1. 研究目的与意义（文献综述）

知识图谱技术日益成为人工智能的基础，是机器理解自然语言和构建知识网络的重要方法。google是最早将知识图谱技术应用于搜索领域，通过知识图谱可以更好的理解用户的搜索意图，将质量进一步优化和提升。从业界的发展动态来看，知识图谱已经广泛运用于各个领域，所以对知识图谱构建技术进行研究是很有必要的。

在司法领域涉及法律法规、司法流程、司法解释、参考文献、典型案例、裁判文书、审判业务信息系统等大量非结构化信息，使用知识图谱技术有机高效的处理和整合这些数据，构建司法领域的知识图谱，可以为司法体系的各类业务高效和准确处理提供有利支撑。构建司法领域的知识图谱是司法智能应用的必然路径。近年来，知识图谱在司法领域的运用悄然兴起,帮助从业人员快速地在线检索相关的法务内容，提高法院审判工作质量和效率。

自从2012年google提出“知识图谱”这个概念并推出自己第一版知识图谱以来，知识图谱在工业界和学术界掀起了一股热潮。

2. 研究的基本内容与方案

2.1研究（设计）的基本内容

本文主要研究如何构建一个司法领域的知识图谱，包括从特定的数据源中获取数据，然后通过一些自动化技术进行信息抽取，获得相应的知识，通过知识融合对知识进行调整，以消除冗余、歧义和矛盾的知识，通过推理可以得到一些隐含的知识，然后进行知识验证，对知识进行纠错、补全等，确保知识图谱的一致性和准确性。将知识存储在rdf或数据库中，这样就构建了一个司法领域的知识库，最后通过知识更新来确保知识库中的知识随着时间的发展保持最新的状态。

2.2研究（设计）的目标

3. 研究计划与安排

1. 2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

2. 2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

3. 2018/5/1—2018/5/25：撰写及修改毕业论文；

4. 参考文献（12篇以上）

[1]jiaqing liang, yanghua xiao, haixunwang, yi zhang, wei wang:

probase : inferring missing links inconceptual taxonomies. ieee trans. knowl. data eng. 29(6): 1281-1295 (2017)

[2]jiaqing liang, yanghua xiao, yizhang, seung-won hwang, haixun wang:graph-based wrong isa relation detection ina large-scale lexical taxonomy. aaai 2017: 1178-1184