鄒安琪，陳艷平

（貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴州 貴陽(yáng) 550025）

0 引言

隨著人工智能、云計(jì)算和大數(shù)據(jù)等新興技術(shù)不斷發(fā)展，稅務(wù)作為國(guó)家經(jīng)濟(jì)的重要組成部分，面臨著稅務(wù)改革和現(xiàn)代化建設(shè)等時(shí)代任務(wù)，因此，智慧稅務(wù)應(yīng)運(yùn)而生。在實(shí)際稅收征管中，首先需要專(zhuān)家對(duì)國(guó)家頒布的條例進(jìn)行解讀并制定規(guī)則，然后再由計(jì)算機(jī)工作人員將規(guī)則編寫(xiě)成代碼進(jìn)行稅收計(jì)算。該模式依賴(lài)人工，無(wú)法實(shí)現(xiàn)智慧稅務(wù)中的“智慧”，稅務(wù)領(lǐng)域迫切需要一種能夠自動(dòng)抽取并表示稅收條例所蘊(yùn)含規(guī)則和知識(shí)的方法。由于知識(shí)圖譜結(jié)合了高效的深度學(xué)習(xí)方法，是決策支持、語(yǔ)義搜索、智能問(wèn)答等智能服務(wù)的基礎(chǔ)技術(shù)［1］，因而能夠?yàn)樯鲜鰡?wèn)題提供優(yōu)秀的解決方案：通過(guò)知識(shí)圖譜構(gòu)建可以自動(dòng)表征和抽取稅收條例中的規(guī)則及知識(shí)，并使用知識(shí)圖譜“解讀”稅收條例。

本文結(jié)合自然語(yǔ)言處理技術(shù)，研究面向稅收條例的稅法知識(shí)表示模型和稅法知識(shí)抽取方法，構(gòu)建面向稅收條例的稅法知識(shí)圖譜。根據(jù)征收條例內(nèi)在知識(shí)結(jié)構(gòu)特征和邏輯關(guān)系，對(duì)稅收條例所蘊(yùn)含的知識(shí)進(jìn)行建模。同時(shí)，對(duì)稅務(wù)條例知識(shí)抽取數(shù)據(jù)集進(jìn)行標(biāo)注，設(shè)計(jì)實(shí)現(xiàn)針對(duì)稅務(wù)知識(shí)要素的抽取算法，提出針對(duì)稅法知識(shí)圖譜的自動(dòng)構(gòu)建框架。

1 相關(guān)工作

知識(shí)圖譜始于20 世紀(jì)50 年代，可分為3 個(gè)發(fā)展階段［2］：第一階段（1955-1977 年）是知識(shí)圖譜起源階段，引文網(wǎng)絡(luò)分析方法被用于研究現(xiàn)代科學(xué)發(fā)展脈絡(luò)；第二階段（1977-2012 年）是知識(shí)圖譜發(fā)展階段，語(yǔ)義網(wǎng)得到快速發(fā)展，“知識(shí)本體”的研究開(kāi)始成為計(jì)算機(jī)科學(xué)重要領(lǐng)域；第三階段（2012 年至今）是知識(shí)圖譜發(fā)展的繁榮階段，2012年谷歌提出Google Knowledge Graph［3］，知識(shí)圖譜正式得名。知識(shí)圖譜一經(jīng)提出便引起學(xué)術(shù)界和工業(yè)界廣泛關(guān)注，并成功應(yīng)用于醫(yī)療、金融、公安、教育、社交網(wǎng)絡(luò)、電商等領(lǐng)域，可將其分為通用領(lǐng)域知識(shí)圖譜和垂直領(lǐng)域知識(shí)圖譜。

在通用領(lǐng)域，國(guó)外對(duì)于知識(shí)圖譜的研究早于國(guó)內(nèi)，最具代表性的大規(guī)模通用領(lǐng)域知識(shí)圖譜包括YAGO［4］、DBpedia［5］、Wikidata［6］、Probase［7］、ConceptNet［8］等。國(guó)內(nèi)工業(yè)界和學(xué)術(shù)界也對(duì)通用領(lǐng)域知識(shí)圖譜展開(kāi)了一系列研究，工業(yè)界如百度“知心”、搜狗“知立方”，學(xué)術(shù)界如THUOCL、大詞林、zhishi.me、CN-Probase 等。

在垂直領(lǐng)域，學(xué)術(shù)界也掀起了知識(shí)圖譜相關(guān)技術(shù)研究高潮，胡芳槐［9］以互聯(lián)網(wǎng)上各類(lèi)結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)，提出基于多種數(shù)據(jù)源的知識(shí)圖譜構(gòu)建方法，構(gòu)建包含數(shù)千萬(wàn)事實(shí)知識(shí)的中文知識(shí)圖譜。李文鵬等［10］針對(duì)4種不同類(lèi)型的軟件資源，基于軟件知識(shí)實(shí)體提取原則，提出軟件知識(shí)圖譜構(gòu)建方法，包括軟件知識(shí)實(shí)體抽取、關(guān)系關(guān)聯(lián)和知識(shí)查詢(xún)，并基于此實(shí)現(xiàn)了面向開(kāi)源軟件項(xiàng)目的軟件知識(shí)圖譜構(gòu)建工具，提高了軟件復(fù)用性，有助于軟件開(kāi)發(fā)人員對(duì)軟件知識(shí)進(jìn)行檢索與應(yīng)用。楊玉基等［11］對(duì)領(lǐng)域知識(shí)圖譜構(gòu)建進(jìn)行系統(tǒng)研究，提出領(lǐng)域知識(shí)圖譜快速構(gòu)建方法，并使用該方法以中國(guó)基礎(chǔ)教育的九門(mén)學(xué)科為原始數(shù)據(jù)構(gòu)建了包含67 萬(wàn)個(gè)實(shí)體及1 412 萬(wàn)條事實(shí)的中文學(xué)科知識(shí)圖譜。張?jiān)?2］構(gòu)建了一種半監(jiān)督的知識(shí)挖掘方法，依據(jù)挖掘的醫(yī)療信息構(gòu)建醫(yī)療領(lǐng)域知識(shí)圖譜，針對(duì)醫(yī)療數(shù)據(jù)中結(jié)構(gòu)化知識(shí)缺失問(wèn)題，提出使用Bootstrapping 算法和條件隨機(jī)場(chǎng)對(duì)元數(shù)據(jù)進(jìn)行抽取。王劍輝等［13］通過(guò)分析知網(wǎng)收錄的國(guó)內(nèi)空中交通管理資料，利用知識(shí)圖譜對(duì)空中交通管理知識(shí)進(jìn)行可視化。Arenas 等［14］運(yùn)用DBpedia 數(shù)據(jù)集中IT 領(lǐng)域數(shù)據(jù)資源間的關(guān)系，使用建立關(guān)聯(lián)圖的方法構(gòu)建知識(shí)圖譜，實(shí)現(xiàn)了IT 資源實(shí)體語(yǔ)義查詢(xún)。Karidi 等［15］基于知識(shí)圖譜和圖計(jì)算提出在Twitter 中關(guān)注主題推薦算法，實(shí)現(xiàn)了知識(shí)圖譜在社交網(wǎng)絡(luò)中的應(yīng)用研究。洪文興等［16］基于中文預(yù)訓(xùn)練語(yǔ)言模型，對(duì)知識(shí)圖譜構(gòu)建過(guò)程中的信息抽取算法進(jìn)行研究，其中包括命名實(shí)體識(shí)別和關(guān)系抽取，并以此實(shí)現(xiàn)了司法案件案情知識(shí)圖譜自動(dòng)構(gòu)建。

目前，知識(shí)圖譜在司法、生物醫(yī)療、金融風(fēng)控和電子商務(wù)等特定領(lǐng)域有著廣泛應(yīng)用，但在涉稅領(lǐng)域方面鮮有研究。稅務(wù)領(lǐng)域作為國(guó)家經(jīng)濟(jì)重要組成部分，稅務(wù)智能化建設(shè)與每個(gè)人息息相關(guān)，構(gòu)建基于智慧稅務(wù)的知識(shí)圖譜迫在眉睫。

2 稅收條例知識(shí)建模

在構(gòu)建稅收條例知識(shí)圖譜前，需對(duì)構(gòu)建圖譜的原始數(shù)據(jù)進(jìn)行分析，得到知識(shí)圖譜建模數(shù)據(jù)形態(tài)，并說(shuō)明知識(shí)圖譜要素的知識(shí)類(lèi)型，定義知識(shí)圖譜結(jié)構(gòu)模型。

2.1 稅收條例知識(shí)子圖

對(duì)稅收條例進(jìn)行人工分析并與稅務(wù)領(lǐng)域?qū)＜疫M(jìn)行討論，發(fā)現(xiàn)稅收條例文本詞匯專(zhuān)業(yè)性強(qiáng)、可讀性差，具有語(yǔ)言表達(dá)規(guī)范、語(yǔ)義明確、知識(shí)較為結(jié)構(gòu)化、邏輯性強(qiáng)等特點(diǎn)。

傳統(tǒng)知識(shí)圖譜只對(duì)涉及到的實(shí)體類(lèi)型和關(guān)系類(lèi)型進(jìn)行預(yù)定義，這種建模方式無(wú)法完全將稅收條例中蘊(yùn)含的語(yǔ)義內(nèi)涵和知識(shí)結(jié)構(gòu)表示出來(lái)，但稅收條例存在明顯語(yǔ)義結(jié)構(gòu)，為此提出稅收條例知識(shí)子圖建模具體涉稅措施，通常將一個(gè)稅收條例轉(zhuǎn)化為一個(gè)子圖，如圖1所示。

Fig.1 Tax regulations knowledge subgraph圖1 稅收條例知識(shí)子圖

2.2 稅收條例知識(shí)要素

稅收條例知識(shí)子圖是以納稅人為根節(jié)點(diǎn)、具體涉稅措施為終結(jié)點(diǎn)的有向無(wú)環(huán)圖。其內(nèi)部結(jié)構(gòu)鮮明，包含9 種知識(shí)要素和5種要素關(guān)系，知識(shí)要素如表1所示。

Table 1 Types of knowledge elements of tax regulations表1 稅收條例知識(shí)要素類(lèi)型

稅收條例知識(shí)子圖包含納稅主體、納稅對(duì)象、納稅行為、納稅客體、主體修飾、行為修飾、對(duì)象修飾及時(shí)間。其中，修飾要素通常是對(duì)主體、對(duì)象、行為進(jìn)行修飾限定，例如表1 中的“二手車(chē)經(jīng)銷(xiāo)”與“從事”結(jié)合起來(lái)對(duì)納稅主體“納稅人”進(jìn)行修飾。修飾要素用于對(duì)納稅主體、納稅對(duì)象及納稅行為進(jìn)行限定，對(duì)條例邏輯和知識(shí)結(jié)構(gòu)更好地進(jìn)行刻畫(huà)。時(shí)間用于對(duì)條例有效日期作出描述。除知識(shí)要素外，根據(jù)知識(shí)表示方法定義的6種關(guān)系如表2所示。

Table 2 Six relationships defined according to the knowledge representation method表2 根據(jù)知識(shí)表示方法定義的6種關(guān)系

2.3 稅收條例知識(shí)圖譜及操作

稅收條例知識(shí)圖譜以納稅人源節(jié)點(diǎn)為中心節(jié)點(diǎn)，由稅收條例知識(shí)子圖構(gòu)成知識(shí)圖譜。該知識(shí)圖譜并非子圖的簡(jiǎn)單拼接，向圖譜中添加子圖時(shí)，需判斷待添加稅法分面樹(shù)和已有稅法分面樹(shù)間的語(yǔ)義關(guān)系。為此，定義基于知識(shí)圖譜的操作如下：

（1）查詢(xún)子圖。查詢(xún)符合條件的知識(shí)子圖，判斷其是否存在。查詢(xún)操作是其他操作的基礎(chǔ)，是分面樹(shù)進(jìn)行添加、更新、刪除等操作的前提條件。

（2）添加子圖。添加某一子圖，添加前應(yīng)先判斷該分面樹(shù)是否已存在，添加后，知識(shí)圖譜中會(huì)新增一個(gè)子圖。

（3）更新子圖。若添加子圖前發(fā)現(xiàn)該子圖已存在，則更新分面樹(shù)。更新操作可能存在合并、拆分子圖的情況。

（4）刪除子圖。對(duì)知識(shí)圖譜中符合條件的知識(shí)子圖執(zhí)行刪除操作，查詢(xún)當(dāng)前知識(shí)圖譜，若存在同待刪知識(shí)子圖語(yǔ)義相同的子圖，則執(zhí)行刪除操作。

3 基于BERT的稅收條例要素抽取

稅收條例知識(shí)要素抽取采用命名實(shí)體識(shí)別方法，對(duì)句子中每個(gè)字預(yù)測(cè)一個(gè)分類(lèi)標(biāo)簽，從而判斷該字在要素中的語(yǔ)義角色。在B-I-O 編碼中，B（Beginning）表示該字對(duì)應(yīng)一個(gè)要素的開(kāi)始，I（Inside）表示要素的后續(xù)，O（Outside）表示不屬于該要素。為保證建模標(biāo)簽間的語(yǔ)義依賴(lài)關(guān)系，現(xiàn)有要素識(shí)別方法主要采用序列標(biāo)注模型輸出一條最大化標(biāo)注路徑，從而建立句子中知識(shí)要素間的語(yǔ)義依賴(lài)信息。

傳統(tǒng)基于Word2vec 的序列標(biāo)注模型無(wú)法表征上下文關(guān)系，一個(gè)詞只包含一個(gè)詞向量。本文在BiLSTM-CRF 模型基礎(chǔ)上，引入基于BERT 的預(yù)訓(xùn)練語(yǔ)言模型，構(gòu)建BERT-BiLSTM-CRF 稅收條例要素抽取模型，結(jié)構(gòu)如圖2所示。

Fig.2 Element extraction model of tax regulations based on BERT圖2 基于BERT的稅收條例要素抽取模型

模型整體可劃分為三大網(wǎng)絡(luò)層：第一層是嵌入層，利用BERT 預(yù)訓(xùn)練語(yǔ)言模型對(duì)句子進(jìn)行嵌入生成融合上下文語(yǔ)義信息的字符向量表示；第二層是BiLSTM 層，對(duì)BERT輸出的字符向量表示進(jìn)行編碼及解碼，有效獲取字符序列的長(zhǎng)距離依賴(lài)；第三層是CRF 層，對(duì)上層輸出解碼，學(xué)習(xí)標(biāo)簽間約束關(guān)系并輸出最大化標(biāo)注序列。

3.1 嵌入層

BERT 模型在嵌入層對(duì)輸入的條例依次進(jìn)行詞嵌入、段落嵌入和位置信息嵌入［17］。詞嵌入對(duì)輸入的文本進(jìn)行分詞處理，將每一個(gè)token 轉(zhuǎn)換為固定維度的向量表示；段落嵌入是用［CLS］和［SEP］特殊符號(hào)分割句子中的token，并以0/1 下標(biāo)做區(qū)分進(jìn)行嵌入。由于BERT 可以處理長(zhǎng)度為512 的句子，故以0-512 區(qū)分每個(gè)字的位置，以此學(xué)習(xí)每個(gè)位置的向量表示，得到包含輸入序列順序特征的位置嵌入。3 種嵌入表示疊加輸入后，BERT 采用Transformer 對(duì)輸出向量進(jìn)行特征提取。給定條例1 的文本輸入為{w1，w2，w3，...，wn}，經(jīng)過(guò)BERT 嵌入層得到帶有上下文語(yǔ)義信息的向量表示為{x1，x2，x3，...，xn}，其中n代表句子長(zhǎng)度。

3.2 BiLSTM 層

BiLSTM 指雙向長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)，在解決長(zhǎng)距離序列依賴(lài)方面較為優(yōu)秀，并解決了LSTM 只能獲取單向語(yǔ)義信息的問(wèn)題，LSTM 單元通過(guò)門(mén)控機(jī)制以控制信息取舍。

每個(gè)LSTM 單元中包含輸入門(mén)it、輸出門(mén)ot和遺忘門(mén)ft，BERT 嵌入得到字符分布式表示為x={x1，x2，x3，...，xn}，t 時(shí)刻的輸入包括xt與ht-1，ct和ct-1表示記憶單元，ct-1通過(guò)遺忘門(mén)摒棄部分歷史信息，結(jié)合輸入門(mén)新加入的信息得到ct，利用輸出門(mén)計(jì)算得到當(dāng)前時(shí)刻ht，其計(jì)算過(guò)程如式（1）。

3.3 CRF層

CRF 作為解碼層，用于學(xué)習(xí)標(biāo)簽間的約束關(guān)系，解決標(biāo)簽不合理問(wèn)題。BiLSTM 的輸出將句子表示映射到與句子字符對(duì)應(yīng)的標(biāo)簽概率矩陣P，其中Pij表示句中第i個(gè)字符對(duì)應(yīng)標(biāo)簽是j的概率，而CRF 主要是學(xué)習(xí)標(biāo)簽間的轉(zhuǎn)移矩陣A，其中Ai，j表示i標(biāo)簽后接j標(biāo)簽的概率。

對(duì)于經(jīng)過(guò)BiSLTM 特征抽取后得到的隱狀態(tài)輸出H(h1，h2，...，hn)，其對(duì)應(yīng)標(biāo)簽序列為Y(y1，y2，...，yn)，得分函數(shù)可定義為式（3）。

其中，S表示全部句子集合，Hs表示句子s經(jīng)過(guò)BERT和BiLSTM 的隱狀態(tài)輸出，Ys表示句子s對(duì)應(yīng)的預(yù)測(cè)標(biāo)簽序列。

4 實(shí)驗(yàn)及結(jié)果分析

4.1 數(shù)據(jù)集

為構(gòu)建稅務(wù)征收條例知識(shí)圖譜，本文選用國(guó)家稅務(wù)總局和各地稅務(wù)局官網(wǎng)政策庫(kù)自1984 年以來(lái)發(fā)布的各項(xiàng)稅務(wù)征收條例作為數(shù)據(jù)集。采用BIO 格式對(duì)稅收條例知識(shí)建模方法提及的要素進(jìn)行標(biāo)注，最終得到Tax 數(shù)據(jù)集。以8∶1∶1 的比例對(duì)數(shù)據(jù)集進(jìn)行劃分得到訓(xùn)練集、驗(yàn)證集和測(cè)試集。稅收條例知識(shí)要素類(lèi)型和數(shù)據(jù)統(tǒng)計(jì)信息如表3所示。

為證明本文模型的可擴(kuò)展性，除在本文標(biāo)注的Tax 數(shù)據(jù)集上開(kāi)展實(shí)驗(yàn)外，還選取了兩個(gè)中文基準(zhǔn)數(shù)據(jù)集MSRA和Weibo［18］進(jìn)行實(shí)驗(yàn)，數(shù)據(jù)集統(tǒng)計(jì)信息如表4所示。

4.2 實(shí)驗(yàn)設(shè)置與評(píng)價(jià)指標(biāo)

本實(shí)驗(yàn)基于Tensorflow 深度學(xué)習(xí)框架，在Linux 系統(tǒng)下的Nvidia Tesla P40 平臺(tái)上進(jìn)行模型訓(xùn)練。主要參數(shù)包括：最大句子長(zhǎng)度為300，batch_size 為64，學(xué)習(xí)率為0.000 5，優(yōu)化器采用Adam［18］，drop_out 為0.5；為緩解梯度消失和爆炸的影響，LSTM 隱含單元設(shè)為128，層數(shù)為2；經(jīng)過(guò)預(yù)訓(xùn)練模型對(duì)比實(shí)驗(yàn)后，選取更加適用于本文抽取任務(wù)的RoBER-Ta-wwm-ext［19］模型，該模型包含了包含12 個(gè)Transformer，預(yù)訓(xùn)練詞向量維度為768。本文采用P 值、R 值和F1值作為評(píng)價(jià)指標(biāo)，F(xiàn)1值使用微平均計(jì)算，具體計(jì)算公式如式（6）。

Table 3 Statistics of element number of Tax dataset表3 Tax數(shù)據(jù)集要素?cái)?shù)量統(tǒng)計(jì)

Table 4 Statistical of universal datasets表4 通用數(shù)據(jù)集統(tǒng)計(jì)

其中，TP 表示預(yù)測(cè)要素是正確識(shí)別的個(gè)數(shù)；FP 表示預(yù)測(cè)要素是錯(cuò)誤識(shí)別的個(gè)數(shù)；FN 表示標(biāo)準(zhǔn)標(biāo)注要素被錯(cuò)誤識(shí)別的個(gè)數(shù)。

4.3 實(shí)驗(yàn)結(jié)果與分析

為證明本模型性能，采用BiLSTM-CRF、BERT-CRF 這兩種模型作為對(duì)比模型。具體實(shí)驗(yàn)性能如表5所示。

Table 5 Knowledge element extraction model performance表5 知識(shí)要素抽取模型性能

將本文模型與序列標(biāo)注經(jīng)典基線(xiàn)模型BiLSTM+CRF進(jìn)行對(duì)比，3 個(gè)指標(biāo)均大幅提升，準(zhǔn)確率提升10.03%，召回率提升11.47%，F(xiàn)1 值提升11.15%。說(shuō)明在稅務(wù)領(lǐng)域，BERT 預(yù)訓(xùn)練模型詞向量較于傳統(tǒng)Word2vec 模型訓(xùn)練的靜態(tài)詞向量在表達(dá)字的語(yǔ)義信息和有效提取上下文特征方面表現(xiàn)更佳，證實(shí)了本文模型在稅務(wù)領(lǐng)域要素抽取任務(wù)上可行。

將BERT+BiLSTM+CRF 模型與BERT+CRF 模型進(jìn)行對(duì)比，兩個(gè)模型間的區(qū)別在于BiLSTM 層，從結(jié)果上看召回率降低了，但準(zhǔn)確率提高2.1%，F(xiàn)1 值提高2.44%，證明BiLSTM 在獲取句子的長(zhǎng)距離語(yǔ)義依賴(lài)方面具有一定優(yōu)勢(shì)。

在通用數(shù)據(jù)集MRSA 上實(shí)體類(lèi)型少，識(shí)別較為容易，3個(gè)模型F1值均達(dá)到90%以上，BERT-BiLSTM-CRF 模型相較于BiLSTM-CRF 模型各項(xiàng)指標(biāo)均提高5%以上，但與BERT-CRF 模型相比，性能提升不大。在更具挑戰(zhàn)性的數(shù)據(jù)集Weibo 中，本文模型各項(xiàng)指標(biāo)較基線(xiàn)模型BiLSTM 提升17%以上，在BERT-CRF 模型上的提升比MSRA 數(shù)據(jù)集更大，表明本文方法具有一定擴(kuò)展性。

為驗(yàn)證各種中文預(yù)訓(xùn)練語(yǔ)言模型性能，在本文模型結(jié)構(gòu)下選取BERT-base［17］、BERT-wwm［19］、Roformer［20］、Ro-BERTa-wwm-ext［19］等BERT 模型進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)性能如表6所示。

BERT 系列模型明顯優(yōu)于Roformer，表明BERT 系列模型更適用于本文抽取任務(wù)。BERT-wwm 作為BERT 升級(jí)版，引入了全詞MASK，實(shí)驗(yàn)表明，模型在準(zhǔn)確率（P）和召回率（R）上略?xún)?yōu)于BERT-base，F(xiàn)1指標(biāo)性能幾乎接近。

由于RoBERTa-wwm-ext 訓(xùn)練數(shù)據(jù)量大和特殊設(shè)計(jì)的MASK 方式，各項(xiàng)指標(biāo)均明顯優(yōu)于其他對(duì)比預(yù)訓(xùn)練模型。

Table 6 Pre-training model extraction performance表6 預(yù)訓(xùn)練模型抽取性能

5 稅收條例知識(shí)圖譜自動(dòng)構(gòu)建

本文基于上述稅收要素抽取模型，實(shí)現(xiàn)了面向稅收條例的知識(shí)圖譜自動(dòng)構(gòu)建，構(gòu)建流程如下：

（1）知識(shí)要素抽取。給定一條稅務(wù)條文，采用基于BERT 的稅收條例要素抽取模型對(duì)稅務(wù)征收條例進(jìn)行要素識(shí)別，得到知識(shí)要素?cái)?shù)據(jù)列表List1。

（2）結(jié)構(gòu)組合。由于稅法分面樹(shù)的各部分組成詞較為固定，將要素按＜納稅主體-主體修飾＞、＜納稅主體-納稅對(duì)象＞、＜納稅對(duì)象-對(duì)象修飾＞、＜稅種-納稅對(duì)象＞、＜納稅行為-行為修飾＞＜納稅行為-稅種＞進(jìn)行組合得到數(shù)據(jù)列表List2。

對(duì)List2中的各類(lèi)二元組組合，利用表2 中的預(yù)定義關(guān)系類(lèi)型進(jìn)行關(guān)系拼接，形成最后的關(guān)系數(shù)據(jù)列表List3。此列表包含：要素1 及其要素類(lèi)別、要素2 及其要素類(lèi)別，從而得到三元組，對(duì)三元組進(jìn)行拼接得到稅收條例知識(shí)子圖。

（3）稅收條例知識(shí)圖譜構(gòu)建。利用子圖中的納稅人源節(jié)點(diǎn)進(jìn)行融合得到知識(shí)圖譜。子圖融合之前進(jìn)行定義的查詢(xún)子圖操作，利用文本匹配方法在條例庫(kù)中進(jìn)行匹配，若有沖突則執(zhí)行子圖更新操作，更新知識(shí)圖譜中的知識(shí)子圖；若無(wú)沖突則進(jìn)行添加子圖操作。通過(guò)上述操作融合知識(shí)子圖得到知識(shí)圖譜。

（4）可視化展示。將獲取的知識(shí)圖譜以數(shù)據(jù)形式進(jìn)行結(jié)構(gòu)化存儲(chǔ)，利用Echarts 結(jié)合Vue.js 開(kāi)發(fā)的知識(shí)圖譜可視化工具，以導(dǎo)向圖形式對(duì)稅收條例知識(shí)進(jìn)行可視化展示，如圖3所示。

Fig.3 Visual display of tax regulations knowledge graph圖3 稅收條例知識(shí)圖譜可視化展示

6 結(jié)語(yǔ)

本文面向稅務(wù)征收條例數(shù)據(jù)研究知識(shí)圖譜構(gòu)建方法，針對(duì)知識(shí)圖譜構(gòu)建需求，提出面向稅收條例的知識(shí)建模方法，準(zhǔn)確且適當(dāng)?shù)乇硎玖硕愂諚l例中蘊(yùn)含的知識(shí)。同時(shí)，針對(duì)稅收條例的數(shù)據(jù)特點(diǎn)，設(shè)計(jì)基于BERT 的稅收條例知識(shí)要素抽取模型，在本文標(biāo)注的Tax 數(shù)據(jù)集上展現(xiàn)出其優(yōu)秀性能，并通過(guò)對(duì)比實(shí)驗(yàn)選取適合本文任務(wù)的中文預(yù)訓(xùn)練語(yǔ)言模型。在通用數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)也展現(xiàn)了較好性能，證明該模型適用于稅務(wù)知識(shí)抽取任務(wù)，且在通用領(lǐng)域具有一定擴(kuò)展性。最后，基于知識(shí)要素抽取模型，提出了知識(shí)圖譜自動(dòng)構(gòu)建流程，實(shí)現(xiàn)了面向稅收條例知識(shí)圖譜的構(gòu)建。

為構(gòu)建質(zhì)量更高的知識(shí)圖譜，后續(xù)研究將收集更多稅收條例數(shù)據(jù)進(jìn)行人工標(biāo)注，增加數(shù)據(jù)量以提升知識(shí)要素抽取性能。知識(shí)建模中要素分類(lèi)粒度較粗，并不能完全涵蓋所有領(lǐng)域知識(shí)概念，后續(xù)將繼續(xù)補(bǔ)充相關(guān)領(lǐng)域知識(shí)，完善知識(shí)建模方法。