知识图谱作为一个高度互联的语义网络,在智能化服务中发挥着重要作用。但是,复杂的语义关系给知识融合带来了巨大的挑战,导致实体匹配计算时精度较低。为此,本文对知识融合中的知识嵌入和实体对齐技术进行研究,通过注意力机制加强实体和关系的语义特征,并在实体匹配计算时通过联合类型匹配提升融合对齐的准确率。本文主要工作和贡献如下:(1)提出了基于翻译和注意力机制的知识嵌入模型。传统翻译模型只建模了三元组内部结构特性,导致链接预测时精度较低。本文利用全局注意力机制为实体表示分配属性节点特征,利用自注意力机制处理标签词序列为关系表示融入文本特征,解决了实体和关系表示语义特征不足的缺点。实验表明本文方法相比TransE、TransH、TransR等传统翻译模型能有效提升知识表示的质量。(2)提出了联合类型匹配的跨知识图谱实体对齐模型。现有基于知识嵌入的方法仅根据实体向量的相似度进行匹配计算,导致实体对齐精度较低。本文利用实体类型特征,在对齐模型上附加类型匹配约束来加强选择条件,同时运用迭代实体对齐方法克服标注数据少的问题。实验表明本文方法相比JE、MTransE、IPTransE等方法能有效提升实体对齐的精确率。(3)实现了公共安全领域中文知识图谱的构建系统。目前的知识图谱大多属于通用类,无法满足特定领域需求,本文面向公共安全领域设计并完成了领域数据获取、知识抽取、知识存储和知识融合等模块,形成了一个初具规模的特定领域知识图谱,为智能化服务应用提供了技术支持。