面向食品监管领域的知识图谱构建研究

该文提出了面向食品监管领域的知识图谱构建研究，通过整理食品监管领域的相关文件和政策，并进行实体识别、实体关系识别、实体对齐构建食品监管领域知识图谱。其中基于双向长短时记忆网络与条件随机场结合的BiLSTM-CRF模型进行实体识别，准确率达0.96;基于食品监管实体的归类结果，确定同标签的实体间的分类关系，并创建“文本-实体”矩阵，提取出包含某实体对的所有句子，归纳实体对之间的关系；通过聚类进行实体对齐，并基于Neo4j存储和呈现图谱。构建的食品监管知识图谱弥补了食品监管领域知识图谱研究的空白，提升了食品监管体系和监管能力现代化水平。