论文部分内容阅读
提出一种厨房饮食领域(食材和菜谱为主)的知识图谱构建方法,通过自上而下的方式构建厨房饮食中食材和菜谱相关的概念(Schema)层,从数据中进行实体抽取来构建实例层,数据包括半结构化和非结构化两种类型数据。对于非结构化数据,采用深度学习BiLSTM-CRF模型来进行食材功效、食材搭配功效和菜谱功效的实体抽取。实验结果表明,与传统的机器学习算法CRF相比,该模型确实能有效地提高实体识别的F值。通过食材实体的别名关系来进行食材之间的实体链接,通过计算菜谱实体相似度来进行菜谱实体的链接。厨房饮食知识图谱采用原生图数据库Neo4j来存储。