在2020年CCKS（全國知識圖譜與語義計算大會）舉辦的“基于本體的金融知識圖譜自動化構(gòu)建技術評測”中，我們團隊提出的方案最終取得了第五名的成績。該評測任務聚焦于金融領域，要求參賽者利用給定的非結(jié)構(gòu)化文本和預定義的金融本體，自動化地抽取實體、關系及屬性，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、迭代優(yōu)化”。主要步驟如下：

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

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

3. 基于規(guī)則與一致性校驗的后處理：
純端到端的深度學習模型在處理復雜金融邏輯時仍有不足。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)果進行校驗和修正。例如，檢查“成立日期”屬性的格式是否符合時間規(guī)范，或根據(jù)“是...的子公司”關系推斷并補全反向的“擁有子公司”關系，確保圖譜的邏輯一致性。

4. 迭代式知識融合與自增強：
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。我們設計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（如高概率實體和關系）作為“準知識”，反哺給后續(xù)的抽取模型。在第二輪處理時，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系的抽取能力。這種“抽取-融合-再抽取”的閉環(huán)，有效實現(xiàn)了系統(tǒng)的自我增強。

技術推廣：超越金融領域的通用化啟示

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域推廣的普適價值。

• 領域適配性強：其核心在于“領域本體+深度學習+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)建領域本體的場景，只需將預訓練模型（如BERT）替換為領域預訓練模型（如BioBERT、Legal-BERT），并導入對應的領域本體，整個流水線的主體架構(gòu)可快速復用。本體作為領域知識的“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)領域，高質(zhì)量的標注數(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）來引導和監(jiān)督數(shù)據(jù)驅(qū)動的模型，降低了對海量標注數(shù)據(jù)的依賴。迭代自增強機制也能在一定程度上利用模型自身產(chǎn)出的高置信結(jié)果來擴充訓練數(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環(huán)節(jié)至關重要，它直接關系到產(chǎn)出圖譜的邏輯質(zhì)量，是知識圖譜能否應用于風控、問答、推理等下游任務的關鍵。這一環(huán)節(jié)的設計思想可以推廣到任何對數(shù)據(jù)質(zhì)量要求嚴苛的應用中。

• 擁抱大模型時代的新機遇：在當前大語言模型（LLM）興起的背景下，我們的框架可以進一步升級。例如，可以利用LLM強大的零樣本/少樣本理解能力，替代或輔助傳統(tǒng)的NER和關系抽取模型，尤其是在處理復雜、隱含的關系時。本體則可以作為約束和引導LLM生成的結(jié)構(gòu)化“思維框架”，確保其輸出符合領域規(guī)范，避免“幻覺”，實現(xiàn)“大模型感知能力”與“本體領域知識”的強強聯(lián)合。

###

在CCKS2020評測中取得第五名，是對我們提出的“本體引導、聯(lián)合抽取、規(guī)則校驗、迭代增強”技術路線的有效驗證。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)建的準確性與一致性。其模塊化的設計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域，進行高效、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，這一框架有望釋放出更大的潛力。