融合多粒度语义特征的煤矿安全事故知识图谱构建OA

煤矿安全事故相关数据体量庞大,但其利用率与结构化程度偏低,知识图谱技术的兴起为破解此类数据杂乱冗余的难题提供了全新思路。针对煤矿垂直领域知识图谱构建过程中语义信息挖掘不充分的问题,提出一种基于多粒度语义融合的煤矿安全事故知识图谱构建方法。首先,搜集整理煤矿安全事故报告等文本数据并开展预处理工作,基于七步法构建煤矿安全事故本体模型,并依据所构建的本体完成数据标注;其次,基于自注意力机制融合字符与词汇特征,对实体提取基线模型进行优化,同时引入依存矩阵与短语结构矩阵,改进关系提取任务的图神经网络架构;最后,开展基于多粒度语义特征的实体与关系提取实验,完成煤矿安全事故知识图谱的构建。实验结果表明:所提多粒度语义融合的实体关系提取模型,在煤矿安全事故实体提取任务中的F_(1)-score达到91.63%,关系提取的F_(1)-score达到90.64%。借助融合深层语义信息的自然语言处理技术,成功构建了煤矿安全事故领域知识图谱,有效提升了实体提取与关系提取模型的性能,为垂直领域知识图谱的构建提供了切实可行的技术方案与实践参考。