基于本体的公路工程安全领域知识建模和应用

针对工程安全管理中普遍存在的知识缺口问题，提出一套基于本体技术实现领域知识建模和更新的方法。以公路工程领域为范例，从行业标准规范的文本数据中自动提取安全知识，构建领域知识图谱；通过知识模型与建筑信息模型(BIM)的结合，开发安全管理应用场景，展示本体引导的知识图谱对工程安全管理的辅助作用。领域本体在知识图谱中作为本体层结构，表示为一个包含7个层级、 390个有效节点的多维度层状结构；基于本体层的引导开发知识提取算法，从海量文本中提取网状知识结构，形成知识图谱的数据层。知识模型的更新采用由数据层到本体层的知识流动方式；提出基于类属关系、构成关系和实体核心词聚类的3类方法，实现本体层的更新。将知识模型关联实际项目的BIM,从安全管理的应用层面出发，验证了本体的引入在知识的组织和扩展中起到良好效果，展现了知识模型与BIM的结合呈现出的智能化应用前景。该研究为领域知识图谱的构建、更新、应用全过程提供了一个完整的范例，对于本体更新过程实现了方法创新，拓展了知识图谱的应用领域和技术思路，有助于提升工程安全管理的信息化水平。     

面向地理课程自动解题的本体知识库构建

解题所需知识库的构建对自动解题尤为重要。在利用本体知识库解答地理试题时,希望尽量减少本体构建中的人工参与成分。为此,首先对地理试题文本进行分词,并利用TF-IDF算法实现试题文本中的概念实体抽取;然后设计基本术语层次关系表,实现试题文本中的概念实体关系构建;最后利用Jena推理机将概念实体关系进一步规则化为OWL本体,并利用protégé工具对其进行调整和优化。在所收集地理试题集上的实验结果表明,本文所提出的本体构建方法对各类试题的知识库构建有明显的效果。     

面向地理课程自动解题的本体知识库构建

解题所需知识库的构建对自动解题尤为重要.在利用本体知识库解答地理试题时,希望尽量减少本体构建中的人工参与成分.为此,首先对地理试题文本进行分词,并利用TF-IDF算法实现试题文本中的概念实体抽取;然后设计基本术语层次关系表,实现试题文本中的概念实体关系构建;最后利用Jena推理机将概念实体关系进一步规则化为OWL本体,并利用protégé工具对其进行调整和优化.在所收集地理试题集上的实验结果表明,所提出的本体构建方法对各类试题的知识库构建有明显的效果.     

基于实体对齐的知识图谱构建研究

知识图谱以图的形式描述概念、实体及它们之间的关系,通过建立唐诗、作者和地点等关系图谱,可以从古诗词数据中挖掘深层次的知识。获取互联网中的各种类型的唐诗相关的数据,包括各类百科数据和垂直网站等。利用自顶向下的方法,构建本体,定义领域概念,并自动的从多数据源中抽取出实体、关系及属性等信息进行填充。基于词向量进行实体对齐,判断不同来源的实体是否描述的是现实世界中的同一实体,从而扩充构建好的知识图谱。最后,通过Neo4j图数据库进行展示。     

辽代历史文化资源知识图谱构建研究

目前网络上关于辽代历史信息化智能查询服务系统资源相对缺乏,关于辽代历史介绍文本篇幅冗长,不方便大众进行阅读观看.为了便于大众能更加快速准确了解相关的辽代历史知识,基于百度百科、搜狗百科以及基于爬虫技术等形式获取了与辽代历史相关的文本数据,采用BiLSTM-CRF模型进行实体抽取,通过关系抽取模型抽取实体间的关系,通过知识融合等技术对得到的数据进行实体对齐以及本体构建.最终构建辽代历史文化领域知识图谱,并在此知识图谱的基础上开发了可视化查询系统.     

基于镜像空间的平移嵌入模型

知识图广泛应用于许多人工智能(AI)任务。然而，现有知识图通常是不完整的，需对知识图进行补全或链接预测。本文通过对知识图中的实体和关系进行嵌入来预测知识图的缺失环节：首先，引入镜像空间的概念，使得模型具有学习对称和反对称模式的能力；其次，在新的空间模型中，关系仍然被建模为平移，而实体被建模为具有镜像点的点；最后，提出了MTransE模型将镜像空间的概念应用到TransE上，并在4个广泛使用的数据集上进行实验。实验结果表明，该方法能减少参数的规模，并提高了在4个广泛使用的知识补全数据集上的性能。     

数据库系统概论本体设计及实现

本文将知识工程中的本体论思想引入到DBS(数据库系统)教学系统的知识库建模,分析了本体结构的数学表达.我们采用protégé编写有关DBS本体,提高了概念的共享,重用模型便于机器理解,在本体应用中尝试将其应用到基于本体知识库的e-learning(电子教学)中.     

基于领域本体的知识库架构和实现

知识库是基于语义的信息检索进行推理和知识积累的基础和关键,而本体Ontology则是知识库的基础.对基于本体的领域知识库架构及知识推理系统进行了分析研究,以高中生物学知识库的构建为应用背景阐述了领域本体概念树的抽取过程,并应用建模工具Protégé构建了OWL语言描述的生物学领域知识库实例,为下一步实现知识推理完成了知识表示.     

基于BERT和双向RNN的中文林业知识图谱构建研究

为了融合碎片化林业文本数据,解决目前林业网络知识散乱、无序和关联性不强的问题,将深度学习与知识图谱相结合,提出一种基于改进BERT和双向RNN的模型用于林业实体识别和实体关系抽取。通过基于实体Mask的BERT词向量处理,自动提取出序列中与研究领域相关的词级和语义特征,将词向量输入命名实体识别模型和实体关系提取模型训练。在通用数据集上,实体关系抽取BERT-BiGRU-Attention模型效果更优,F1值提升1%,准确率在90%以上;实体识别BERT-BiLSTM-CRF模型各项指标比传统模型提高2%。在林业数据集上,模型准确率达到80%以上。表明基于BERT和双向RNN模型构建中文林业知识图谱是可行的。在此模型的基础上搭建中文林业知识图谱智能系统,可以优化林业信息管理方法,促进林业发展。     

基于本体知识库的服务决策机制的设计方法

提出一种基于家庭本体知识库的服务决策机制的设计方法.首先,围绕网络中存储的与家庭服务相关的半结构化文本信息初步构建训练数据集.其次,基于与家庭服务相关的本体知识库构建信息提取机制,针对初步数据集包含的物品信息提取知识库中对应的服务物品属性信息;基于长短时记忆网络(LSTM)设计一种学习模型并命名为服务决策机制,该机制利用知识库作为常识部分进行辅助推理,生成与服务请求对应的决策信息.最后,针对决策信息进行对比实验.实验结果表明:将本体知识库作为常识部分辅助推理,能够提高决策信息的准确性.     

基于主题敏感的重启随机游走实体链接方法

实体链接任务的目的是将文本中的实体指称链接到知识库中与之对应的无歧义实体。针对此任务, 提出一种基于主题敏感的重启随机游走的实体链接方法。该方法首先使用实体指称的背景文本信息将实体指称扩充为全称, 并在维基百科知识库中搜索候选实体, 得到候选实体集合; 根据上述中间结果构建图, 利用在图上的主题敏感重启随机游走得到的平稳分布对候选实体集合进行排序, 选出top 1 的候选实体作为目标实体。实验结果表明, 该方法在KBP2014 实体链接数据集上实验的F 值为0.623, 高于其他系统实验的F值, 能够有效提高实体链接系统的整体性能。     

从UML类图到本体的自动映射

本体(ontology)是描述概念及概念之间关系的概念模型,通过概念之间的关系来描述概念的语义.然而,本体的描述语言种类繁多,阅读困难,不利于本体建模人员交流沟通.UML作为建模领域的公认标准,已被许多人熟知和广泛使用.基于UML和本体建模的相似性,提出利用UML类图描述本体模型,并建立了从UML类图到本体模型的自动映射,以提高本体建模的效率.     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。     

基于实体信息和图神经网络的药物相互作用关系抽取

药物相互作用是指药物与药物之间相互促进或抑制.针对现有的药物关系抽取方法利用外部背景知识和自然语言处理工具导致错误传播和积累的问题，以及现有大多数研究在数据预处理阶段对药物实体进行盲化，忽略了有助于识别关系类别的目标药物实体信息的问题.论文提出了基于预训练生物医学语言模型和词汇图神经网络的药物相互作用关系抽取模型，该模型通过预训练语言模型获得句子的原始特征表示，在基于数据集构建的词汇图上进行卷积操作获得与句子相关的全局特征信息表示，最后与药物目标实体对特征进行拼接从而构建药物相互作用关系提取任务的特征表示，在获得丰富的全局特征信息的同时避免了使用自然语言处理工具和外部背景知识，提升模型的准确率.论文的模型在DDIExtraction 2013数据集上的F₁值达到了83.25%,优于目前最新方法2.35%.     

面向领域知识图谱的实体关系联合抽取

文本数据中的实体和关系抽取是领域知识图谱构建和更新的来源.针对金融科技领域中文本数据存在重叠关系、训练数据缺乏标注样本等问题,提出一种融合主动学习思想的实体关系联合抽取方法.首先,基于主动学习,以增量的方式筛选出富有信息量的样本作为训练数据;其次,采用面向主实体的标注策略将实体关系联合抽取问题转化为序列标注问题;最后,基于改进的BERT-BiGRU-CRF模型实现领域实体与关系的联合抽取,为知识图谱构建提供支撑技术,有助于金融从业者根据领域知识进行分析、投资、交易等操作,从而降低投资风险.针对金融领域文本数据进行实验测试,实验结果表明,本文所提出的方法有效,验证了该方法后续可用于金融知识图谱的构建.     

产业集群知识图谱构建方法研究

通过探索知识图谱在产业集群的应用，提出了产业集群知识图谱整体设计框架，设计了产业集群知识图谱中实体及其关系本体模型。选取宁波市注塑机产业集群为例，通过互联网平台获取企业数据，经过数据预处理、知识抽取和知识融合，依据本体模型构建了宁波市注塑机产业集群知识图谱，将所构建的所有三元组存储于Neo4j图数据库中。根据所构建的知识图谱，分析注塑机集群整体特性，通过分析发现产业集群在地理位置临近关系上和业务往来有着密切的关系，验证本文提出方法的可行性。     

基于模糊本体的智能交通系统知识建模

为有效处理交通知识建模中的模糊与不确定现象,提出包括领域本体与顶层本体的模糊本体模型.在领域本体中引进模糊概念属性值,并将普通的概念关系扩展为模糊关系与直觉模糊关系.顶层本体基于模糊语言变量的形式化表示,考虑了模糊概念间的实质性语义关系:集合关系、序关系与等价关系.以交通事故分析与预测系统为例,建立交通知识本体模型与基于语义的信息检索系统.该模型可有效进行智能交通系统的知识建模,有利于语义Web环境下智能交通的信息管理与知识管理.     

语义相似计算驱动领域自动问答

研究实体相似性的认知心理特征和受限领域自动问答(QA)系统的形式特点.基于结构对齐和几何相似模型,把词语概念描述分解为属性部分和语义角色部分,各部分结构分别对齐后,计算对齐义原的关系距离,加权组合计算词语的相似度.该方法也适用于解析成语义向量表示的疑问句的相似度计算.融合通用本体、领域本体和领域知识文本,构造了支持语义计算求解某一银行QA问题的知识库.实验表明,该方法可以提高领域QA系统的用户满意度.     

一种基于本体的个性化搜索引擎模型

利用信息检索、本体和个性化搜索等相关知识,构建一种基于本体的个性化搜索引擎模型PSMBO.该模型由用户界面、查询请求处理模块、检索模块、查询结果处理模块、兴趣学习模块以及用户兴趣知识库和本体知识库七个部分组成.该模型在一定程度上提高了搜索引擎在查准率和查全率方面的性能.     

主题图本体技术构建公安情报概念知识库研究

公安情报的概念伴随着社会的发展进步在不断充实和完善,构建公安情报概念知识库是分析和把握当前公安情报规律和本质的基础性理论研究。引入情报学中主题图本体技术,充分发挥本体构建概念体系、概念关联和标引资源出处的信息组织优势构建公安情报概念知识库。探讨主题图本体技术构建公安情报概念知识库的一般方法,为整体概念知识库的构建奠定基础。