面向甲骨学知识图谱的实体发现及语义关系挖掘研究

There is an outstanding contradiction in Oracle Bone Inscriptions (OBI) information processing. It is between high dependence and low sharing and reuse of OBI experts’ knowledge and existing research achievements. The main reason is that the researchers separated the other discipline knowledge related to OBI and neglected its evolution of knowledge. In order to solve this contradiction, the OBI Knowledge Mapping is proposed. So it is converted into the problem of how to find entities and semantic relations between them from multi-source heterogeneous data. First, using Mapping Knowledge Domains construction methods to find entities and their relationships. Second, use the construction methods of Knowledge Graph to extract entities and their relations, and integrating the results of previous step. Third, after entity disambiguation and relation fusion, it will gain a fusion map with double features of map and spectrum. Because ontology can provide the concept model and logic based to knowledge mapping, it can mine implied semantic relations by using ontology and rules based reasoning.Then the fusion map can be enriched. At last, we will build the OBI Knowledge Mapping. There are two key issues: semantic and correlation similarity computation and automatic rules mining. The project provides a new idea for OBI information processing and domain knowledge mapping construction. It has important theoretical and practical value in knowledge representation, sharing and reuse for OBI experts. It also plays an important role in promoting the research and development of Oracle Bone studies.

甲骨文信息处理存在的突出矛盾是对专家的依赖性高而专家知识及现有成果的共享率却很低，主要原因是割裂了与甲骨文息息相关的其它学科知识联系和忽视了甲骨文的知识演化。构建知识图谱可以缓解或解决该矛盾，以此为研究目标则问题转化为如何从多源异构数据集中发现实体和建立实体间的语义关系。首先构建Mapping Knowledge Domains来发现实体及其关系，再与利用Knowledge Graph构建方法抽取的实体及关系进行整合。然后通过实体消歧、关系融合得到兼具图和谱双重特征的融合图谱。本体为知识图谱提供概念模型和逻辑基础，基于本体和规则进行推理可挖掘隐含的语义关系，从而丰富甲骨学知识图谱。通过解决语义相似度和相关度计算、规则自动挖掘这两个关键问题达到研究目标。本项目对领域专家知识的表示、共享和重用具有重要的理论意义和实际价值，对甲骨学的研究与发展起到重要的推动作用，为领域知识图谱的构建提供新思路。

甲骨文是现存中国王朝时期最古老的一种成熟文字，是中华民族的传统瑰宝，具有极高的史料价值和研究意义。但是传统的甲骨学研究学习周期长，研究难度大，学术要求高。随着计算机技术的飞速发展，甲骨文信息处理为改善传统的甲骨学研究方法找到了合适的途径。但是甲骨文信息处理存在的突出矛盾是对专家的依赖性高而专家知识及现有成果的共享率却很低，主要原因是割裂了与甲骨学息息相关的其它学科知识联系和忽视了甲骨文的知识演化。基于此我们提出了构建甲骨学知识图谱的研究课题。. 该项目的主要内容是研究基于Mapping Knowledge Domains(MKD)的甲骨学知识图谱构建、基于Knowledge Graph(KG)的甲骨学知识图谱构建以及融合两类知识图谱构建最终的甲骨学知识图谱。研究了多源异构数据集如甲骨学MKD、关系数据库、甲骨文本体、甲骨文图文资料库等资源中的实体发现和关系抽取方法，并研究了融合知识图谱的可视化。. 项目取得的重要结果是经过实验证明融合MKD和KG这两类知识图谱来构建甲骨学知识图谱的思路是正确的，该方法可以充分展示“图”和“谱”的双重优势。回答了如何从多源异构的数据集中确定实体及实体之间的关联关系这一关键问题。. 目前项目积累的关键数据有：239 种甲骨文著录的数字化、13315 篇甲骨文文献的数字化、甲骨文本体（概念373，属性116，实例8403）、甲骨字网络（结点6199 个，边160964 条）、甲骨学知识图谱（实体142106 个，关系273068条）。基于这些数据可以构建甲骨学Big Knowledge平台，可为甲骨学研究者提供高效的知识管理和知识服务，在甲骨文数字化出版方面也具有广阔的应用前景。. 研究成果可为其它古籍类知识图谱的构建提供极具价值的参考，并为其它需要依赖大量文献从事研究的交叉学科的知识图谱构建提供指导思路，可以有效促进相关学科的共同发展，也为类似交叉学科的知识表示和知识共享提供了新的方法。