杨波 廖怡茗

摘 要：[目的/意義]构建企业风险知识图谱，是对大数据环境下企业知识资源的有效组织和利用。针对现有企业知识图谱多为知识的静态映射问题，本文引入时间维度来刻画企业风险事件的动态性、突发性和时效性等演化特征。[方法/过程]经过企业风险知识的信息抽取、知识融合、本体构建以及动态知识推理等环节，自底向上系统性地构建了企业动态风险知识图谱。在企业风险知识融合阶段，针对企业领域数据集实体样本的不平衡分类问题，本文提出ResNet动态知识推理方法改进了Multi-Net模型的损失平衡函数。[结果/结论]实验表明该知识推理方法能够有效提高实体预测和关系预测的准确性，对于企业领域知识具有良好的适用性，最后本文将该知识图谱应用于一个智能问答系统。

关键词：企业动态风险;知识图谱;知识融合;动态知识推理

DOI：10.3969/j.issn.1008-0821.2021.03.011

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2021）03-0110-11

Research on the Construction and Application of

Knowledge Graph for Enterprise Dynamic Risk

Yang Bo Liao Yiming

（School of Information Management，Jiangxi University of Finance and Economics，Nanchang 330013，China）

Abstract：[Purpose/Significance]Constructing an enterprise risk knowledge graph is an effective organization and utilization of enterprise knowledge resources in a big data environment.Aiming at the problem of static mapping of existing enterprise knowledge graphs，this paper introduces the time dimension to describe the evolutionary characteristics of enterprise risk events such as dynamics，suddenness and timeliness.[Method/Process]Through information extraction，knowledge fusion，ontology construction and dynamic knowledge reasoning of enterprise risk knowledge，a bottom-up enterprise dynamic risk knowledge graph was systematically constructed.In the enterprise risk knowledge fusion link，aiming at the imbalanced classification problem of the entity samples of the enterprise domain data set，this paper proposed the ResNet dynamic knowledge reasoning method to improve the loss balance function of the Multi-Net model.[Result/Conclusion]Experiments showed that the new model could effectively improve the accuracy of entity prediction and relationship prediction，which had good applicability to enterprise domain knowledge.Finally，the knowledge graph was applied to an intelligent question answering system.

Key words：enterprise dynamic risk;knowledge graph;knowledge fusion;dynamic knowledge reasoning

随着Web技术普及和社会信息化程度的提高，Web技术正向着基于知识互联的语义Web方向发展，信息的多变性、异构性和自治性使得人们难以从海量信息中获取所需目标资源[1]。知识图谱以其强大的语义处理能力和开放互联能力，让大数据环境下的知识资源组织和管理更为高效，能够有效解决智能搜索、智能问答、个性化推荐等基于知识的推理和决策问题。知识图谱（Knowledge Graph）的概念最早在2012年由谷歌正式提出，是用于增强其搜索引擎功能的知识库，在智能搜索、情报分析、社交网络、深度问答以及垂直行业[2-3]等领域取得了广泛的应用，此后各互联网公司也纷纷推出各自的知识图谱产品。……