一种中国古典文学文本知识图谱构建方法

杨 泽 ，顾 磊

(南京邮电大学 计算机学院，江苏 南京 210023)

0 引 言

自从2012年谷歌提出知识图谱(Knowledge Graph)[1]的概念后，越来越多的研究围绕知识图谱构建展开。目前对知识图谱的研究应用主要包含通用知识图谱和垂直领域知识图谱。典型的通用知识图谱包括用于研究领域的DBpedia[2]、YAGO[3]、Freebase[4]等以及用于工程领域的谷歌“Knowledge Graph”、百度“知心”、搜狗“知立方”等。典型的领域知识图谱包括医学病理领域知识图谱CMeKG[5]、地理信息领域知识图谱Geonames、企业领域知识图谱“天眼查”等。知识图谱构建的首要关键步骤就是知识抽取，根据数据来源包含非结构化、半结构化以及结构化数据。通常非结构化数据的处理是难点，以文本为代表的非结构化数据需要进行预处理，如先进行分词与词性标注[6]。古典文学文本的图谱构建就属于非结构化的，由于中古典文学的知识图谱相关研究较少，通常需要大量的人工标注工作。特别是以中国古典文学为代表的古文面临更多的困难，因为古文注重典故、骈骊对仗、音律工整，语法和用词方面相对于现代文更加复杂和讲究，使得计算机很难识别有意义的词语的边界。

通常已有的古文方面的知识图谱构建大都基于规则抽取。文献[7]以农业古籍本体的构建为例，从专业文本及专业词典中抽取关键词，得到本体概念集合，利用软件工具Protégé进行本体构建，并采用Jena实现了对该本体的可视化浏览及检索。文献[8]以《二十四史》为资源基础，利用基于词典的技术和规则模式匹配技术来标注与获取文本中的命名实体及关系，并开发“中华基本史籍分析系统”提供检索。……