趙偉 張覽 望俊成

中國科學(xué)技術(shù)信息研究所 北京 100038

引言

在大數(shù)據(jù)和數(shù)字經(jīng)濟(jì)迅猛發(fā)展的大背景下，知識圖譜技術(shù)已成為科技文獻(xiàn)資源服務(wù)的重要?jiǎng)?chuàng)新手段，面向標(biāo)準(zhǔn)領(lǐng)域的知識服務(wù)已經(jīng)成為標(biāo)準(zhǔn)信息化發(fā)展的前沿?zé)狳c(diǎn)問題[1]。開展標(biāo)準(zhǔn)文獻(xiàn)知識圖譜構(gòu)建和資源服務(wù)，有助于有序組織相關(guān)領(lǐng)域知識，揭示標(biāo)準(zhǔn)知識的整體關(guān)聯(lián)性，讓標(biāo)準(zhǔn)數(shù)據(jù)發(fā)揮更大效用[2]。

然而，總體上國內(nèi)外針對標(biāo)準(zhǔn)文獻(xiàn)知識圖譜的相關(guān)研究還十分有限。早期研究主要面向標(biāo)準(zhǔn)間的關(guān)系關(guān)聯(lián)網(wǎng)絡(luò)，如李景等[3]采用文獻(xiàn)計(jì)量學(xué)方法，基于相關(guān)行業(yè)的標(biāo)準(zhǔn)文獻(xiàn)規(guī)模統(tǒng)計(jì)，對比分析國內(nèi)外同行業(yè)標(biāo)準(zhǔn)文獻(xiàn)數(shù)量的不同；李濤等[4]通過建立標(biāo)準(zhǔn)文獻(xiàn)網(wǎng)絡(luò)，辨析標(biāo)準(zhǔn)文獻(xiàn)間的引用關(guān)系和相似性，但該階段的研究仍未達(dá)到標(biāo)準(zhǔn)內(nèi)容知識元的粒度[5-8]。而后又逐漸向標(biāo)準(zhǔn)知識關(guān)聯(lián)領(lǐng)域開展探索[9,10]，如計(jì)雄飛[11]基于對標(biāo)準(zhǔn)文獻(xiàn)內(nèi)容的分解，通過文本分類、特征提取、內(nèi)容加工等建立了標(biāo)準(zhǔn)內(nèi)容比對分析模型。隨著語義網(wǎng)技術(shù)的推廣，進(jìn)一步面向語義網(wǎng)環(huán)境下標(biāo)準(zhǔn)知識關(guān)聯(lián)的理論和方法開展積極探索[1,12-17]，如李景等[18]通過獲取和標(biāo)注標(biāo)準(zhǔn)文本和網(wǎng)絡(luò)信息，構(gòu)建了實(shí)現(xiàn)語料編輯、語義標(biāo)引、雙語翻譯功能的標(biāo)準(zhǔn)文獻(xiàn)語料庫；劉知民[19]在開展標(biāo)準(zhǔn)的信息組織基礎(chǔ)上，通過分詞技術(shù)和信息挖掘技術(shù)形成了標(biāo)準(zhǔn)知識庫?？傮w上，相關(guān)研究在對標(biāo)準(zhǔn)間關(guān)系的抽取深度和廣度上仍有所欠缺，并將影響到知識圖譜構(gòu)建的質(zhì)量和效用。趙偉等[2]提出了用于描述標(biāo)準(zhǔn)知識的標(biāo)準(zhǔn)知識單元五元組，構(gòu)建了面向標(biāo)準(zhǔn)文獻(xiàn)的資源層—描述層—映射層的三層知識圖譜模型，提出了基于規(guī)則和LDA主題模型的標(biāo)準(zhǔn)文獻(xiàn)知識圖譜構(gòu)建的集成式方法，為實(shí)踐研究提供了有益的參考。

金融標(biāo)準(zhǔn)是實(shí)現(xiàn)金融交易信息系統(tǒng)互聯(lián)互通、降低交易成本的基本條件，為金融相關(guān)部門實(shí)施有效管理提供了基礎(chǔ)性支撐。金融標(biāo)準(zhǔn)通過文獻(xiàn)載體將對企業(yè)、市場及產(chǎn)業(yè)發(fā)展產(chǎn)生重要影響，以系統(tǒng)視角分析標(biāo)準(zhǔn)文獻(xiàn)間的替代過程、引用關(guān)系等，將推動(dòng)標(biāo)準(zhǔn)情報(bào)的有效研究和標(biāo)準(zhǔn)化政策的形成與應(yīng)用[16]。因此，本文嘗試構(gòu)建金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)的知識圖譜，以期為金融領(lǐng)域標(biāo)準(zhǔn)化工作實(shí)踐提供參考和借鑒。

1 金融領(lǐng)域數(shù)據(jù)的范圍和特征

從分類角度，金融業(yè)包含了眾多細(xì)分行業(yè)和領(lǐng)域，大類主要包括銀行類、證券類、保險(xiǎn)類等，細(xì)分領(lǐng)域可進(jìn)一步分為債券、信托、貨幣、基金等資管計(jì)劃、要素市場、征信貸款等。金融領(lǐng)域涉及到各行業(yè)的數(shù)據(jù)信息，具有數(shù)據(jù)量巨大、多維度和完備性等特征，這些信息又以文字、圖形、表格等形式存儲在大量文檔中，格式非標(biāo)準(zhǔn)統(tǒng)一且呈碎片化存在，具有隱蔽性，因此采用集自然語言處理技術(shù)、處理非標(biāo)準(zhǔn)化數(shù)據(jù)和多層級關(guān)系挖掘技術(shù)，展現(xiàn)數(shù)據(jù)關(guān)聯(lián)性于一體的知識圖譜應(yīng)用，成為了金融領(lǐng)域數(shù)據(jù)管理和利用的較好的支撐形式。

構(gòu)建金融領(lǐng)域知識圖譜，不僅將對多源異構(gòu)數(shù)據(jù)進(jìn)行知識化整合，從而為缺乏可解釋性的機(jī)器學(xué)習(xí)算法提供有益借鑒，還可以通過建立金融行業(yè)海量多源異構(gòu)數(shù)據(jù)的關(guān)聯(lián)關(guān)系，挖掘數(shù)據(jù)的深層價(jià)值。構(gòu)建金融領(lǐng)域知識圖譜的數(shù)據(jù)來源主要包括互聯(lián)網(wǎng)上的輿情數(shù)據(jù)，期貨、股權(quán)、股票、上市公司等工商數(shù)據(jù)，以及行研報(bào)告信息等。在金融知識圖譜構(gòu)建的已有應(yīng)用研究中，最為普遍的是用于信用評估、風(fēng)控反欺詐、營銷推薦和產(chǎn)業(yè)鏈分析等實(shí)踐，常見的實(shí)體包括人物、公司、地名，常見的關(guān)系包括投資關(guān)系、競爭關(guān)系和股權(quán)關(guān)系等。但在實(shí)際相關(guān)行業(yè)環(huán)境里，某種意義下幾乎各行各業(yè)都與金融或多或少地相關(guān)，如某國家標(biāo)準(zhǔn)（或戰(zhàn)略文件）的發(fā)布，可能影響銀行信貸決策，進(jìn)而影響某地區(qū)企業(yè)群的融資規(guī)模，最終影響相關(guān)上市公司的股票價(jià)格。我們希望通過構(gòu)建知識圖譜來支撐實(shí)現(xiàn)類似的關(guān)聯(lián)分析。

2 標(biāo)準(zhǔn)文獻(xiàn)知識圖譜的構(gòu)建模型

如前文所述，趙偉等基于標(biāo)準(zhǔn)文獻(xiàn)內(nèi)容及特征的分析，分解了標(biāo)準(zhǔn)知識結(jié)構(gòu)，提出了標(biāo)準(zhǔn)知識單元五元組，在此基礎(chǔ)上設(shè)計(jì)了標(biāo)準(zhǔn)文獻(xiàn)知識圖譜RDM模型，從資源層、描述層和映射層三個(gè)方面提出了標(biāo)準(zhǔn)知識圖譜構(gòu)建的理論模型。通過識別和挖掘標(biāo)準(zhǔn)之間的關(guān)聯(lián)關(guān)系，包括一般性題錄關(guān)系、相互采用的知識關(guān)聯(lián)關(guān)系和基于主題關(guān)聯(lián)的多元關(guān)系，充實(shí)和擴(kuò)展標(biāo)準(zhǔn)文獻(xiàn)知識關(guān)聯(lián)的已有成果[2]。標(biāo)準(zhǔn)文獻(xiàn)中“范圍”部分可視為論文文獻(xiàn)中的“摘要”，基于提取其中存在揭示主題內(nèi)容的主題詞信息，挖掘標(biāo)準(zhǔn)實(shí)體和主題詞之間的語義關(guān)系，從而構(gòu)建標(biāo)準(zhǔn)主題之間的關(guān)聯(lián)性。

基于標(biāo)準(zhǔn)文獻(xiàn)知識圖譜RDM模型，進(jìn)一步建立了包括標(biāo)準(zhǔn)文獻(xiàn)的知識抽取和知識鏈接兩個(gè)步驟的集成方法[1]，分別作用于不同的章節(jié)結(jié)構(gòu)，從而建立起標(biāo)準(zhǔn)文獻(xiàn)知識圖譜，拓展實(shí)體關(guān)系類型。

圖1 基于RDM模型的知識圖譜構(gòu)建流程

3 金融領(lǐng)域標(biāo)準(zhǔn)數(shù)據(jù)實(shí)體關(guān)系的抽取與主題詞抽取

3.1 數(shù)據(jù)采集與預(yù)處理

（1）實(shí)驗(yàn)環(huán)境

系統(tǒng)平臺：Windows10 64位；

處理器：Intel(R) Core(TM) i5-8250U，CPU 1.60GHz，4內(nèi)核8邏輯處理器；

編程環(huán)境：Python3.8;

數(shù)據(jù)庫：Neo4j-community-3.4.5。

（2）數(shù)據(jù)獲取與預(yù)處理

本文的研究數(shù)據(jù)采自中國標(biāo)準(zhǔn)服務(wù)網(wǎng)，檢索范圍為現(xiàn)行標(biāo)準(zhǔn)，不包括已廢止的標(biāo)準(zhǔn)，時(shí)間范圍不限定。分別基于國際和中國標(biāo)準(zhǔn)分類號，開展金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)的遴選，如表1所示，從而獲得73份國家標(biāo)準(zhǔn)和265份行業(yè)標(biāo)準(zhǔn)，標(biāo)準(zhǔn)發(fā)布時(shí)間為1992—2020年。

表1 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)采集表

采用自上而下的方法，從文獻(xiàn)文本中采集相關(guān)數(shù)據(jù)，并分別利用不同的數(shù)據(jù)預(yù)處理技術(shù)對獲取的實(shí)體數(shù)據(jù)進(jìn)行加工。PDF文件是標(biāo)準(zhǔn)文獻(xiàn)編輯生成后的主要形式，本研究根據(jù)文獻(xiàn)的段落格式并采用相關(guān)的信息抽取和邏輯結(jié)構(gòu)轉(zhuǎn)化技術(shù)，將原始PDF文件轉(zhuǎn)化為TXT格式或XML文檔，以便于更加清楚地顯示標(biāo)準(zhǔn)文獻(xiàn)的邏輯結(jié)構(gòu)特點(diǎn)，并開展人工核驗(yàn)和校對。

（3）中文分詞

在對標(biāo)準(zhǔn)文獻(xiàn)范圍文本內(nèi)容進(jìn)行中文分詞的過程中，需要先通過調(diào)用Python的jieba分詞器，來剔除標(biāo)點(diǎn)符號以及非專業(yè)名詞的外文詞組；其次將《金融行業(yè)主題詞表》作為分詞組件的自定義領(lǐng)域詞典，經(jīng)過不斷迭代，從而獲得中文分詞結(jié)果。

3.2 標(biāo)準(zhǔn)文獻(xiàn)實(shí)體關(guān)系獲取

基于針對標(biāo)準(zhǔn)文獻(xiàn)前言、范圍及規(guī)范性引用文件來開展知識抽取，從而獲得標(biāo)準(zhǔn)名稱、發(fā)布年份、ICS、CCS、所屬標(biāo)準(zhǔn)、代替標(biāo)準(zhǔn)、采用標(biāo)準(zhǔn)、采用方式、提出單位、歸口單位、負(fù)責(zé)起草單位、參加起草單位、主要起草單位、起草單位、主要起草人、規(guī)范性引用文件和參考文獻(xiàn)。進(jìn)一步基于正則表達(dá)式規(guī)則抽取獲得標(biāo)準(zhǔn)文獻(xiàn)實(shí)體關(guān)系。

針對338篇標(biāo)準(zhǔn)文獻(xiàn)進(jìn)行顯性知識抽取，獲得1534個(gè)實(shí)體節(jié)點(diǎn)和4716條關(guān)系，如表2所示。

表2 顯性知識抽取實(shí)體關(guān)系數(shù)量表

鑒于部分標(biāo)準(zhǔn)的原文較難獲取，面向互聯(lián)網(wǎng)檢索只能得到題錄信息，因此范圍部分的文本數(shù)據(jù)量將少于檢索標(biāo)準(zhǔn)的總量，故本文將標(biāo)準(zhǔn)文獻(xiàn)的標(biāo)題合并到了范圍數(shù)據(jù)中，并基于LDA主題模型獲取的主題抽取過程，采用困惑度計(jì)算獲得相對適合的主題數(shù)。設(shè)定的閾值將對困惑度的計(jì)算結(jié)果產(chǎn)生影響，在閾值分別為10、20、30的條件下，困惑度分別為9、19、29，進(jìn)一步針對主題劃分結(jié)果進(jìn)行人工比對，最終得到19類主題。經(jīng)過統(tǒng)計(jì)合并關(guān)鍵詞后共獲得136個(gè)關(guān)鍵詞，從而形成338篇標(biāo)準(zhǔn)文獻(xiàn)與主題類別的對應(yīng)關(guān)系，包括289條標(biāo)準(zhǔn)與主題的隱性關(guān)系和460條主題與關(guān)鍵詞的隱性關(guān)系，如表3所示。

表3 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)主題抽取結(jié)果

4 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)知識圖譜可視化的實(shí)現(xiàn)

本研究使用Neo4j創(chuàng)建知識圖譜，首先將建立實(shí)體節(jié)點(diǎn)和實(shí)體之間的關(guān)系。采用CQL“創(chuàng)建”命令來創(chuàng)建無屬性節(jié)點(diǎn)、創(chuàng)建屬性節(jié)點(diǎn)、創(chuàng)建無屬性節(jié)點(diǎn)之間的關(guān)系、創(chuàng)建屬性節(jié)點(diǎn)之間的關(guān)系、創(chuàng)建一個(gè)或多個(gè)標(biāo)簽節(jié)點(diǎn)或關(guān)系。通過CQL語句，實(shí)現(xiàn)抽取出來的實(shí)體關(guān)系知識庫與Neo4j圖數(shù)據(jù)庫之間的鏈接并推動(dòng)知識圖譜可視化。圖2給出了標(biāo)準(zhǔn)文獻(xiàn)知識圖譜示意圖，其中“金融業(yè)務(wù)”等紅色節(jié)點(diǎn)代表初始標(biāo)準(zhǔn)文獻(xiàn)，“中國人民銀行”等粉色節(jié)點(diǎn)代表標(biāo)準(zhǔn)提出單位，“全國金融標(biāo)準(zhǔn)化技術(shù)委員會(huì)”等黃色節(jié)點(diǎn)代表歸口單位，“GB/T21078”等灰色節(jié)點(diǎn)代表初始標(biāo)準(zhǔn)所代替的標(biāo)準(zhǔn)文獻(xiàn)，“銀行業(yè)務(wù)證書管理”等綠色節(jié)點(diǎn)代表初始標(biāo)準(zhǔn)采用的標(biāo)準(zhǔn)文獻(xiàn)。以實(shí)體節(jié)點(diǎn)Standard類型“金融服務(wù)生物特征識別第1部分：安全框架”為例，它與JurisdictionOrg類型“全國金融標(biāo)準(zhǔn)化技術(shù)委員會(huì)”之間的邊關(guān)系為歸口關(guān)系，與AdoptStandard類型“ISO 19092 1:2006《金融服務(wù)生物特征識別第1部分：安全框架》”節(jié)點(diǎn)之間形成了修改采用關(guān)系，展示了本文設(shè)計(jì)的核心實(shí)體與關(guān)系。

圖2 標(biāo)準(zhǔn)文獻(xiàn)知識圖譜示意圖

（1）標(biāo)準(zhǔn)文獻(xiàn)中的歸口單位關(guān)系。金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)歸口單位共8個(gè)，出現(xiàn)頻次排在前5位的相關(guān)情況見表4，圖3顯示了標(biāo)準(zhǔn)與歸口單位之間的關(guān)系，其中綠色節(jié)點(diǎn)代表標(biāo)準(zhǔn)文獻(xiàn)，黃色節(jié)點(diǎn)代表歸口單位，從實(shí)體節(jié)點(diǎn)的密集程度可以看出，最主要的歸口單位是全國金融標(biāo)準(zhǔn)化技術(shù)委員會(huì)。

圖3 歸口單位圖譜片段

表4 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)歸口單位數(shù)量Top5排名

（2）標(biāo)準(zhǔn)文獻(xiàn)中的提出單位關(guān)系?；诒疚臄?shù)據(jù)范圍，金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)提出單位共31個(gè)，出現(xiàn)頻次排在前5位的情況如表5所示。圖4顯示了標(biāo)準(zhǔn)與提出單位之間的關(guān)系，JR/T 0173—2020《銀行業(yè)集中營運(yùn)規(guī)范》、JR/T 0146.2—2016《證券期貨業(yè)信息系統(tǒng)審計(jì)指南第2部分：期貨交易所》、JR/T 0101—2013《銀行業(yè)軟件測試文檔規(guī)范》等重要標(biāo)準(zhǔn)的提出單位均為全國金融標(biāo)準(zhǔn)化技術(shù)委員會(huì)。JR/T 0138—2016《銀團(tuán)貸款業(yè)務(wù)技術(shù)指南》、JR/T 0014—2005《銀行信息化通用代碼集》的提出單位均為國家開發(fā)銀行。

圖4 提出單位圖譜片段

表5 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)提出單位數(shù)量Top5排名

（3）標(biāo)準(zhǔn)文獻(xiàn)中的采用關(guān)系。圖5顯示了標(biāo)準(zhǔn)與其他標(biāo)準(zhǔn)之間的采用聯(lián)系，GB/T 27909.2—2011《銀行業(yè)務(wù)密鑰管理零售第2部分：對稱密碼及其密鑰管理和生命周期》修改采用了ISO 11568.2:2005《銀行業(yè)務(wù)密鑰管理（零售）第2部分：對稱密碼系統(tǒng)及其密鑰管理和生命周期》；GB/T 27911—2011《銀行業(yè)安全和其他金融服務(wù)金融系統(tǒng)的安全框架》修改采用了ISO/TR 17944：2002《銀行云安全和其他金融服務(wù)金融系統(tǒng)的安全框架》。

圖5 采用標(biāo)準(zhǔn)圖譜片段

（4）標(biāo)準(zhǔn)文獻(xiàn)中的替代關(guān)系。圖6顯示了標(biāo)準(zhǔn)與其他標(biāo)準(zhǔn)之間的替代關(guān)系。JR/T 0052—2020《銀行卡卡片規(guī)范》替代了JR/T 0052—2009《銀行卡卡片規(guī)范》，JR/T 0025.7—2018《中國金融集成電路IC卡規(guī)范第7部分借記/貸記應(yīng)用安全規(guī)范》替代了JR/T 0025.8—2013《中國金融集成電路（IC）卡規(guī)范第8部分：與應(yīng)用無關(guān)的非接觸式規(guī)范》。

圖6 代替標(biāo)準(zhǔn)圖譜片段

（5）標(biāo)準(zhǔn)文獻(xiàn)中的起草關(guān)系?；诒疚墨@取數(shù)據(jù)范圍，金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)起草單位的共有420個(gè)，出現(xiàn)頻次排在前5位的情況見表6。圖7以金融科技企業(yè)為例，顯示了標(biāo)準(zhǔn)文獻(xiàn)間通過起草單位構(gòu)成的間接關(guān)系，其中紅色節(jié)點(diǎn)代表標(biāo)準(zhǔn)文獻(xiàn)，黃色節(jié)點(diǎn)代表起草單位。通過圖譜可見，螞蟻科技集團(tuán)股份有限公司、京東數(shù)字科技控股股份有限公司、百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司、深圳市騰訊計(jì)算機(jī)系統(tǒng)有限公司華為技術(shù)有限公司共同參與了JR/T 0166—2020《云計(jì)算技術(shù)金融應(yīng)用規(guī)范技術(shù)架構(gòu)》、JR/T 0167—2020《云計(jì)算技術(shù)金融應(yīng)用規(guī)范安全技術(shù)要求》、JR/T 0168—2020《云計(jì)算技術(shù)金融應(yīng)用規(guī)范容災(zāi)》、JR/T 0193—2020《區(qū)塊鏈技術(shù)金融應(yīng)用評估規(guī)則》等標(biāo)準(zhǔn)文獻(xiàn)的起草。

表6 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)起草單位數(shù)量Top5排名

圖7 金融科技企業(yè)參與起草圖譜片段

（6）標(biāo)準(zhǔn)文獻(xiàn)的主題關(guān)聯(lián)關(guān)系。根據(jù)LDA主題模型抽取結(jié)果對我國現(xiàn)行金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)進(jìn)行劃分，圖8顯示了不同標(biāo)準(zhǔn)文獻(xiàn)間通過主題和關(guān)鍵詞建立起來的鏈接關(guān)系，其中綠色節(jié)點(diǎn)代表標(biāo)準(zhǔn)文獻(xiàn)，黃色節(jié)點(diǎn)代表關(guān)鍵詞，藍(lán)色節(jié)點(diǎn)代表主題，粉色節(jié)點(diǎn)代表起草單位。在華為技術(shù)有限公司參與起草的標(biāo)準(zhǔn)文獻(xiàn)中，有6篇標(biāo)準(zhǔn)文獻(xiàn)涉及4類主題，分別是主題1、主題10、主題12、主題13。JR/T 0193—2020《區(qū)塊鏈技術(shù)金融應(yīng)用評估規(guī)則》與JR/T 0168—2020《云計(jì)算技術(shù)金融應(yīng)用規(guī)范容災(zāi)》同屬于主題10，該主題與JR/T 0156—2017《移動(dòng)終端支付可信環(huán)境技術(shù)規(guī)范》所屬的主題13通過關(guān)鍵詞設(shè)計(jì)、規(guī)范、安全單元建立了主題關(guān)聯(lián)關(guān)系。可見，基于RDM模型的主題關(guān)聯(lián)圖譜是可以實(shí)現(xiàn)的，但圖譜質(zhì)量仍有待提升，有些關(guān)鍵詞沒有與之相連接的標(biāo)準(zhǔn)實(shí)體節(jié)點(diǎn)，這些都有待進(jìn)一步完善。

圖8 金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)主題關(guān)聯(lián)圖譜（片段）

7 結(jié)論

本文采用基于RDM模型的知識圖譜構(gòu)建流程，構(gòu)建了金融領(lǐng)域標(biāo)準(zhǔn)文獻(xiàn)的知識圖譜。針對基于中國標(biāo)準(zhǔn)服務(wù)網(wǎng)獲取到的金融行業(yè)標(biāo)準(zhǔn)文獻(xiàn)，采取數(shù)據(jù)預(yù)處理、清洗加工、人工干預(yù)等手段，進(jìn)一步開展顯性知識和隱性知識的抽取，最后利用Neo4j數(shù)據(jù)庫實(shí)現(xiàn)圖譜的可視化并進(jìn)行圖譜解讀。

圖譜給出了標(biāo)注歸口管理、標(biāo)準(zhǔn)的主要提出單位等信息。除了基本信息查詢，還通過CQL語句進(jìn)行了深度查詢，在揭示隱性關(guān)聯(lián)的主題關(guān)聯(lián)知識圖譜中，實(shí)現(xiàn)了標(biāo)準(zhǔn)—主題—關(guān)鍵詞之間的相互關(guān)聯(lián)關(guān)系，印證了RDM模型的可行性。

但是，本文所構(gòu)建的金融領(lǐng)域主題關(guān)聯(lián)圖譜，但仍有一些無連接的關(guān)鍵詞類型的節(jié)點(diǎn)，說明LDA主題模型的應(yīng)用還有待進(jìn)一步研究，標(biāo)準(zhǔn)文獻(xiàn)的主題揭示效果有待進(jìn)一步提升。