李子恒 叶育鑫 曹玲玲刘思培

(1.吉林大学a.计算机科学与技术学院；b.符号计算与知识工程教育部重点实验室,长春 130012；2.北方信息控制研究院集团有限公司 总体部,南京 211111)

0 引 言

Google 为了提高搜索引擎回复答案的质量,以及提升用户进行查询时的效率,于2012 正式推出了知识图谱(Knowledge Graph)[1]。在已知的知识图谱中,数据通常是以RDF(Resource Description Framework)三元组的形式进行存储[2],并使用基于RDF的查询语言SPARQL(Simple Protocol and RDF Query Language)[3]对知识图谱进行查询。

笔者利用SPARQL 查询语言,并使用基于模板匹配的查询语句转换算法使用户能直接对知识图谱进行查询,抽取所需的业务子图。抽取到满足条件的数据后,根据制定好的数据产品生成规则生成用户最终需要的数据产品。如使用基于指针生成网络(Pointer-generator networks)模型所提出的KG2TEXT 模型进行自然语言的生成；使用SSRS(Microsoft SQL Server Reporting Services)生成各类型图表；采用OpenXML SDK 创建Word 格式模板,生成报告文档等。

1 知识图谱及相关技术

知识图谱相比其他的知识表示方法具有更优秀的表达能力、更灵活的建模能力,不仅对人类易于识别,而且对机器也易于处理,自身还具备语义信息。利用这些优势,知识图谱在语义搜索、智能问答、个性化推荐和辅助决策等领域都得到了应用,且取得不错的效果。目前国内外的知识图谱应用主要有:互联网知识图谱,如FreeBase、DBpedia、OpenKg、zhishi.me；搜索引擎,如Magi；语义搜索,如百度知识图谱；问答系统,如watson 问答系统；辅助决策,如军事图谱辅助作战指挥、金融反欺诈、信贷审查等。

用户可以利用知识图谱更好更精确地查找到自己所需要的信息。……