杜艮魁

摘 要：手機(jī)動畫自動生成系統(tǒng)將中文短信作為輸入，經(jīng)過信息抽取、情節(jié)規(guī)劃、定量計(jì)算和實(shí)時(shí)渲染之后，生成一段可以表現(xiàn)短信內(nèi)容的動畫。其中情節(jié)規(guī)劃決定了動畫對短信內(nèi)容的表現(xiàn)方式，是動畫系統(tǒng)的重要組成部分。當(dāng)前動畫系統(tǒng)情節(jié)規(guī)劃模塊僅僅基于動畫課題組建立的動畫本體庫，實(shí)體及實(shí)體關(guān)系較少，能夠進(jìn)行的情節(jié)規(guī)劃十分有限。為豐富情節(jié)規(guī)劃可使用的語義信息，構(gòu)建了DBpedia數(shù)據(jù)集與動畫本體庫之間的實(shí)體鏈接，并在情節(jié)規(guī)劃過程中以DBpedia數(shù)據(jù)集作為背景知識，實(shí)現(xiàn)基于DBpedia的動畫情節(jié)規(guī)劃。實(shí)驗(yàn)表明，平均每條短信獲取備選場景的數(shù)量提升了33%，獲取短信相關(guān)模型的數(shù)量提升了37%，基于DBpedia的情節(jié)規(guī)劃能夠顯著提高情節(jié)規(guī)劃的多樣性。

關(guān)鍵詞：動畫自動生成;情節(jié)規(guī)劃;實(shí)體鏈接;DBpedia;背景知識

0 引言

20世紀(jì)90年代，中科院數(shù)學(xué)所陸汝鈐院士[1]首次提出了全過程計(jì)算機(jī)輔助動畫自動生成技術(shù)。該技術(shù)以受限語言作為輸入，將人工智能技術(shù)、圖形學(xué)和電影藝術(shù)相結(jié)合，全自動進(jìn)行動畫生成。整個(gè)過程不需要人工干預(yù)，由計(jì)算機(jī)自動完成，因此可提高動畫成片效率。中科院張松懋研究員[2]提出將動畫自動生成技術(shù)應(yīng)用在手機(jī)短信上，并完成了手機(jī)動畫自動生成系統(tǒng)的初始版本。該系統(tǒng)通過對發(fā)送方的短信進(jìn)行信息抽取、情節(jié)規(guī)劃、定量計(jì)算和實(shí)時(shí)渲染處理后，最終生成表現(xiàn)短信內(nèi)容的動畫并發(fā)送給短信接收方。

動畫系統(tǒng)的情節(jié)規(guī)劃模塊銜接了信息抽取和定量計(jì)算，實(shí)現(xiàn)對短信內(nèi)容的設(shè)計(jì)，包括場景模型規(guī)劃、音樂規(guī)劃、動作規(guī)劃、特效規(guī)劃、色彩燈光規(guī)劃、空間布局規(guī)劃、攝像機(jī)規(guī)劃等。情節(jié)規(guī)劃以動畫本體庫為知識基礎(chǔ)[3]，本體庫中實(shí)體和關(guān)系的數(shù)量將對情節(jié)規(guī)劃效果產(chǎn)生直接影響。

Linked Open Data（LOD）是一個(gè)開放、互聯(lián)的數(shù)據(jù)集集合，包含音樂、電影、醫(yī)學(xué)和跨領(lǐng)域等各種類型的數(shù)據(jù)集[4]，部分?jǐn)?shù)據(jù)集如圖1所示。其中DBpedia是最大且應(yīng)用最廣泛的跨領(lǐng)域數(shù)據(jù)集之一[5]，內(nèi)容為Wikipedia中抽取的結(jié)構(gòu)化數(shù)據(jù)，包含豐富的語義信息，因此在很多應(yīng)用中被用作背景知識來源[6]。

本文旨在通過構(gòu)建動畫本體庫與DBpedia之間的實(shí)體鏈接，在情節(jié)規(guī)劃過程中使用DBpedia作為背景知識提高情節(jié)規(guī)劃效果。

1 相關(guān)研究

Tim Berners-Lee[7-8]將語義網(wǎng)定義為“被機(jī)器理解的數(shù)據(jù)網(wǎng)絡(luò)”，該技術(shù)可增強(qiáng)計(jì)算機(jī)對數(shù)據(jù)的處理能力。自2012年谷歌發(fā)布知識圖譜（Knowledge Graph）以來[9]，推動了語義網(wǎng)技術(shù)在搜索和推薦等領(lǐng)域的研究和商業(yè)化應(yīng)用[10-12]。

動畫系統(tǒng)情節(jié)規(guī)劃基于語義網(wǎng)技術(shù)[13]，并使用本體編輯器protégé構(gòu)建了動畫本體庫。目前，動畫本體庫包括場景庫、模型庫、音樂庫、動作庫、空間布局庫和攝像機(jī)庫等，主要為描述動畫生成手段的類、實(shí)體、屬性和關(guān)系三元組，數(shù)據(jù)統(tǒng)計(jì)如表1所示。由于動畫本體庫實(shí)體和關(guān)系較少，因此能夠進(jìn)行的情節(jié)規(guī)劃十分有限。

DBpedia是從 Wikipedia中抽取的結(jié)構(gòu)化數(shù)據(jù)，可通過SPARQL終端查詢或直接下載。Wikipedia文章之間的相互引用為DBpedia抽取海量關(guān)系提供了數(shù)據(jù)基礎(chǔ)。目前DBpedia包含760個(gè)類、62 025個(gè)屬性、400多萬個(gè)實(shí)體和9.5億多個(gè)關(guān)系三元組，其主要類型的實(shí)體數(shù)量統(tǒng)計(jì)如表2所示。

DBpedia包含了大量的語義信息，因此各種應(yīng)用常使用DBpedia對業(yè)務(wù)數(shù)據(jù)進(jìn)行實(shí)體鏈接以獲取該數(shù)據(jù)的語義信息。DBpedia lookup提供了基于關(guān)鍵字的實(shí)體搜索服務(wù)，該服務(wù)使用類型作為搜索限制，并基于相關(guān)度對結(jié)果進(jìn)行排序。DBpedia Spotlight是一種將非結(jié)構(gòu)化信息鏈接到 DBpedia實(shí)體上的解決方案[14]，該工具可自動使用DBpedia URI對文本中實(shí)體進(jìn)行注釋。通過分析數(shù)據(jù)特點(diǎn)，構(gòu)造SPARQL語句查詢對應(yīng)的實(shí)體，是一種常用的針對DBpedia數(shù)據(jù)集實(shí)體鏈接方案[15]。此外，DBpedia本身也和很多開源數(shù)據(jù)集之間存在著豐富的鏈接，例如與yago[16]之間的關(guān)系三元組有18 100 000多個(gè)，這些數(shù)據(jù)可作為被鏈接實(shí)體的語義信息來源。

在進(jìn)行實(shí)體鏈接之前常常需要對數(shù)據(jù)進(jìn)行預(yù)處理，以減小不同數(shù)據(jù)集的格式、命名規(guī)范和同義詞等因素對實(shí)體鏈接造成的影響[17]。Natural Language Toolkit（NLTK）是一個(gè)開源的自然語言處理框架[18]，可以對文本數(shù)據(jù)進(jìn)行分詞、詞干提取、詞性標(biāo)記等處理。

本文使用開源框架Apache Jean對本體庫進(jìn)行操作。Apache Jena是用來構(gòu)建語義網(wǎng)應(yīng)用的常用解決方案，可以對RDF（Resource Description Framework）數(shù)據(jù)進(jìn)行存儲、查詢和修改等操作，主要功能組件如下：

（1）Ontology API：可使用模型對象對RDF數(shù)據(jù)進(jìn)行查詢或修改，例如添加額外的語義信息到RDF數(shù)據(jù)。

（2）ARQ：可使用基于SPARQL1.1協(xié)議的查詢語言對本地本體庫或網(wǎng)絡(luò)上的SPARQL 終端進(jìn)行查詢。

（3）TDB：高性能的RDF數(shù)據(jù)存儲組件，可對數(shù)據(jù)進(jìn)行持久化。

（4）RDF API：讀取和修改RDF數(shù)據(jù)，將RDF數(shù)據(jù)轉(zhuǎn)換成XML、JSON等格式。

2 DBpedia與動畫知識庫的實(shí)體鏈接構(gòu)建

構(gòu)建動畫本體庫和DBpedia的實(shí)體鏈接后，可借助這些鏈接進(jìn)一步對動畫知識庫增強(qiáng)，使得在情節(jié)規(guī)劃過程中將DBpedia作為背景知識，充分利用其語義信息進(jìn)行情節(jié)規(guī)劃。構(gòu)建實(shí)體鏈接主要步驟如下：

（1）數(shù)據(jù)預(yù)處理：將用于輔助實(shí)體鏈接的實(shí)體名稱格式進(jìn)行歸一化處理和同義擴(kuò)充。

（2）建立關(guān)系：將動畫本體庫中的實(shí)體鏈接到DBpedia實(shí)體，構(gòu)造兩個(gè)本體庫之間的關(guān)系，并使用這些關(guān)系對動畫本體庫進(jìn)行增強(qiáng)。

2.1 數(shù)據(jù)預(yù)處理

為避免兩個(gè)數(shù)據(jù)集不同命名規(guī)范和詞形對后續(xù)建立關(guān)系時(shí)造成影響，有必要先對數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)預(yù)處理流程如圖2所示。

在經(jīng)過分詞和詞干提取處理后，實(shí)體名稱已經(jīng)轉(zhuǎn)換為相對統(tǒng)一的形式，對于實(shí)體名稱為單個(gè)詞語的數(shù)據(jù)項(xiàng)，不同的數(shù)據(jù)集可能采用同義詞命名，因此本文使用WordNet[19]和thesaurus獲取名稱的同義詞集作為對實(shí)體的等價(jià)描述，以此消除同義詞帶來的影響。實(shí)體名稱在進(jìn)行預(yù)處理后轉(zhuǎn)換為統(tǒng)一的形式。例如“Human”在經(jīng)過預(yù)處理后可得到同義詞集的詞干“human，person”，“histor build”為“HistoricBuilding”經(jīng)過預(yù)處理之后所包含單詞的詞干。

2.2 DBpedia與動畫知識庫實(shí)體鏈接建立

此階段構(gòu)造DBpedia和動畫本體庫之間的關(guān)系三元組，步驟如下：①構(gòu)造兩個(gè)數(shù)據(jù)集之間的具有等價(jià)關(guān)系的實(shí)體鏈接;②借助實(shí)體鏈接的等價(jià)關(guān)系，獲取DBpedia和動畫本體庫實(shí)體之間的其它關(guān)聯(lián)關(guān)系，如子類關(guān)系、屬性定義域和值域等，并使用這些關(guān)系增強(qiáng)動畫本體庫。

動畫本體庫中資源的URI后綴是被描述的資源英文名稱，例如“人類”對應(yīng)URI的后綴是 “Human”。DBpedia實(shí)體的rdfs：label屬性提供了人類易于理解的資源名稱，如“人類”在DBpedia中對應(yīng)類的rdfs：label屬性值是“person”。因此動畫本體庫資源的URI后綴和DBpedia資源的rdfs：label屬性可以作為構(gòu)建兩個(gè)數(shù)據(jù)集之間具有等價(jià)關(guān)系的實(shí)體鏈接輔助信息。通過以下兩種策略進(jìn)行匹配：①標(biāo)簽匹配：查找DBpedia的rdfs：label屬性與動畫實(shí)體名稱相匹配的實(shí)體，匹配借助正則表達(dá)式;②前綴匹配：構(gòu)建自定義的URI鏈接。例如將動畫本體庫中類名稱拼接到“http：//dbpedia.org/ontology/”后，查看DBpedia中是否存在與其等價(jià)的類。

DBpedia包含400多萬實(shí)體，rdfs：label關(guān)聯(lián)的關(guān)系三元組有22 430 850個(gè)?？紤]到數(shù)據(jù)規(guī)模，本文使用開源框架Apache Jena 的TDB組件對數(shù)據(jù)進(jìn)行存儲。

使用Human實(shí)體名稱和DBpedia實(shí)體的 rdfs：labe屬性值經(jīng)過預(yù)處理后的同義詞集作為正則匹配參數(shù)，并將 ‘cou作為相關(guān)性權(quán)值，選取權(quán)值最大的DBpedia實(shí)體作為結(jié)果進(jìn)行鏈接。

實(shí)體鏈接之后，每對鏈接關(guān)聯(lián)的實(shí)體具有等價(jià)關(guān)系，以這些等價(jià)關(guān)系為基礎(chǔ)，使用Apache Jena框架補(bǔ)全兩個(gè)本體庫之間其它的關(guān)系，結(jié)果如表3所示。

鏈接完成后，動畫本體庫中仍有部分?jǐn)?shù)據(jù)未能鏈接到DBpedia上，分析原因?yàn)椋簞赢嫳倔w庫中很多描述動畫生成手段的專業(yè)知識在 DBpedia中沒有實(shí)體與其準(zhǔn)確匹配，比如可用空間、交互動作、攝像機(jī)等，對于這部分?jǐn)?shù)據(jù)不再進(jìn)行匹配。

動畫本體庫和DBpedia使用了不同的模式層，因此兩者對于相同的知識可能使用不同形式的描述。例如DBpedia中存在定義域?yàn)閐bo：Person的屬性foaf：gender描述人物性別，動畫本體庫中區(qū)分實(shí)體年齡的屬性為人物模型類型。對于此類情況，將DBpedia中的屬性及屬性值補(bǔ)充到動畫本體庫中以增強(qiáng)動畫本體庫。由于不同類下的實(shí)體需要進(jìn)行整合的屬性和屬性值不同，因此這部分工作無法采用全自動方式處理，而是需要不斷總結(jié)規(guī)律，采用半自動化方式進(jìn)行。

通過構(gòu)建DBpedia與動畫知識庫之間的實(shí)體鏈接，豐富了情節(jié)規(guī)劃可使用的知識，為更加多樣性的情節(jié)規(guī)劃提供了知識基礎(chǔ)。

3 基于DBpedia的情節(jié)規(guī)劃

情節(jié)規(guī)劃是指對動畫的內(nèi)容進(jìn)行設(shè)計(jì)，主要基于選定的場景和模型。本版情節(jié)規(guī)劃使用信息抽取模塊結(jié)果作為輸入，結(jié)合動畫本體庫，使用DBpedia作為背景知識進(jìn)行情節(jié)規(guī)劃。

如圖3所示，基于DBpedia的情節(jié)規(guī)劃主要步驟為：①實(shí)體查找：查找短信內(nèi)容對應(yīng)的DBpedia實(shí)體;②相關(guān)實(shí)體搜索：獲取短信內(nèi)容對應(yīng)的DBpedia實(shí)體之后，搜索與其相關(guān)的動畫本體庫實(shí)體;③實(shí)體選擇：對搜索到的動畫實(shí)體和短信對應(yīng)的實(shí)體進(jìn)行相似度計(jì)算，選取最能表現(xiàn)短信內(nèi)容的動畫實(shí)體。

本文以“海明威鐘意墨西哥卷餅”為例，詳細(xì)介紹DBpedia為背景知識的情節(jié)規(guī)劃。

3.1 實(shí)體查找

DBpedia包含豐富的語義信息，比如定義域?yàn)閐bo：Person的屬性有5 754個(gè)，通過識別出短信內(nèi)容中對應(yīng)的人物實(shí)體，可以獲取關(guān)于該短信內(nèi)容豐富的語義信息，比如性別、年齡、職業(yè)等。

圖4為短信在信息抽取模塊進(jìn)行詞性分析、命名實(shí)體識別和否定詞分析[20-21]等處理后的結(jié)果，主要包括短信主題、模板原子和帶有詞性標(biāo)注分詞3類信息。其中主題為“購物”，模板為“墨西哥”，短信分詞結(jié)果為“海明威#np 鐘意#vb 墨西哥#ng 卷餅#nn”。以短信信息抽取結(jié)果為輸入，采用以下兩種策略查找與短信相關(guān)的DBpedia實(shí)體。

（1）標(biāo)簽匹配：查找DBpedia的rdfs：label屬性與短信分詞相匹配的實(shí)體，如果分詞已經(jīng)被識別為模板，則將模板中的類別信息作為查詢的限制條件。例如查詢“墨西哥”對應(yīng)的實(shí)體時(shí)，在類型為“地點(diǎn)”的實(shí)體范圍內(nèi)，查找是否存在實(shí)體的rd-fs：label屬性與“墨西哥”或“Mexico”相匹配的實(shí)體。

（2）前綴匹配：構(gòu)造特定模式的DBpedia URI。例如“http：//dbpedia.org/resource/墨西哥”或“http：//dbpedia.org/resource/Mexico”存在則表示對應(yīng)的DBpedia實(shí)體存在。

DBpedia數(shù)據(jù)以英文為主，因此在進(jìn)行匹配時(shí)，將輸入的中文分詞翻譯成英文，將結(jié)果作為以中文為輸入實(shí)體查找失敗時(shí)的備選輸入，例如若使用“墨西哥”查不到對應(yīng)實(shí)體，則使用“Mexico”再次進(jìn)行查找。根據(jù)以上兩個(gè)策略可以搜索到短信內(nèi)容相關(guān)的DBpedia實(shí)體URI：http：//dbpedia.org/resource/Ernest_Hemingway、http：//dbpedia.org/resource/Burrito、http：//dbpedia.org/resource/Mexico。

3.2 相關(guān)實(shí)體搜索

情節(jié)規(guī)劃的后續(xù)步驟以動畫本體庫中描述動畫表現(xiàn)手段的數(shù)據(jù)為基礎(chǔ)，因此需要找到與DBpedia實(shí)體對應(yīng)的動畫本體庫實(shí)體。通過DBpedia和動畫本體庫之間的關(guān)系三元組，搜索獲取的DBpedia實(shí)體關(guān)聯(lián)的動畫實(shí)體。相關(guān)實(shí)體搜索以SPARQL查詢技術(shù)為基礎(chǔ)，以短信對應(yīng)的DBpedia實(shí)體S為起始節(jié)點(diǎn)，動畫本體庫中的動畫實(shí)體E為結(jié)束節(jié)點(diǎn)，構(gòu)建如下模式的路徑搜索：

（1）搜索與DBpedia實(shí)體等價(jià)的動畫實(shí)體。

（2）搜索與DBpedia實(shí)體類型接近的動畫實(shí)體，類型包括等價(jià)類、父子類和兄弟類等情況。

（3）此種搜索模式由前兩種模式組合而成，表示通過各種關(guān)系與DBpedia實(shí)體關(guān)聯(lián)的動畫本體庫實(shí)體，關(guān)系不局限于等價(jià)。這種搜索模式可以選取多個(gè)與此DBpedia實(shí)體間接對應(yīng)的動畫實(shí)體。

例如“卷餅”對應(yīng)的DBpedia實(shí)體Burrito其類型為dbo：Food，由于dbo：Food和動畫本體庫的? Food類具有等價(jià)關(guān)系，因此可選出動畫本體庫Food類下的模型M_carrot.ma、M_icecream.ma、M_grape.ma M_hamburger.ma 、M_fullwatermelon.ma等作為表現(xiàn)短信內(nèi)容“卷餅”的備選模型。通過與之關(guān)聯(lián)的實(shí)體Qdoba餐飲類型產(chǎn)業(yè)，可以找到動畫庫中與“卷餅”間接關(guān)聯(lián)的EatingScene類下的場景，如Kitchen.ma、restaurantTable.ma等。同理可搜索到與“海明威”關(guān)聯(lián)的Human類模型和Book類模型，其搜索路徑如圖5所示，出發(fā)節(jié)點(diǎn)為Ernest_Hemingway。

通過搜索可以找到與短信內(nèi)容相關(guān)的Human類模型、Book類模型、Food類模型和EatingScene類場景。在經(jīng)過實(shí)體查找和相關(guān)實(shí)體搜索之后，就能盡可能多地識別出短信中的實(shí)體及其相關(guān)的動畫實(shí)體，從而在情節(jié)規(guī)劃的后續(xù)步驟中進(jìn)行更加多樣性的規(guī)劃。

3.3 實(shí)體相似度計(jì)算

圖6所示規(guī)則表示動畫以“restaurantTable.ma”為場景，并添加了模型“M_casualman.ma”、“M_openbook.ma”和“M_hamburger.ma”。以上場景和模型的選擇都是通過該系統(tǒng)獲取，更多可選擇的場景和模型提升了情節(jié)規(guī)劃的多樣性。最終效果如圖7所示。

4 基于DBpedia的情節(jié)規(guī)劃實(shí)驗(yàn)

情節(jié)規(guī)劃是動畫系統(tǒng)的重要組成部分，決定了動畫表現(xiàn)內(nèi)容與方式，其結(jié)果直接影響動畫質(zhì)量。本文從測試過的短信中隨機(jī)選取100條短信進(jìn)行評測，以驗(yàn)證系統(tǒng)對動畫多樣性的提升效果。

實(shí)驗(yàn)表明，51%的短信通過該系統(tǒng)獲取了更多與短信相關(guān)的模型，數(shù)據(jù)統(tǒng)計(jì)如表4所示;43%的短信通過該系統(tǒng)獲取了更多的備選場景，數(shù)據(jù)統(tǒng)計(jì)如表5所示。

由表4和表5可知，通過該系統(tǒng)，平均每條短信獲取11個(gè)模型，數(shù)量提升了37%，平均每條短信獲取12個(gè)備選場景，數(shù)量提升了33%。由此可知，相比于僅僅通過動畫知識庫，該系統(tǒng)可以獲取更多與短信相關(guān)的模型和場景，進(jìn)而豐富短信內(nèi)容表現(xiàn)手段，提高動畫系統(tǒng)的多樣性。

通過分析測評的100條短信，發(fā)現(xiàn)基于DBpedia的情節(jié)規(guī)劃存在以下影響最終規(guī)劃結(jié)果的因素：①情節(jié)規(guī)劃依賴信息抽取模塊的輸出，因此信息抽取模塊輸出結(jié)果的好壞制約該系統(tǒng);②DBpedia與動畫本體庫之間鏈接的準(zhǔn)確度不夠?qū)⒂绊懖糠侄绦艃?nèi)容的情節(jié)規(guī)劃。

5 結(jié)語

手機(jī)動畫自動生成系統(tǒng)面向開放的中文短信，內(nèi)容千變?nèi)f化，因此要求情節(jié)規(guī)劃具備多樣性特點(diǎn)。本文通過構(gòu)建DBpedia與動畫本體庫的實(shí)體鏈接，使用DBpedia增強(qiáng)動畫本體庫，并在情節(jié)規(guī)劃過程中使用DBpedia作為背景知識規(guī)劃情節(jié)，獲取了更多與短信相關(guān)的模型與場景，使短信情節(jié)規(guī)劃獲取更多可選的表現(xiàn)手段，從而提升動畫系統(tǒng)的多樣性。

通過將動畫本體庫與LOD其它數(shù)據(jù)集進(jìn)行鏈接，可以進(jìn)一步豐富情節(jié)規(guī)劃可使用的語義信息，進(jìn)一步提升情節(jié)規(guī)劃效果。然而，由于場景和模型等數(shù)量有限，不能完全覆蓋本文系統(tǒng)抽取到的所有實(shí)體，因此需要不斷豐富動畫庫中的場景和模型，今后研究重點(diǎn)是針對以上問題進(jìn)行改善。

參考文獻(xiàn)：

[1] 陸汝鈐，張松懋. 從故事到動畫片——全過程計(jì)算機(jī)輔助動畫自動生成[J]. 自動化學(xué)報(bào)，2002，28（3）：321-348.

[2] 吳中彪. 全過程計(jì)算機(jī)輔助手機(jī)3D動畫自動生成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 北京：北京工業(yè)大學(xué)，2011.

[3] 聶君蓮. 基于語義網(wǎng)的手機(jī)短信3D動畫情節(jié)規(guī)劃[D]. 北京：北京工業(yè)大學(xué)，2012.

[4] BIZER C，HEATH T， BERNERS-LEE T. Linked data - the story so far. Int [J]. Semantic Web Information System，2009，5（3）：1-22.

[5] AUER S. DBpedia：a nucleus for a web of open data[C]. Busan： International Semantic Web Conference，2007.

[6] PAULHEIM H. Exploiting linked open data as background knowledge in data mining[C]. International Conference on Data Mining on Linked Data.org， 2014：1-10.

[7] BERNERS-LEE T. Linked data[EB/OL]. http：//www.w3.org/DesignIssues/LinkedData.html.

[8] BERNERS-LEE T. Information management：a proposal[EB/OL]. https：//www.w3.org/History/1989/proposal.html

[9] 阮彤. 中醫(yī)藥知識圖譜構(gòu)建與應(yīng)用[EB/OL]. https：//googleblog.blogspot.com/2012/05/introducing-knowledge-graph-things-not.html

[10] NOIA T D， MIRIZZI R， OSTUNI V C， et al. Linked open data to support content-based recommender systems[C].International Conference on Semantic Systems，2012.

[11] 武金剛. 知識圖譜——搜索引擎的進(jìn)化[J]. 百科知識，2013（22）：28-29.

[12] 賴朝安，錢嬌. 基于知識圖譜的專利挖掘方法及其應(yīng)用[J]. 科研管理，2017（S1）：341-349.

[13] 王金鵑. 基于本體的手機(jī)3D動畫情節(jié)自動生成系統(tǒng)[D]. 北京：北京工業(yè)大學(xué)，2015.

[14] MENDES P N，JAKOB M，BIZER C. DBpedia spotlight：shedding light on the web of documents[C]. International Conference on Semantic Systems. 2011.

[15] HEIM P，HELLMANN S，LEHMANN J，et al. Relfinder： revealing relationships in RDF knowledge bases[C].International Conference on Semantic Multimedia，2009.

[16] SUCHANEK F M，KASNECI G，WEIKUM G. Yago： a core of semantic knowledge[C]. International Conference on World Wide Web. OAI， 2007.

[17] 陸偉，武川. 實(shí)體鏈接研究綜述[J]. 情報(bào)學(xué)報(bào)，2015（1）：105-112.

[18] LOPER E，BIRD S. NLTK： the natural language toolkit[J].arXiv， 2002（5）：592-563.

[19] MILLER，GEORGE A. Wordnet： a lexical database? for English[J]. Communications of the Association for Computing Machinery， 1995， 38（11）：39-41.

[20] 吳中彪. 全過程計(jì)算機(jī)輔助手機(jī)3D動畫自動生成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 北京：北京工業(yè)大學(xué)，2011.

[21] 裴艷霞，劉椿年. 面向手機(jī)3D動畫自動生成的中文命名實(shí)體識別[J]. 計(jì)算機(jī)工程與應(yīng)用，2012，48（13）：190-195.

（責(zé)任編輯：杜能鋼）