基于需求文档和图神经网络的需求知识图谱构建方法

知识图谱可以将大量不同种类信息连成一个语义网络，为人工智能相关的研究提供了从“关系”层面解释分析问题的能力。因此，构建各领域知识图谱成了近年来的研究热点。然而对于服务需求领域知识图谱的构建研究较少，针对这一现状，本文提出了一种基于需求文档和图神经网络的需求知识图谱构建方法，该方法以100条公司真实需求文档为数据源，结合传统自然语言处理方法和图神经网络分类模型，通过知识抽取、人工标注、需求特征编码、需求分类、需求图谱存储和可视化等5个步骤来进行服务需求领域知识图谱的构建。实验表明该方法可以有效地从大量非结构化需求文档中提取到需求语义信息，并通过图神经网络分类模型较准确地识别需求意图，从而结合图数据库和可缩放矢量图可视化技术将需求图谱进行轻量级存储和可视化展示。

知识图谱是谷歌在2012 年提出的一种语义网络， 是用图的形式来展示知识和客观世界万物之间的关联关系的一种技术[1]，在图书情报界被称为知识域可视化或知识领域映射地图。知识图谱是由边和节点组成。节点是一个概念实体，如苹果、人名、自然语言处理，知识图谱。边则是概念实体的相关属性或者实体之间的关系，如英文名、引用等。知识图谱最早的应用是用来提升浏览器搜索引擎的能力，随着知识表示和机器学习等技术的发展，知识图谱也得到了突破性的进展，近年来被应用于一些前沿领域。

例如知识图谱被广泛应用于人机问答交互中，在我们日常生活中常见到的小爱同学、siri、天猫精灵等都有海量的知识图谱作为支撑。知识图谱技术也被应用于辅助进行大数据的分析，被当作先验知识从海量文本中抽取实体和关系，用来增强数据之间的关联性，使得我们可以以知识图谱这种直观的方式对数据进行关联的数据挖掘和分析。此外，知识图谱还被用于物联网设备的互联、可解释性人工智能等多个研究点，体现出了知识图谱具有丰富的应用价值。