隨著5G技術(shù)的日趨成熟,運營商相關(guān)研究人員面臨著快速掌握5G相關(guān)知識的壓力,然而5G知識內(nèi)容種類繁多,知識面廣,如何高效地從5G協(xié)議中查詢到亟需學(xué)習(xí)的知識點是當(dāng)前亟待解決的問題,為了解決這一問題,本文基于知識圖譜及信息搜索方法構(gòu)建5G協(xié)議知識庫。由于網(wǎng)優(yōu)人員搜索相關(guān)知識一般只需得到與關(guān)鍵字相關(guān)的知識信息,而不必通曉全文,本文采用專業(yè)領(lǐng)域知識庫結(jié)合多種方法對信息進行抽取,建立術(shù)語的屬性、基本關(guān)系以及文本結(jié)構(gòu)的關(guān)系,同時采用Neo4j圖數(shù)據(jù)庫對構(gòu)建成的三元組進行存儲,極大地提高了搜索性能,本文將該知識圖譜運用到5G協(xié)議知識智能檢索中,并取得了很好的效果。 

【文章來源】：移動通信. 2020,44(08)

【文章頁數(shù)】：7 頁

【部分圖文】：

知識圖譜架構(gòu)設(shè)計

該系統(tǒng)結(jié)合了自然語言數(shù)據(jù)處理技術(shù)和圖數(shù)據(jù)庫,也提供了結(jié)果的可視化功能,從數(shù)據(jù)上說,本文的方法是與數(shù)據(jù)處理和領(lǐng)域?qū)＜抑R相結(jié)合的(如圖2),顯示了數(shù)據(jù)處理流程。該模型包含了如下步驟:

本文利用數(shù)據(jù)進行轉(zhuǎn)化、預(yù)處理、信息抽取和實體融合、知識圖譜的更新迭代等方法,構(gòu)建了網(wǎng)優(yōu)領(lǐng)域知識庫,實現(xiàn)了5G協(xié)議的知識引擎搜索功能,構(gòu)建了各種術(shù)語的概念、屬性以及相互之間的關(guān)系和協(xié)議文本結(jié)構(gòu)間的關(guān)系,并實現(xiàn)了5G協(xié)議的知識引擎搜索功能,便于網(wǎng)優(yōu)工作人員的查找和理解。本文所提出的模型適用于特殊領(lǐng)域因標注數(shù)據(jù)較少,文檔數(shù)據(jù)較難提取而導(dǎo)致無法構(gòu)建知識圖譜的場景。此外,本文也可以推廣到網(wǎng)優(yōu)其他領(lǐng)域進行知識圖譜構(gòu)建,比如網(wǎng)優(yōu)根因定位等問題,在下一步的研究計劃中,可以從兩方面對該系統(tǒng)進行改進,第一:建立5G協(xié)議術(shù)語之間更多的關(guān)系,補充知識圖譜,使知識圖譜更加準確和完整;第二:增加知識推理規(guī)則,能提高知識的精準度,而且利用規(guī)則建立更多的關(guān)系。

【參考文獻】：
期刊論文
[1]基于BILSTMCRF的知識圖譜實體抽取方法[J]. 翟社平,段宏宇,李兆兆.  計算機應(yīng)用與軟件. 2019(05)
[2]知識圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計算機研究與發(fā)展. 2016(03)



本文編號：3245383