面向航空维护知识图谱构建的跨文档实体消歧方法研究

《IEEE Access》：Hierarchical Entity Disambiguation for Aviation Maintenance Knowledge Graph Construction: A Multi-Relational CRF Approach

　　

摘要：

本文提出了一种系统性方法，用于从非结构化文本中构建航空维护知识图谱（KGs）的实体消歧核心，解决了跨文档实体消歧的关键挑战。我们开发了一个三阶段流程：（1）针对核心的五类航空本体，采用领域适应的双向长短时记忆与条件随机场（BiLSTM-CRF）进行命名实体识别（NER）；（2）基于Canopy的索引技术，以在集体推理之前减少候选实体数量；（3）利用多关系CRF和基于图的消歧机制，揭示飞机、系统及部件之间的层次关系。本研究的实证评估重点关注了推动知识图谱构建的两个基础任务：NER和实体链接。在包含73篇文档的航空基准数据集上，NER任务的精确跨度F1值为89.6%。在209个标注的实体链接实例中，所提出的多关系CRF方法达到了69.1%的精确度、58.9%的召回率和63.6%的F1值，与强大的词汇基线方法相当，同时保持了结构化的推理能力。一个配套的可复现性包提供了本研究中使用的数据划分、评估脚本、定量结果以及图表生成工作流程。