来源：期刊VIP网 时间：
作者：付燕;刘致豪;叶鸥;
单位：西安科技大学计算机科学与技术学院;
摘要：虽然知识图谱已广泛应用于各个领域，但在煤矿安全方面，尤其在煤矿井下不安全行为方面的研究较少。构建了一种自底向上的煤矿井下不安全行为知识图谱。首先，采用传统机器学习和深度学习算法相结合的方法进行命名实体识别，采用RoBERTa进行词语向量化，采用双向长短时记忆网络（BiLSTM）对向量进行标注，提高网络模型对上下文特征的捕捉能力，通过多层感知机（MLP）解决煤矿井下不安全行为数据集数据量不足的问题，采用条件随机场（CRF）模型解决前面存在的单词关系不识别问题，并捕获全文信息和预测结果。其次，根据语句的结构特点，设计了基于知识“实体-关系-实体”三元组的依存句法树结构，对井下不安全行为领域的知识资源进行知识抽取与表示。最后，构建面向井下不安全行为的知识图谱。实验结果表明：(1) RoBERTaBiLSTM-MLP-CRF模型对于导致结果、违反性行为、错误性行为及粗心性行为4类实体类别具有较好的识别效果，其准确率分别为86.7%,80.3%,80.7%,77.4%。(2)在相同的数据集下，RoBERTa-BiLSTM-MLP-CRF模型训练的准确率、召回率、F1值较RoBERTa-BiLSTM-CRF模型分别提高了1.6%,1.5%,1.6%。
关键词：井下不安全行为;知识图谱;依存句法;命名实体识别;知识三元组;知识融合;知识存储;词语向量化
基金资助：中国博士后科学基金项目（2020M673446）
