Information extraction and knowledge graph construction from geoscience literature

ادبیات علوم زمین به صورت آنلاین منتشر می شود بخش مهمی از داده های باز است و هر دو چالش ها و فرصت ها را برای تجزیه و تحلیل داده ها به ارمغان می آورد. در مقایسه با مطالعات علوم زمین شناسی عددی، کارهای محدودی در استخراج اطلاعات و کشف دانش از داده های علوم زمین شناسی وجود دارد. این مقاله یک جریان کاری و چند نمونه تجربی تجربی برای این موضوع را ارائه می دهد، با تمرکز بر اسناد نوشته شده در چینی. ابتدا ما یک ترکیب ترکیبی از اصطلاحات عمومی و زمین شناسی را از واژه نامه های زمین شناسی ترکیب می کنیم تا قوانین تقسیم بندی کلمه چینی مدل مدل های تصادفی شرطی را آموزش دهند. دوم، ما از قوانین تقسیم بندی کلمه برای تجزیه اسناد به کلمات فردی استفاده کردیم و کلمات متوقف شده را از نتایج تقسیم بندی حذف کردیم تا ساختار متشکل از محتوای کلمات را حذف کنیم. سوم، ما از یک روش آماری برای تجزیه و تحلیل رابطه معناشناختی بین کلمات محتوا استفاده کردیم و ما نمودار وتر و نمودار بزرگتر را انتخاب کردیم تا محتوای کلمات و لینکهایشان را به صورت گره ها و لبه ها در گراف آگاهی تجسم نماییم. نمودار حاصل نمای کلی از اطلاعات کلیدی در یک سند بدون ساختار را نشان می دهد. این مطالعه اثربخشی جریان کار طراحی شده را نشان می دهد و توانایی استفاده از پردازش زبان طبیعی و فن آوری گراف دانش را برای علوم زمین نشان می دهد.