在2020年CCKS（全國知識圖譜與語義計(jì)算大會）舉辦的“基于本體的金融知識圖譜自動化構(gòu)建技術(shù)評測”中，我們團(tuán)隊(duì)提出的方案最終取得了第五名的成績。該評測任務(wù)聚焦于金融領(lǐng)域，要求參賽者利用給定的非結(jié)構(gòu)化文本和預(yù)定義的金融本體，自動化地抽取實(shí)體、關(guān)系及屬性，以構(gòu)建結(jié)構(gòu)化的知識圖譜。本文旨在我們的核心方法，并探討其在更廣泛場景下的推廣潛力。

方法融合與迭代的自動化構(gòu)建流程

我們的方法并非依賴單一的模型或技巧，而是構(gòu)建了一個多階段、多模型協(xié)同的流水線系統(tǒng)，核心思想是“融合先驗(yàn)、迭代優(yōu)化”。主要步驟如下：

1. 本體引導(dǎo)的實(shí)體識別與分類：
金融本體提供了嚴(yán)謹(jǐn)?shù)母拍顚哟魏图s束，這是寶貴的先驗(yàn)知識。我們采用基于BERT的序列標(biāo)注模型進(jìn)行命名實(shí)體識別（NER），但關(guān)鍵創(chuàng)新在于將本體中的類別信息（如“公司”、“金融產(chǎn)品”、“人物”）融入到模型的訓(xùn)練中。我們構(gòu)建了一個本體感知的標(biāo)簽體系，并在輸入層通過特殊標(biāo)記或特征嵌入的方式，讓模型“感知”到當(dāng)前文本片段可能涉及的金融概念，從而提升了對專業(yè)術(shù)語和歧義實(shí)體的識別準(zhǔn)確率。

2. 關(guān)系與屬性的聯(lián)合抽取：
針對金融文本中實(shí)體關(guān)系緊密交織的特點(diǎn)，我們沒有將關(guān)系抽取和屬性抽取完全割裂。我們設(shè)計(jì)了一個基于指針網(wǎng)絡(luò)的聯(lián)合抽取模型。該模型以識別出的實(shí)體對和上下文為輸入，同時(shí)預(yù)測關(guān)系類型和屬性值。這種方法能有效捕捉關(guān)系與屬性之間的內(nèi)在聯(lián)系，例如，“A公司控股B公司（關(guān)系）”與“持股比例（屬性）”常常同時(shí)出現(xiàn)，聯(lián)合建模減少了誤差傳播。

3. 基于規(guī)則與一致性校驗(yàn)的后處理：
純端到端的深度學(xué)習(xí)模型在處理復(fù)雜金融邏輯時(shí)仍有不足。我們引入了一個后處理模塊，利用本體中定義的概念不相交性、屬性值域等約束，以及人工的少量高質(zhì)量規(guī)則，對自動抽取的結(jié)果進(jìn)行校驗(yàn)和修正。例如，檢查“成立日期”屬性的格式是否符合時(shí)間規(guī)范，或根據(jù)“是...的子公司”關(guān)系推斷并補(bǔ)全反向的“擁有子公司”關(guān)系，確保圖譜的邏輯一致性。

4. 迭代式知識融合與自增強(qiáng)：
這是我們的核心優(yōu)化策略。初始構(gòu)建的圖譜難免存在噪聲和缺失。我們設(shè)計(jì)了一個輕量級的迭代流程：將首輪抽取結(jié)果中置信度較高的部分（如高概率實(shí)體和關(guān)系）作為“準(zhǔn)知識”，反哺給后續(xù)的抽取模型。在第二輪處理時(shí)，模型能夠參考這些已存在的知識來理解上下文，從而提升對模糊提及或長距離依賴關(guān)系的抽取能力。這種“抽取-融合-再抽取”的閉環(huán)，有效實(shí)現(xiàn)了系統(tǒng)的自我增強(qiáng)。

技術(shù)推廣：超越金融領(lǐng)域的通用化啟示

雖然本次評測聚焦金融，但我們的方法框架具有向其他垂直領(lǐng)域推廣的普適價(jià)值。

• 領(lǐng)域適配性強(qiáng)：其核心在于“領(lǐng)域本體+深度學(xué)習(xí)+邏輯規(guī)則”的融合范式。對于醫(yī)療、法律、工業(yè)等任何擁有或可以構(gòu)建領(lǐng)域本體的場景，只需將預(yù)訓(xùn)練模型（如BERT）替換為領(lǐng)域預(yù)訓(xùn)練模型（如BioBERT、Legal-BERT），并導(dǎo)入對應(yīng)的領(lǐng)域本體，整個流水線的主體架構(gòu)可快速復(fù)用。本體作為領(lǐng)域知識的“骨架”，確保了構(gòu)建過程的方向性和專業(yè)性。

• 解決數(shù)據(jù)稀缺問題：在多數(shù)專業(yè)領(lǐng)域，高質(zhì)量的標(biāo)注數(shù)據(jù)稀缺。我們的方法通過充分利用本體（一種結(jié)構(gòu)化知識）來引導(dǎo)和監(jiān)督數(shù)據(jù)驅(qū)動的模型，降低了對海量標(biāo)注數(shù)據(jù)的依賴。迭代自增強(qiáng)機(jī)制也能在一定程度上利用模型自身產(chǎn)出的高置信結(jié)果來擴(kuò)充訓(xùn)練數(shù)據(jù)，緩解冷啟動問題。

• 提升圖譜質(zhì)量與可用性：后處理中的一致性校驗(yàn)環(huán)節(jié)至關(guān)重要，它直接關(guān)系到產(chǎn)出圖譜的邏輯質(zhì)量，是知識圖譜能否應(yīng)用于風(fēng)控、問答、推理等下游任務(wù)的關(guān)鍵。這一環(huán)節(jié)的設(shè)計(jì)思想可以推廣到任何對數(shù)據(jù)質(zhì)量要求嚴(yán)苛的應(yīng)用中。

• 擁抱大模型時(shí)代的新機(jī)遇：在當(dāng)前大語言模型（LLM）興起的背景下，我們的框架可以進(jìn)一步升級。例如，可以利用LLM強(qiáng)大的零樣本/少樣本理解能力，替代或輔助傳統(tǒng)的NER和關(guān)系抽取模型，尤其是在處理復(fù)雜、隱含的關(guān)系時(shí)。本體則可以作為約束和引導(dǎo)LLM生成的結(jié)構(gòu)化“思維框架”，確保其輸出符合領(lǐng)域規(guī)范，避免“幻覺”，實(shí)現(xiàn)“大模型感知能力”與“本體領(lǐng)域知識”的強(qiáng)強(qiáng)聯(lián)合。

###

在CCKS2020評測中取得第五名，是對我們提出的“本體引導(dǎo)、聯(lián)合抽取、規(guī)則校驗(yàn)、迭代增強(qiáng)”技術(shù)路線的有效驗(yàn)證。該方法平衡了數(shù)據(jù)驅(qū)動與知識驅(qū)動的優(yōu)勢，在保證自動化程度的顯著提升了金融知識圖譜構(gòu)建的準(zhǔn)確性與一致性。其模塊化的設(shè)計(jì)理念和融合核心思想，為在更多數(shù)據(jù)有限但知識豐富的垂直領(lǐng)域，進(jìn)行高效、可靠的知識圖譜自動化構(gòu)建，提供了可借鑒、可推廣的解決方案。結(jié)合大模型等新技術(shù)，這一框架有望釋放出更大的潛力。