基于深度学习的中共党史知识图谱构建

• 全文链接
• 请求原文

作   者：

岳文玉;  曹树金;  曹茹烨;  赵怡珑; 

作者机构：

山东理工大学;  中山大学管理学院;  中共福建省委党校; 

关键词：

大语言模型(LLM);  知识抽取;  中共党史;  知识图谱;  Bert4keras; 

期刊名称：

图书馆论坛

i s s n：

1002-1167

年卷期：

2025 年 45 卷 002 期

页   码：

22-34

摘   要：

利用深度学习技术对权威党史资料中大量且多类型的实体知识进行细粒度的知识组织和挖掘，有助于实现党史知识的二次增值，提高权威党史资料的利用效率。文章以党史学习教育用书出版座谈会指定的四本权威党史图书为主要数据集构建党史知识图谱，利用大语言模型、BERT模型、Word2vec等深度学习和可视化技术，提出从知识图谱框架构建、模式层构建、数据层构建到知识图谱存储与更新的较为完备的党史知识图谱构建方法。此方法可以实现党史实体知识之间的细粒度关联，完成知识图谱可视化展示和知识查询，方便用户对相关资源的精准利用，为深入学习研究提供参考。