OpenKG地址：http://openkg.cn/dataset/zgjdlsrw

項目地址：http://www.zjuwtx.work/project/kg

開放許可協議：CC BY-SA 4.0 （署名相似共享）

貢獻者：浙江大學（王天笑）

---

1、引言

中國近代歷史涌現了?量的杰出?物和事跡，史料文獻豐富，構成了一個龐?的知識體系。本項?旨在收集挖掘中國近代歷史?物信息，構建?物及其相關實體的知識圖譜，為歷史資料的檢索和研究?作提供幫助。

2、知識圖譜構建

2.1?數據來源

中國近現代歷史?物信息主要來源于百度百科和歷史記兩個?站。通過 python scrapy 爬?獲取了 近1300位?物的結構化數據，半結構化數據和?本數據。其中，結構化數據主要包含?物的姓名、字號、出?地、?卒年?等信息；半結構化數據包括?物間的關系、歷史成就等；?本數據主要是?物的生平介紹、評論等，有?站負責編輯維護，語?描述和記錄的史料不?定完全準確。

2.2?數據處理

2.2.1 半結構化數據處理

• 數據變換：從半結構化數據中提取信息，轉化匯總成相同的格式，例如?

• 數據清理：將明顯不正確的信息刪除，例如?

• 數據集成：整合兩個數據源的數據，如果有不一致，直接刪除

2.2.2?文本數據處理

項目嘗試了基于語義??標注和基于深度學習的實體關系抽取?法。

（1）基于LTP語義角色標注的實體關系抽取

LTP（Language Technology Platform）是由哈爾濱工業?學開源的中??然語?處理?具，用戶可以使?這些?具對于中??本進?分詞、詞性標注、句法分析等等?作。Github：https://github.com/HIT-SCIR/ltp?

使?LTP提供的語義??標注分解句?：

上述例句被分解為了中?語（動詞：加?），主語A0（王俊昌），賓語A1（中國共產黨）和時間狀 語ARGM-TMP（1943年2?）。通過構建基于語義??標注的規則，可以從?本數據中提取符合規則的關系，準確度較?。但規則構建依賴??。

（2）基于OpenUE的實體關系抽取

OpenUE 是?個輕量級知識圖譜抽取?具，?于基于預訓練語言模型的知識圖譜抽取任務。Github：https://github.com/zjunlp/OpenUE?

使?OpenUE?具包和默認ske數據集訓練并執?抽取。在簡單句?中準確率較?，但是在所有?本 數據中的表現并不理想。原因可能是?本語句通常?較復雜，且句?間存在上下?關聯的情況。例如主 語缺失等。

（3）基于OpenNRE的人物關系抽取

OpenNRE 是?個開源且可擴展的工具包，它提供了一個統?的框架來實現關系提取模型。項?嘗 試使?基于OpenNRE的中?人物關系抽取，Github：https://github.com/taorui-plus/OpenNRE

按照上述Github項?的描述訓練模型并執?關系提取任務，結果同樣在簡單句型中表現良好，但在 多數復雜句型中出現了遺漏和錯誤。綜上所述，出于準確度、史實正確性優先的考慮，項目最終使?了基于語義??標注的實體關系抽取?法。

3、知識圖譜存儲

項目基于neo4j圖數據庫存儲實體關系數據。實體對象共3類：?物，組織（學校），成就（作品）。其中人物包含屬性：名稱、附加名稱、出?地、出??期、死亡?期、?作職責、名族、國籍（在華外籍?物）。實體關系共3個?類：相關?物、畢業于、創作。相關?物可細分為7個?類，21個具體關系，如下圖所示：

4、知識圖譜應用

項目最終成果使?BS形式部署上云。后端打包為Docker鏡像部署到阿?云ECI，前端部署到阿?云CDN。可以訪問 http://www.zjuwtx.work/project/kg 查看。

4.1 人物檢索

基本的?物檢索功能，查看?物屬性以及與其他實體間的關系。

4.2?圖譜推理

基于規則的圖譜推理，通過?定義Cypher腳本實現。包括關系推理和屬性補全。

4.3?知識眾包

考慮到數據來源有限，同時數據內容以及數據處理過程不可避免地會存在?些問題，導致了圖譜知識的缺失和錯誤。項目提供了知識眾包功能，所有?戶可以快速提交新增、修改數據的請求，在審核通過后會合并到現有的知識圖譜中。

---

OpenKG

OpenKG（中文開放知識圖譜）旨在推動以中文為核心的知識圖譜數據的開放、互聯及眾包，并促進知識圖譜算法、工具及平臺的開源開放。

點擊閱讀原文，進入 OpenKG 網站。

總結

以上是生活随笔為你收集整理的开源开放 | 中国近代历史人物知识图谱的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。