[发明专利]一种基于知识图谱的危险化学品库构建方法

说明书

本发明涉及一种基于知识图谱的危险化学品库构建方法，包括步骤：步骤1、构建危险化学品数据集；步骤2：根据建立化学品知识图谱的内容确定化学品的基础属性，确定使用到的事故风险信息；步骤3、建立抽取风险信息模型：设计以AlBert为预训练模型的神经网络模型作为抽取风险信息模型。本发明的有益效果是：利用深度学习的强大表达能力在描述危险化学品的风险信息中抽取四个部分，训练模型后就可以直接提取所有的数据，免去了人工对文本信息筛选的步骤；避免在训练过程中只关注周围而不关注全局的问题，可以更加有效地在句子抽取正确的实体；以知识图谱的形式将化学品的各类信息存储在知识库中，更方便进行查阅。

技术领域

本发明属于化学领域和知识图谱领域，尤其涉及自然语言处理中实体抽取方法，尤其涉及一种基于知识图谱的危险化学品库构建方法。

背景技术

近年来，各种影响恶劣的突发化学事故在我国时有发生，每年发生的危化品安全事件有千余起。然而危险化学品又是遍及国家经济建设和人民生活领域的各个方面，其在生产、储存、运输和使用等方面都有可能发生危险事件。

化工企业涉及化学危险品的单位很多，生产、经营、贮存、运输、使用、报废等各个环节的从业单位达数千家，它们在各个省内分散广泛且绝大多数企业规模较小，这样严峻的形势对安全生产管理提出了更高的要求。提高对危化品的监管能力，建立完善的危化品制造、运输、储存方面的管理体系对预防危化品爆炸事件、泄露事件都有十分积极的意义。

然而当前危险化学品信息知识库中的数据都比较分散，不具有关联性，化学品之间的联系在知识库中体现的也不够明显，没有建立直接的点对点联系。

知识图谱是一种用图模型来描述的技术方法，用节点和边来描述知识和事务之间的关联关系。知识图谱可以将现实中的事物、知识、事件以及他们之间的关系用图网络联系在一起，使他们的相关性在计算机模型中体现得更为具体。对于无结构的文本，建立一个知识图谱往往要从其中抽取出实体、关系和事件等相关信息。

在当前智慧城市和互联网时代的大背景下，如何利用互联网技术和深度学习技术形成建立危险化学品知识图谱的方法是一个值得研究的课题。