双语影视知识图谱的构建研究

王巍巍 王志刚 潘亮铭 刘阳 张江涛



双语影视知识图谱的构建研究

王巍巍 王志刚†潘亮铭 刘阳 张江涛

清华大学计算机科学与技术系知识工程实验室, 北京 100084; †通信作者, E-mail: wangzigo@gmail.com

提出一种双语影视知识图谱(BMKG)的构建流程。通过半自动化的方法构建了双语影视本体(BMO), 将各个影视数据源对齐到BMO, 以保持异构数据源的语义描述一致性。在知识链接方面, 在充分挖掘和利用领域特征的基础上, 采用基于Word2Vec和TFIDF两种向量模型的实体相似度计算方法, 使相似度特征增加一倍, 大大提升了模型的链接效果。在实体匹配方面, 提出基于相似度传播算法的实体匹配算法, 并利用影视数据源之间的内在联系, 克服了跨语言实体之间计算相似度的语言障碍。实验结果表明, 当阈值取到0.75以上时, 实体匹配的准确率都能达到90%左右。此外, 还建立了影视知识图谱共享平台, 并提供开放性的数据访问和查询接口。

影视本体; 双语; 知识图谱

随着互联网和智能设备的普及, 影视已经成为人们娱乐生活中不可或缺的一部分, 而互联网是人们最重要的影视信息来源之一。人们可以很方便地在优酷土豆、爱奇艺等视频网站上观影, 也可以在豆瓣电影、IMDB和百度百科等网站上获取影视以及评论信息。然而, 有些用户对影视信息有更深层次的需求, 比如制片公司、广告商等往往期望了解影视作品在人员、受众、时间、地域、收视率等不同维度上的统计信息。目前, 大部分影视挖掘算法和相关系统的分析效果通常依赖于背景知识库的质量, 因此工业界和研究领域均对高质量影视知识库有着非常迫切的需求。……