隨著5G技術(shù)的日趨成熟,運(yùn)營(yíng)商相關(guān)研究人員面臨著快速掌握5G相關(guān)知識(shí)的壓力,然而5G知識(shí)內(nèi)容種類繁多,知識(shí)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(shí)點(diǎn)是當(dāng)前亟待解決的問(wèn)題,為了解決這一問(wèn)題,本文基于知識(shí)圖譜及信息搜索方法構(gòu)建5G協(xié)議知識(shí)庫(kù)。由于網(wǎng)優(yōu)人員搜索相關(guān)知識(shí)一般只需得到與關(guān)鍵字相關(guān)的知識(shí)信息,而不必通曉全文,本文采用專業(yè)領(lǐng)域知識(shí)庫(kù)結(jié)合多種方法對(duì)信息進(jìn)行抽取,建立術(shù)語(yǔ)的屬性、基本關(guān)系以及文本結(jié)構(gòu)的關(guān)系,同時(shí)采用Neo4j圖數(shù)據(jù)庫(kù)對(duì)構(gòu)建成的三元組進(jìn)行存儲(chǔ),極大地提高了搜索性能,本文將該知識(shí)圖譜運(yùn)用到5G協(xié)議知識(shí)智能檢索中,并取得了很好的效果。 

【文章來(lái)源】：移動(dòng)通信. 2020,44(08)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

知識(shí)圖譜架構(gòu)設(shè)計(jì)

該系統(tǒng)結(jié)合了自然語(yǔ)言數(shù)據(jù)處理技術(shù)和圖數(shù)據(jù)庫(kù),也提供了結(jié)果的可視化功能,從數(shù)據(jù)上說(shuō),本文的方法是與數(shù)據(jù)處理和領(lǐng)域?qū)＜抑R(shí)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(jìn)行轉(zhuǎn)化、預(yù)處理、信息抽取和實(shí)體融合、知識(shí)圖譜的更新迭代等方法,構(gòu)建了網(wǎng)優(yōu)領(lǐng)域知識(shí)庫(kù),實(shí)現(xiàn)了5G協(xié)議的知識(shí)引擎搜索功能,構(gòu)建了各種術(shù)語(yǔ)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(shí)現(xiàn)了5G協(xié)議的知識(shí)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(biāo)注數(shù)據(jù)較少,文檔數(shù)據(jù)較難提取而導(dǎo)致無(wú)法構(gòu)建知識(shí)圖譜的場(chǎng)景。此外,本文也可以推廣到網(wǎng)優(yōu)其他領(lǐng)域進(jìn)行知識(shí)圖譜構(gòu)建,比如網(wǎng)優(yōu)根因定位等問(wèn)題,在下一步的研究計(jì)劃中,可以從兩方面對(duì)該系統(tǒng)進(jìn)行改進(jìn),第一:建立5G協(xié)議術(shù)語(yǔ)之間更多的關(guān)系,補(bǔ)充知識(shí)圖譜,使知識(shí)圖譜更加準(zhǔn)確和完整;第二:增加知識(shí)推理規(guī)則,能提高知識(shí)的精準(zhǔn)度,而且利用規(guī)則建立更多的關(guān)系。

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



本文編號(hào)：3245383