同，超邊可以連接任意數(shù)量的頂點（包括兩個頂點）。超邊可以用于表示大量的非二元關(guān)系，從而捕捉到復(fù)雜的結(jié)構(gòu)和關(guān)系。同時，為了清晰地表達(dá)信息技術(shù)項目文本中抽取出的各種實體，本文采用了多架構(gòu)元模型來建立知識圖譜的本體。

２．１基于多架構(gòu)元模型的知識本體構(gòu)建

在信息技術(shù)項目文本中，實體與實體之間存在多種關(guān)系類型。為了更好地建模這些關(guān)系，需要設(shè)計一個層次分明、分類合理的本體?；谛畔⒓夹g(shù)項目本身的領(lǐng)域知識特點，國際上通常采用企業(yè)架構(gòu)來進(jìn)行概念建模和描述［３１３３］。常用的企業(yè)架構(gòu)框架如ＦＥＡ 體系架構(gòu)、ＴＯＧＡＦ體系架構(gòu)和美國國防部架構(gòu)框架（ＤｅｐａｒｔｍｅｎｔｏｆＤｅｆｅｎｓｅＡｒｃｈｉｔｅｃｔｕｒｅＦｒａｍｅｗｏｒｋ，ＤｏＤＡＦ）［３４］，都是基于元模型提供對現(xiàn)實世界中事物的抽象描述。這些元模型利用類似于本體的結(jié)構(gòu)定義了事物的抽象概念及事物與事物之間的關(guān)系。

在本文中，通過參考多種架構(gòu)的元模型，結(jié)合自上而下和自底向上的方法構(gòu)建了ＭＩ-ＣＲＭ。該本體中的抽象概念取自多種企業(yè)架構(gòu)元模型，并且被劃分為４個概念組，分別是方法／手段域、組織域、能力域和使命域。ＭＩ-ＣＲＭ 使用概念組為本體提供一個分類參考，用于從多種架構(gòu)的元模型中選擇與其具有相近內(nèi)涵的本體概念并組合在一起，這樣可以從一個最簡單的結(jié)構(gòu)開始構(gòu)建本體。同時，為了盡可能地減少本體結(jié)構(gòu)的復(fù)雜性，通過嚴(yán)格定義概念之間的關(guān)系來對概念進(jìn)行歸并，如圖４ 所示。設(shè)計ＭＩ-ＣＲＭ 的目標(biāo)是最小化擴(kuò)展本體的需求。當(dāng)ＭＩ-ＣＲＭ 無法提供符合相應(yīng)概念的本體時，首先檢查新概念是否可以用上述７ 種謂詞連接到相應(yīng)的概念類型上，并在原有概念的基礎(chǔ)上添加歸并概念。通過ｈａｓ＿ｔｙｐｅ謂詞引入與實體相關(guān)的定制概念類型，而不是生成新的概念，以確保知識圖譜最大限度地向后兼容。

２．２以超邊作為載體的知識超圖構(gòu)建

第２．１節(jié)構(gòu)建了ＭＩ-ＣＲＭ 本體，可以對實體之間簡單的二元關(guān)系進(jìn)行建模。這里，基于超邊作為載體，使用ＲＤＦ架構(gòu)（ＲＤＦｓｃｈｅｍａ，ＲＤＦＳ）規(guī)范來構(gòu)建實體間的多元關(guān)系。在ＲＤＦＳ規(guī)范框架下，一個三元組的謂詞可以作為另一個三元組的主語出現(xiàn)。通過將謂詞實例化，并引入一個超邊將其進(jìn)一步連接到其他實體，可以有效地解決多元關(guān)系建模問題。參考文獻(xiàn)［２４］和文獻(xiàn)［３５］的方法將基于依存分析提供的上下位關(guān)系建立知識超圖。

（１）基于超邊的知識超圖構(gòu)建。首先，在已有ＭＩＣＲＭ 本體的基本圖結(jié)構(gòu)基礎(chǔ)上進(jìn)一步定義超圖。在傳統(tǒng)圖結(jié)構(gòu)中，每條邊只能連接兩個實體節(jié)點，表示為三元組〈ｓｕｂｊｅｃｔ，ｅｄｇｅ，ｏｂｊｅｃｔ〉。而在超圖中，引入新的超邊，可以連接實體節(jié)點和一條邊，表示為三元組〈ｅｄｇｅ，ｈｙｐｅｒｅｄｇｅ，ｏｂｊｅｃｔ〉。在關(guān)系抽取環(huán)節(jié)，根據(jù)實體及其上下位關(guān)系對識別出的謂詞進(jìn)行判斷，如果符合相應(yīng)的規(guī)則，那么在抽取時將其標(biāo)注為超邊并保存與其連接的相關(guān)實體及謂詞。

（２）基于超邊的ＲＤＦＳ圖數(shù)據(jù)生成。這一階段將來自同一句子的三元組轉(zhuǎn)換為含有超邊的ＲＤＦＳ 圖，對于需要改寫的三元組，通過一個超邊解析器來自動地生成ＲＦＤＳ三元組。超邊解析器首先判斷一條邊的頭實體的類型，如果連接的是邊，則首先把這條邊實例化，然后建立三元組。例如，假設(shè)一個三元組是〈ｅｄｇｅ，ｈｙｐｅｒｅｄｇｅ，ｏｂｊｅｃｔ〉，那么首先邊ｅｄｇｅ 會被實例化為ｅｄｇｅ１，即〈ｅｄｇｅ１，ｔｙｐｅ Ｏｆ，ｅｄｇｅ〉，然后向數(shù)據(jù)中添加新的三元組〈ｅｄｇｅ１，ｈｙｐｅｒｅｄｇｅ，ｏｂｊｅｃｔ〉以取代〈ｅｄｇｅ，ｈｙｐｅｒｅｄｇｅ，ｏｂｊｅｃｔ〉。

舉例來說，對于類似于“ＡｓｕｐｐｏｒｔＢｂｙｐｒｏｖｉｄｉｎｇＣ”這樣的句法結(jié)構(gòu)，通過依存分析可以得到３ 個實體之間的上下位關(guān)系為（ｌｅｖｅｌＡ＝０，ｌｅｖｅｌＢ＝１，ｌｅｖｅｌＣ＝２）。因此，可以建立以下三元組：〈Ａ，ｓｕｐｐｏｒｔ，Ｂ〉，〈ｓｕｐｐｏｒｔ，ｂｙＰｒｏｖｉｄｉｎｇ，Ｃ〉。顯然，三元組〈ｓｕｐｐｏｒｔ，ｂｙＰｒｏｖｉｄｉｎｇ，Ｃ〉的頭實體是〈Ａ，ｓｕｐｐｏｒｔ，Ｂ〉的邊，需要進(jìn)行實例化。由于ＲＤＦ格式允許使用ｕｒｉ表示任何資源，因此只需要賦予ｓｕｐｐｏｒｔ一個獨一無二的ｕｒｉ即可實現(xiàn)實例化，這樣三元組就可以改寫為〈Ａ，ｓｕｐｐｏｒｔ１，Ｂ〉，〈ｓｕｐｐｏｒｔ１，ｂｙＰｒｏｖｉｄｉｎｇ，Ｃ〉，〈ｓｕｐｐｏｒｔ１，ｔｙｐｅＯｆ，ｓｕｐｐｏｒｔ〉。

３實驗與案例分析

在實驗部分，以項目文本為例進(jìn)行案例研究。實驗收集了信息科技項目的立項申報摘要文本作為知識抽取和關(guān)聯(lián)的數(shù)據(jù)源。為了說明所提出的方法，首先演示了知識抽取的過程，并給出一個具體的例子。隨后，利用上下位關(guān)系構(gòu)建該例子的知識超圖。最后，使用ＳＰＡＲＱＬ 查詢語句對生成的知識圖譜進(jìn)行查詢，通過返回的結(jié)果判斷圖譜生成的正確性。

３．１知識抽取實驗及分析

本節(jié)給出知識抽取部分的實驗與分析，例如以下取自某航空信息系統(tǒng)項目的文本：“Ｔｈｉｓｐｒｏｊｅｃｔｐｒｏｖｉｄｅｓｔｈｅａｎａｌｙｓｔｗｉｔｈｔｈｅａｂｉｌｉｔｙｔｏｒａｐｉｄｌｙｆｉｎｄａｎｄｆｕｓｅｍｕｌｔｉｐｌｅｉｎｔｅｌｌｉｇｅｎｃｅｓｏｕｒｃｅｓｏｆｂａｔｔｌｅｓｐａｃｅｉｎｆｏｒｍａｔｉｏｎｆｏｒｉｍｐｒｏｖｅｄｓｉｔｕａｔｉｏｎａｌａｗａｒｅｎｅｓｓ，ａｎｄｔｏｂｅｔｔｅｒｄｅｔｅｃｔａｎｄｆｉｎｄａｎｏｍａｌｉｅｓ”。根據(jù)表１中定義的依存結(jié)構(gòu)，通過文本處理得到其依存句法結(jié)構(gòu)，如表３所示。

表３中最后一列列出了每個實體符合的規(guī)則編號，按照規(guī)則，標(biāo)記為－１ 的實體不會作為候選詞。對于同時符合多個規(guī)則的實體，根據(jù)規(guī)則優(yōu)先級來確定其擴(kuò)展的具體原則。例如，“ａｎｏｍａｌｉｅｓ”同時符合編號為６ 和２０ 的規(guī)則，而規(guī)則６的優(yōu)先級高于規(guī)則２０的優(yōu)先級，因此該實體將按照規(guī)則６進(jìn)行擴(kuò)展。

根據(jù)規(guī)則設(shè)計，算法將按照不同的方向?qū)嶓w進(jìn)行擴(kuò)展。例如，表３中“ｂａｔｔｌｅｓｐａｃｅｉｎｆｏｒｍａｔｉｏｎ”對應(yīng)的規(guī)則優(yōu)先級為２，該規(guī)則將向前尋找到“ｍｕｌｔｉｐｌｅｉｎｔｅｌｌｉｇｅｎｃｅｓｏｕｒｃｅｓ”并將其作為擴(kuò)展邊界，從而提取出“ｍｕｌｔｉｐｌｅｉｎｔｅｌｌｉｇｅｎｃｅｓｏｕｒｃｅｓｏｆｂａｔｔｌｅｓｐａｃｅｉｎｆｏｒｍａｔｉｏｎ”并將其作為新的實體。這一步提取的初始實體如表４所示。

表４給出了提取的７ 個實體在句子中的位置參數(shù)，通過位置參數(shù)可以判斷出提取的實體是否存在鄰接或交叉。根據(jù)算法１，將存在鄰接或交叉的實體進(jìn)行融合，得到的實體如表５所示。表５ 還列出了每個實體的中心詞ＲＯＯＴ，以及中心詞與句子根詞ＲＯＯＴ 的距離，將根據(jù)其距離來確定該實體在句子中的上下位關(guān)系。

３．２知識圖譜構(gòu)建及查詢

在知識圖譜構(gòu)建環(huán)節(jié)，將根據(jù)上下位關(guān)系構(gòu)建具有超邊的超圖。以實體“ｂｅｔｔｅｒｄｅｔｅｃｔａｎｄｆｉｎｄａｎｏｍａｌｉｅｓ”為例，根據(jù)算法２，將生成以下三元組：〈Ｔｈｉｓｐｒｏｊｅｃｔｓ，ｐｒｏｖｉｄｅ，ｔｈｅａｎａｌｙｓｔ〉〈ｔｈｅａｎａｌｙｓｔ，ｗｉｔｈ，ｔｈｅａｂｉｌｉｔｙ〉〈ｔｈｅａｂｉｌｉｔｙ，ｔｏ，ｂｅｔｔｅｒｄｅｔｅｃｔａｎｄｆｉｎｄａｎｏｍａｌｉｅｓ〉。３個三元組頭實體的上下位關(guān)系依次為０、１、２，這里引入“ｐｒｏｖｉｄｅＷｉｔｈ”超邊，并讓其連接到實例化后的邊“ｐｒｏｖｉｄｅ１”上，構(gòu)建以下新的三元組：〈Ｔｈｉｓｐｒｏｊｅｃｔｓ，ｐｒｏｖｉｄｅ１，ｔｈｅａｎａｌｙｓｔ〉〈ｐｒｏｖｉｄｅ１，ｐｒｏｖｉｄｅＷｉｔｈ，ｔｈｅａｂｉｌｉｔｙ〉〈ｔｈｅａｂｉｌｉｔｙ，ｔｏ，ｂｅｔｔｅｒｄｅｔｅｃｔａｎｄｆｉｎｄａｎｏｍａｌｉｅｓ〉。最后，依據(jù)第２．２節(jié)的方法生成ｔｔｌ格式的ＲＤＦＳ文件。將超邊“ｐｒｏｖｉｄｅＷｉｔｈ”定義為ＲＤＦ 的屬性，而邊“ｐｒｏｖｉｄｅ１”則被定義為一類標(biāo)記為ｒｅｌａｔｉｏｎ的實體。這樣，實例化后的邊與其他實體使用不同的本體概念（使用ｏｎｔｏ定義），可以在查詢中對其進(jìn)行區(qū)別。

４結(jié)束語

本文面向英文信息技術(shù)項目文本提出了一種基于依存句法規(guī)則的知識抽取和知識圖譜構(gòu)建方法。這種基于句法結(jié)構(gòu)和規(guī)則模板的知識抽取方法不需要大量的數(shù)據(jù)訓(xùn)練模型，尤其適合于在沒有預(yù)先訓(xùn)練模型的前提下提取特定領(lǐng)域的專業(yè)知識?；谠摲椒?，在獲取一定數(shù)量的實體和關(guān)系后，結(jié)合監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法，訓(xùn)練適合于該領(lǐng)域特色的抽取模型，可以進(jìn)一步提高知識圖譜自動化構(gòu)建水平。此外，針對信息技術(shù)項目的領(lǐng)域特點，本文構(gòu)建了ＭＩＣＲＭ，該本體結(jié)構(gòu)具有較好的可擴(kuò)展性和向后兼容性，案例實驗結(jié)果表明，使用該本體結(jié)合ＲＤＦ的多元關(guān)系建模，可以豐富查詢結(jié)果的語義。接下來，將在該本體結(jié)構(gòu)的基礎(chǔ)上研究如何結(jié)合語義理解、自動化地生成新的本體概念以及本體融合，進(jìn)一步提高知識圖譜構(gòu)建的自動化程度。

作者簡介

林木（１９８３—），男，工程師，博士研究生，主要研究方向為自然語言處理、戰(zhàn)略管理與數(shù)字化決策。

束哲（１９８９—），男，助理研究員，博士，主要研究方向為體系工程與體系仿真。

李童心（１９９５—），女，博士研究生，主要研究方向為戰(zhàn)略管理評估、知識圖譜表示學(xué)習(xí)。

王維平（１９６３—），男，教授，博士研究生導(dǎo)師，博士，主要研究方向為裝備體系論證與仿真評估。