KG 构建 pipeline

1. 基于金融领域的Schema创建基础图谱

2. 基于抽取模型得到实体类型、属性/关系三元组

   • CCKS 2020:基于本体的金融知识图谱自动化构建评价 Baseline： https://github.com/wgwang/ccks2020-baseline/blob/master/ccks2020-baseline.ipynb。 针对现成抽取算法（抽取通用实体类型）+规则抽取（特定实体类型）生成一定规模的实体标注数据集并进行迭代式的模型训练，具体包括以下步骤：
     1. 语料的句子切分
     2. 匹配句子与 'FR2KG/seedKG/entities.json'中的初始的总实体集合，若句子中存在实体则加入到标注数据集中
     3. 微调Bert+CRF模型用于实体标注任务，
     4. 将模型预测的实体结果无重复的加入到总实体集合中，重复2、3，最终得到总实体集合
     5. 关系抽取：将总实体集合与语料句子匹配得到当前句子中出现的样本实体集合，根据'FR2KG/schema.json'指定的关系三元组，若头尾实体类型相同，根据顺序构建头尾；否则，直接查询一行文本段落出现的头尾实体，组成对应的三元组
     6. 属性抽取：针对'FR2KG/schema.json'中有属性的实体类型，对出现实体的语料段落，根据规则寻找属性

3. 图谱融合扩充

   1. 实体对齐（链接、消歧）
      例如小米、小米公司、小米集团、小米手机、小米手表等都将被归为小米实体，存在以下实体和关系三元组

      实体：(机构，小米) (产品，小米手机) (产品，小米手表)
      属性三元组：(小米，别名，小米公司)
      关系三元组：

      消歧：针对出现的实体“小米”，需要判断是“小米手机”还是“小米公司”，需根据上下文进行消歧
      链接：将文本中的实体链接到知识库中的相应实体，针对文本“”

4. 图谱更新

可能存在的问题

1. 研报的发布时间，可能存在信息滞后带来的部分属性偏差，需要及时准确的图谱更新

金融KG Schema说明

实体说明：

1. 研报：指研报本身，用研报的标题来表示
2. 指标：各类研报常用的金融指标，比如roe、eps、毛利率等
3. 人物：就是通常的人物
4. 机构：公司、企业、政府等都属于机构类型的实体
5. 产品：一般指公司生产的可以买卖的物品，也包括软件类产品。对于软件类等虚拟的产品来说，一般在交易的过程中会有产权的转移。
   • 存在属性“产权是否转移”
6. 业务：一般指服务类的业务，一般来说服务类的业务在进行交易的时候，产权没有发生转移。
   • 存在属性“产权是否转移”
7. 风险：研报中的风险提示
8. 文章：研报中引用的各类政策、报告、论文等文章
9. 行业：公司所隶属的行业
10. 品牌：公司所拥有的品牌，部分公司的品牌名和公司名会有重叠的，需要根据上下文识别出具体指代的是品牌还是公司本身。

补充关系 股票

关系：

• seed关系类别三元组数19，关系数：6091
• 补充关系：(机构，发布，研报) (股票, 属于, 行业)

当前存在的问题

• 基础图谱构建完成，但发现关系数多了20条，且schema也多了一些（cypher查询不到的类别三元组）