刘 昕，白婷婷，张淯舒，钱茛南，何旭莉，席永轲

（1.中国石油大学（华东）计算机科学与技术学院，山东 青岛 266580；2.中国电子科技集团公司信息科学研究院，北京 100086）

0 概述

随着人工智能［1］和大数据技术［2］的发展，知识图谱［3-4］的构建成为当今的研究热点之一。知识图谱可以高效地组织结构化的知识，通过对知识图谱的检索［5］，不但能够快速准确地查询出人们所需要的相关信息，而且在深度问答［6］、社交网络［7］、行业应用［8-9］等领域发挥着越来越重要的作用。对于当前各级政府的各个部门，部门之间存在着隶属、合作、职能交叉等多种关系，对部门之间的关系进行梳理，构建知识图谱能够更好地发挥各个部门的职能，加强部门之间的合作与联系，提高各部门的办事效率。

随着各领域中数据量的不断增加和行业态势的演变，领域知识图谱［10］需要不断地丰富与扩展，传统知识图谱的构建过程［11］是通过专家和知识工程师完成的，实体之间隐藏的关系没有得到体现，存在领域知识的不完整性和片面性。针对当前构建知识图谱存在的问题，采用数据挖掘的方法分析与实体相关的数据，进一步挖掘出2 个实体之间隐藏的深层次关系，对丰富知识图谱尤为重要。因此，本文基于市长信箱诉求数据，采用实体关联与主题分析的方法挖掘在市长信箱数据隐藏的部门之间存在的关系，并将新发现的关系融合到原有知识图谱中，实现知识图谱的潜在关系扩展。

1 相关工作

在知识图谱初步构建后，仍然存在大量的隐含知识未得到体现，这些潜在的知识对知识图谱中的关系抽取［12］和语义检索［13］等其他研究有很大的帮助。……