基于噪音数据的中文知识图谱增量式构建研究

Building Knowledge Graph is an important research topic in Artificial Intelligence. The research on Chinese Knowledge Graph lags largely behind that on English at scale and correctness. It becomes one of the bottlenecks of Artificial Intelligence Applications in China. The main task for building Knowledge Graph is information extraction. To tackle with the problems of noisy labeled data, this project aims to utilize large noisy labeled data to build Chinese Knowledge Graph and learn over time to enlarge Knowledge Graph. The main content includes: 1) Build a model for Named Entity Recognition based on large noisy labeled data; 2) Build a model for Relation Extraction based on large noisy labeled data; 3)Verify new learned knowledge from multi-sources and multi-views; 4)Build a model for knowledge fusion based on confidence computing. Based on the above techniques, we build a platform for Knowledge Graph Construction. This project will make important contributions for research on Knowledge Graph and provide reliable supports for further applications.

知识图谱构建是人工智能的一个核心问题。与英文知识图谱相比，中文知识图谱在规模和正确性上还存在较大差距，成为制约国内人工智能发展的一个瓶颈。知识图谱构建的一个关键技术是信息抽取技术。本项目针对中文知识图谱增量式构建过程中存在的标注训练语料存在大量噪音和中文信息抽取系统性能差等关键问题，重点探索如何利用大规模带有噪音的标注语料来改进中文信息抽取性能，持续可靠地扩展中文知识图谱的规模，大力提高知识图谱构建的研究水平和实用价值。为此，本项目拟从四个方面开展创新性研究：1）研究基于噪音标注数据的实体识别模型；2）研究基于噪音标注数据的实体关系抽取模型；3）研究基于多信息源的知识验证模型；4）研究基于可信度计算的知识融合模型。最后，集成上述研究成果，构建一个领域自适应能力强的大规模知识图谱构建平台。本项目的开展将为知识图谱研究作出重要贡献，并为后续应用研究提供有力支持。

知识图谱构建是人工智能的一个核心问题。本项目针对中文知识图谱增量式构建过程中存在的标注训练语料存在大量噪音和中文信息抽取系统性能差等关键问题，重点探索如何利用大规模带有噪音的标注语料来改进中文信息抽取性能，持续可靠地扩展中文知识图谱的规模，大力提高知识图谱构建的研究水平和实用价值。在项目执行四年以来，研究工作主要从四个方面展开：1）研究基于噪音标注数据的实体识别模型；2）研究基于噪音标注数据的实体关系抽取模型；3）研究基于多信息源的知识验证模型和知识融合模型；4）构建一个知识图谱构建平台。主要成果如下：1）发表15篇论文，其中领域内国内外顶级会议或期刊7篇；2）申请专利5项，软件著作权3项；3）培养9名硕士生和3名博士生；4）实现一个中文信息抽取平台和知识图谱构建平台。