知識圖譜在新聞生產平臺中的應用

摘要：在5G時代信息大爆炸的背景下，知識圖譜成為一種有效的信息管理工具，通過將零散信息進行關聯，可以形成完整的知識體系。在新聞領域，知識圖譜的應用能夠改變傳統的新聞內容存儲和管理方式，提高新聞生產效率，為用戶提供一種更加便捷的方式來獲取所需信息。本文重點探討了新聞領域對知識圖譜的需求、知識圖譜在國內外新聞領域的應用狀況，以及知識圖譜在新聞領域可能出現的應用場景，以期為相關人員提供參考和借鑒。

關鍵詞：知識圖譜；新聞生產平臺

引言

知識圖譜是一種可將信息有效結構化的方法，可以把零散的信息關聯起來，形成一個完整的知識體系，使人們能夠更好地理解和使用信息。對于新聞領域來說，知識圖譜的引入為新聞領域提供了新的可能性和機遇。通過將新聞信息結構化，知識圖譜可以幫助新聞生產者更好地管理新聞內容，提高新聞生產的效率，同時，也為用戶提供了一種更加便捷的獲取他們需要的信息的方式。

1. 知識圖譜綜合性闡述

知識圖譜是一種利用圖形結構來表達和整理知識的方法，它將事物（如對象、事件、概念等）表示為節點，將事物之間的關系表示為邊，從而形成一個網絡結構。這種結構可以幫助人們更好地理解和分析復雜的信息和知識。

1.1 知識圖譜的特性

（1）結構化。知識圖譜將信息從非結構化狀態轉化為結構化的形態，使機器可以更好地理解和處理這些數據。

（2）語義化。知識圖譜不僅保存了數據，還保存了數據之間的關系，這種關系是有語義的。例如，“北京是中國的首都”這個語句可以被轉化為知識圖譜中的兩個節點（北京、中國）和一個邊（是首都）。

（3）可連接。知識圖譜中的節點和邊可以連接到其他知識圖譜，從而形成一個更大的知識網絡。這種連接可以幫助人們發現新的知識，并深入洞察。

1.2 知識圖譜的類型

知識通常可以被劃分為領域知識、百科知識、場景知識、語言知識、常識知識等幾種類型。基于這些知識種類，可以將知識圖譜歸類為領域知識圖譜和通用知識圖譜。領域知識圖譜專注于某一特定領域的知識，如保險、醫療、法律等，其構建的難度相對較小。通用知識圖譜則覆蓋知識面更為廣泛，包括各種各樣的信息，因此，在構建過程中面臨的挑戰更大。

1.3 知識圖譜的構建

建立知識圖譜的過程通常涵蓋三個核心步驟：知識抽取、知識融合、知識推理[1]。知識抽取是指從各種數據源中自動提取結構化的知識，包括文本、圖像、語音等。知識融合是指將各種不同來源的知識進行統一和整合，消除冗余和矛盾。知識推理是指基于已有的知識進行推理和推斷，得出新的知識。

通常，知識圖譜的構建采用Neo4j圖形數據庫來實現。主流的圖形數據庫還有JanusGraph、HugeGraph。

知識圖譜的出現是多種相關技術在發展過程中相互影響、融合和進化的產物，這些技術包括語義網絡知識表示、本體論、語義網、自然語言處理等，其技術基礎融匯了Web、人工智能、自然語言處理等多個領域的先進理念和方法。在全球范圍內，除了Google的知識圖譜外，還有一些高質量大規模開放的知識圖譜，如DBpedia、Wikidata、ConceptNet，以及Microsoft Concept Graph等，這些知識圖譜涵蓋了多種語言和廣泛的領域。此外，還有OpenKG等中文開放知識圖譜平臺。

知識圖譜廣泛應用于搜索引擎、社會網絡、推薦系統、自然語言處理和人工智能等領域。Google把搜索引擎從反向索引轉向到知識圖譜，滿足更多的檢索場景，提供更準確和豐富的搜索結果；Facebook的社交圖譜可以幫助用戶發現新的朋友和興趣；Amazon的商品圖譜可以提供更個性化的購物推薦。

2. 知識圖譜在國內外主流媒體中的應用現狀

央視網“人工智能編輯部”的“I學習”智能時政數據庫，成功打造了中國首個大規模的中文時政領域知識圖譜[2]。這個以時政知識圖譜為核心的工具，實現了時政新聞的全面知識結構化、圖譜化、可視化，不僅有效助力了時政內容創作過程中的策劃選題、思路拓展和數據提取等環節，更在提高生產效率方面發揮了重要作用。

《華盛頓郵報》在網頁新聞中嵌入知識地圖，在新聞正文中，一些關鍵知識點會被標注。當讀者點擊這些標注時，正文右側將以知識卡片的方式展示相關的背景新聞或相關信息。這種補充顯示的知識主要以簡潔的文字和圖片形式呈現[3]。

《紐約時報》應用知識圖譜的新聞編碼代表了一種創新的新聞展現形式，其來源于《紐約時報》研究與發展實驗室提出的“Particles理論”，對新聞中提取出的新聞顆粒即信息點進行編碼。這種新聞編碼是對新聞中提取出的信息點，即新聞顆粒進行編碼的過程。通過這種方式，新聞信息具備了被搜索和提取的能力，可以被拆解為各個元素，并在清晰的時間軸上進行組織。這種策略能夠實現新聞信息的實時增量積累和重復利用，同時，也可以將相同的新聞內容自動轉化為不同風格的文章[3]。

3. 知識圖譜在新聞生產平臺的應用研究

知識圖譜能夠將碎片化、分散的信息集成到一個統一、結構化的框架中，提供更深層次、更全面的信息理解和應用，在有效處理大規模數據時，不斷挖掘其中的價值，服務于各種復雜的任務和需求。新聞領域信息系統利用自然語言處理、機器學習和圖譜構建等先進技術，可以從新聞素材中提取和分析信息，進一步將這些信息編織成一張知識圖譜，實現對新聞事件的深度挖掘和理解，從而賦予新聞更深遠的價值和意義。這個過程可以幫助新聞機構提高新聞生產、發布和推薦的效率和質量，同時，也為新聞消費者提供了更好的閱讀體驗。

在以往的新聞制作過程中，新聞內容的過度重復加工導致大規模的人力資源浪費，同時，也給新聞制作人員帶來了挑戰，他們需要創新并提供高品質的新聞產品，讓用戶可以輕松高效地獲取信息。現在利用知識圖譜技術，能夠使新聞信息技術系統提供優質的數據資源和自動化工具，從而提升新聞從業人員的生產效率。以下是知識圖譜在新聞生產技術平臺中的一些綜合應用場景，其能夠在新聞生產、媒體內容智能標注、新聞元數據推薦、制作流程優化等方面，加強和優化媒體內容資源數據管理能力。

3.1 新聞聚合

使用知識圖譜自動標記新聞報道的主題，根據主題進行分類，能夠讓新聞采編人員和新聞用戶更容易找到他們感興趣的內容。將不同來源的新聞按照主題、事件、人物等進行分類和鏈接，幫助新聞采編人員和新聞用戶更全面地了解某個事件的發展過程和背景信息。例如，知識圖譜可以將所有關于特定政治事件的新聞聚合在一起，使用戶能夠從多個角度和多個來源了解整個事件。

3.2 新聞推薦

通過知識圖譜可得到更細粒度、知識層面的新聞與用戶特征信息，構建采編人員的興趣模型，可以幫助理解采編用戶的資料查閱習慣和興趣愛好，從而提供更個性化的新聞推薦，推薦更符合個性化需求的內容。這一功能模塊同樣可以應用于新聞用戶的訂閱和展示平臺中。例如，使用知識圖譜將用戶的瀏覽歷史、社交媒體活動等數據與新聞文章的主題、作者、出版日期等信息相結合，以生成更精確的推薦。

3.3 自動新聞生成

基于知識圖譜技術的自動新聞生成技術，能夠自動從大量的數據中提取信息，然后生成新聞報道。通過把新聞事件、人物、地點、日期等信息轉化為知識圖譜的節點和邊，機器可以根據這些信息自動生成新聞報道。例如，知識圖譜可以將一場足球比賽的結果、進球球員、比賽地點等信息轉化為新聞報道的框架，然后通過自然語言處理技術填充具體的描述和評論。此外，對這些內容進行關聯性分析，以此為基礎，形成的分析結果將作為可供編輯記者參考的素材。

3.4 事件追蹤和分析

知識圖譜作為一種結構化的知識表示方法，可以幫助人們更好地理解和利用通過自然語言提取的信息，從而更高效的進行事件追蹤和分析。利用自然語言處理技術，對新聞素材進行細致的分析和處理，以挖掘并理解文本中的語義信息，同時也有能力識別文本中的情感和立場。自動探索新聞素材中的事件和主題，對相關信息進行分類和整理，以便深度挖掘和理解各種事件。例如，自然語言處理技術可以用來識別、收集和分析有關特定事件（如選舉、自然災害[4]、謠言治理[5]或沖突）的信息，以便新聞記者和分析人員進行深入的研究和報道。也有研究人員使用知識圖譜分析工具CiteSpace軟件進行行業或領域（如跨文化傳播[6]、短視頻研究、我國AI主播）信息的知識圖譜，形成這些領域的基本知識結構體系結構化和可視化構建。

3.5 媒體內容資源管理

通過知識圖譜構建統一和高效的管理框架，優化媒體內容資源管理的采集、存儲、處理和分發各環節構成的工作流程。支持媒體內容資源的高級分析，如趨勢預測、影響力評估等，用于媒體機構理解媒體內容資源的使用情況和用戶需求，對媒體內容的策劃和生產也有一定的指導意義。

在該技術平臺構建的新聞內容元數據關系管理模塊中，采用“前端D3.js+后端Neo4J”的技術路線，以關系圖的方式將新聞內容元數據之間的關系進行展示和追溯，將新聞內容制作過程中的各種生產數據、各層級數據之間的關系進行任意維度的分析，為新聞內容生產提供高效便捷的查詢和管理手段。

4. 知識圖譜技術在新聞領域應用發展展望

信息大爆炸給新聞生產者和媒體從業人員帶來了許多深刻的變化和挑戰，挑戰和機遇并存。隨著人工智能技術的發展，知識圖譜在新聞技術系統中的應用呈現多元化的趨勢，未來的發展前景廣闊。以下是一些可能的發展趨勢和應用場景。

首先，知識圖譜的規模和深度將會進一步擴大。未來的知識圖譜不再局限于處理結構化數據，而是能夠深度挖掘非結構化數據，包括文本、圖片、視頻等。例如，通過對新聞報道的圖片和視頻進行深度學習分析，知識圖譜能夠提取出更豐富的信息，進一步解讀和分析新聞。

其次，知識圖譜將會更加智能化，具有更強的自學習和自適應能力。通過深度學習和強化學習等技術，知識圖譜能夠實現自我進化，隨著信息量的增加，其分析能力和準確度將不斷提升。這使得新聞機構能夠更快速、更精準地進行新聞事件的跟蹤和分析。

再次，知識圖譜還可能與人工智能技術進行融合和應用，發揮更大的作用。在應對“假新聞”的挑戰上，知識圖譜也有巨大的潛力。通過對新聞事件的深度分析和跨源核實，知識圖譜能夠辨別出虛假的新聞報道，幫助用戶獲取真實、準確的新聞信息。

最后，知識圖譜在系統運維和安全方面也逐漸得到廣泛應用，在近幾年的研究中，研究范圍包括事件關聯與緊急響應、網絡安全分析、風險管理、故障排除，以及預測性維護。例如，基于圖數據庫的系統日志圖譜模型[7]，在傳統日志分析信息維度中引入網絡安全知識、系統環境數據和威脅情報三個維度的背景知識，能夠提供多維度分析能力與強事件關聯能力。使用基于安全知識圖譜和逆向特征的弱點信息補全方法對開源網絡安全知識庫進行弱點加固[8]，可以解決現有弱點信息補全方法對弱點信息不同鄰域特征學習不充分的問題。構建面向域名解析系統的知識圖譜[9]，用于提高網絡域名系統服務器日志分析能力。知識圖譜能進一步幫助運維人員理解和監控網絡活動、跟蹤系統配置變化、識別和管理安全風險、存儲和檢索知識，以解決問題并預測和處理可能的系統問題。例如，結合知識圖譜算法的優勢和復雜社交網絡建模的特點解決惡意用戶篩選的問題，在傳統的靜態網絡安全知識圖譜上引入了時序信息，可以有效地預測網絡攻擊事件[10-11]。

結語

近年來，知識圖譜在新聞技術系統中的應用逐漸廣泛，但同時，其在實施過程中仍面臨許多挑戰和限制。未來，隨著人工智能技術的發展和社會的進步，知識圖譜將會在新聞技術系統中發揮更大的作用，將改變新聞的生產、分發和消費方式，為新聞機構和用戶帶來更加便捷和有價值的體驗。

參考文獻：

[1]張吉祥，張祥森，武長旭，等.知識圖譜構建技術綜述[J].計算機工程，2022，48（3）：23-37.

[2]譚景瑜，李璇.以內容為紐帶以技術為驅動——央視網2023年兩會報道創新應用實踐[J].中國傳媒科技，2023（4）：17-22.

[3]宋卿，戚成琳，張鵬洲.知識圖譜技術在新聞領域中的應用思考[J].中國傳媒科技，2016，（05）：19-21，39.

[4]周華清，李來斌.國內外突發事件的應急傳播研究熱點與趨勢分析（2012～2021年）[J].電子科技大學學報（社科版），2023，25（3）：38-49..

[5]寧辰.基于知識圖譜的國內網絡謠言治理研究可視化分析[J].新聞世界，2024（6）：26-29.

[6]劉懋瓊，楊海燕.跨文化傳播輿情管理知識圖譜構建[J/OL].情報科學，2024（6）：1-13[2024-09-04].http：//kns.cnki.net/kcms/detail/22.1264.G2.20240627.1142.006.html.

[7]鄭中一，李賽飛，江曉峰.基于圖數據庫的系統日志圖譜模型構建與分析[J].信息安全與通信保密，2023（6）： 110-121.

[8]周莎，申國偉，郭春.基于安全知識圖譜與逆向特征的弱點信息補全[J].計算機工程，2024，50（1）：145-155.

[9]胡昌秀，張仰森，劉洋，等.面向域名解析系統的知識圖譜構建與應用方法[J].科學技術與工程，2023，23（23）： 9979-9990.

[10]朱弘毅，李榮臻，劉萬里，等.基于知識圖譜的惡意用戶篩選算法研究[J].計算機與數字工程，2023，51（10）： 2334-2338.

[11]黃智勇，劉昕宇，林仁明，等.基于知識圖譜的網絡攻擊預測方法研究及應用[J].現代電子技術，2024，47（9）： 91-96.

作者簡介：韓笑，碩士研究生，高級工程師，hanxiao@xinhua.org，研究方向：媒體融合；端木義平，本科，高級工程師，研究方向：AI、廣播電視制作、播出。