# 知识图谱：政务公文实体识别及知识图谱的构建
**Repository Path**: african-white-face/Government-Knowledge-Graph
## Basic Information
- **Project Name**: 知识图谱：政务公文实体识别及知识图谱的构建
- **Description**: 政务公文知识图谱
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 3
- **Forks**: 0
- **Created**: 2024-01-06
- **Last Updated**: 2024-04-10
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 政务公文的知识图谱构建研究
## 数据来源
该实验为政务公文命名实体识别，可以归纳为以下流程：
①使用python中的scrapy框架收集政府信息公开文件，并使用pandas对数据进行前期清洗；
②人工标明实体信息，按照合适百分比分割训练集，测试集，验证集；
③构建神经网络模型并进行训练，测试，通过调整不同参数，结果达到最优效果；
④分析结果，得到最优的实体识别模型。
本文数据为采集广西壮族自治区政府信息公开文件，5130条数据，共28.9M。对数据进行人工标注实体信息，采用BIO标注法，标注文件中的地点，组织，产品，时间，共4个实体类别。
前期人员要对训练集和测试集通过pandas清洗掉无用的数据，去重等，以免对数据标注和最终结果产生不必要的出入。
其次，本实验将在字符级别对文本进行编码，标记每个字符，并将每个字符的编号用作训练标签。非实体由O代表。将数据按照8:1:1分成训练集，测试集，验证集。
项目分为两部分，第一是命名实体识别，第二部分是关系抽取，并使用neo4j可视化。
## 命名实体识别
### 模型结构
### 模型参数
实验环境为Intel(R) Core(TM) i7-9750H，NVIDIA GeForce GTX 1650的GPU，内存为16G，硬盘容量TB。使用Python 3.7、Tensorflow 2.2.0、Keras 2.3.1的编译平台。
模型参数为Barth Size：64；Learning Rate：0.001；Embedding Size：200；Optimizer：Adam；Word Length：60；Epochs：30。
### 实验结果
## 知识图谱
### 关系抽取
### 构建知识图谱
