一种基于RBAC的岗位知识需求分析方法

准确获取员工的岗位知识需求是企业有效开展岗位知识服务的首要前提.首先,给出了基于角色的访问控制(RBAC)的概念,分析了RBAC优势及在岗位知识需求分析中的适用性;然后,提出了一种基于RBAC的岗位知识需求分析方法,详细描述了其中的关键实体间的关系和需求分析流程;最后,通过一个实例说明了所提方法的可行性及其实际应用过程.     

基于扩展Span表示的电力变压器运维知识抽取与知识图谱构建

为实现电力变压器运维知识的有效沉淀,以运维文本为研究对象,提出一种融合规则的电力变压器运维知识图谱深度构建框架.首先根据专家指导自顶向下构建知识图谱概念层;然后融合规则和深度神经网络模型抽取知识,构建知识图谱的数据层.针对运维文本中的实体界限模糊和上下文信息利用不充分问题,提出一种通过扩展上下文信息和BERT(bidirectional encoder representations from transformers)获取扩展Span标签的方法,用于实体和关系抽取.算例分析表明,该方法在电力变压器运维数据集中知识抽取效果良好.     

表示学习知识图谱的实体对齐算法

与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.     

传统村落知识图谱构建方法研究

传统村落是指形成较早,具有较高的社会经济价值的古村落,具有不可再生性,应给予保护.首先提出一套构建传统村落知识图谱的方法,完成了传统村落相关概念、概念间关系以及属性的领域本体库构建.在上述研究的基础上,对辽宁省国家级传统村落的数据进行收集,并利用Neo4j图数据库存储传统村落知识图谱数据,完成传统村落知识图谱的构建工作,并在此基础上开发了图谱可视化展示平台,用于自主查询和动态展示实体和实体间关系等信息.通过传统村落的知识图谱的构建,为传统村落数字化传承与保护提供了一套较为完整的方案.     

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。     

面向自主工业软件的知识提取和知识库构建方法

自主工业软件是支撑国内中小企业创新发展的核心力量之一。自主工业软件相关文本中蕴含着大量与制造业相关的知识，但是目前缺少相应的知识提取和知识库构建方法。该文提出一种基于神经网络和自然语言处理的知识提取模型，该模型包括文本表示、实体识别、关系抽取3个部分。基于知识图谱对提取的实体和关系进行建模，通过本体建模定义自主工业软件相关概念，利用图数据建模将本体模型中的概念映射到图数据中，提升了数据检索和建模能力，并将数据持久化存储到知识库中。应用结果表明：该方法可用于构建自主工业软件知识库，对整合制造业相关知识起到重要作用。     

理解语义网实体:基于概念空间的摘要方法

为了快速准确地理解语义网实体,提出了基于概念空间的摘要方法.针对RDF数据的无序性问题,首先将一个实体的不同侧面的RDF数据划分到不同的概念空间中去.其次在同一个概念空间中的数据依照谓语聚类的方法进行组织.对于实体重用带来的RDF数据的可信度问题,根据数据的来源,在数据的权威性维度上对实体数据进行划分.针对实体数据的大规模特性,提出实体数据摘要的方法,综合基于结构的重要性、用户偏好以及来源文档的重要性对数据的重要性进行计算.实验结果表明:基于概念空间的摘要方法能够有效地帮助人们快速理解语义网实体;该方法相对于其他RDF浏览器有4%～17%的效率提升;在用户比较熟悉RDF的情况下,使用该方法能够提高20%左右的效率.     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

一种融合实体关联性约束的表示学习方法

知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体间的语义关联.针对上述缺点提出一种利用实体描述文本进行增强学习的方法,基于文本挖掘出关联性实体并对关联性进行分级,将关联性作为辅助约束融合到知识图谱的表示学习中.实验结果表明,该辅助约束能明显提升推理效果,优于传统的结构化学习模型以及基于深度学习的文本和结构的联合表示模型.      

基于深度学习的实体链接研究综述

介绍实体链接的概念和步骤以及基于深度学习的命名实体链接相关问题和研究现状,分析实体链接研究中存在的问题及相应的解决模型,并介绍相关数据集和评测方法.总结国际评测会议中实体链接的现状,展望未来的研究方向.     

基于Petri网的设备故障诊断研究

基于设备故障诊断知识的特点,采用层次树结构统一表示故障深浅知识。对普通Ｐｅｔｒｉ 网进行拓展定义,并用拓展Ｐｅｔｒｉ 网综合实现故障知识的表示和故障的诊断推理。诊断时首先基于拓展Ｐｅｔｒｉ 网模型的正向可达性分析进行正向不确定推理,限定可能的故障模块,然后基于Ｐｅｔｒｉ 网模型的反向推理功能在故障模块内具体诊断出故障原因。基于ＦＭＳ故障诊断知识的分析,文中给出了一个利用拓展Ｐｅｔｒｉ 网进行知识表示和推理的实例,证明了方法的可行性。     

FMS故障诊断专家系统知识获取子系统的开发

知识获取一直是专家系统建造中的瓶颈问题,本文主要研究了专家系统的知识获取技术,提出了基于例子学习和指导学习相结合的机器学习方法,并将其应用到FMS故障诊断专家系统中,使得该专家系统在运行的过程中能够根据现场的情况不断更新和优化知识库中的知识,进一步拓宽了专家系统的应用前景.     

基于本体的故障诊断知识管理系统研究

针对目前企业内存在的故障诊断信息分散,不易共享和重用的问题,提出基于本体的故障诊断知识管理系统模型.根据故障诊断所涉及的源知识特点,建立了结构域、测试域和故障域3个异构领域本体模型,并根据各本体之间的连接关系给出了故障树生成算法,实现知识之间的共享和重用.以4L-20/8型两级空气压缩机为研究对象,开发了基于本体的故障...     

FMS故障诊断专家系统中的知识处理技术

分析了诊断专家系统中证据和知识的不确定性来源，介绍了ＦＭＳ故障诊断专家系统中浅知识和深知识的不确定性描述及其不确定性传播，给出了一棵主驱动故障树及其部分带点的框图知识表示，以及经过简化的ＦＭＳ故障诊断专家系统的诊断流程。     

基于本体的汽轮发电机组故障诊断知识建模

针对目前汽轮发电机组故障诊断领域知识术语复杂、系统异构、知识表示不完备以及共享和重复使用困难等问题,依据故障诊断需求,采用基于本体的知识表示方法,提出了一种适用于汽轮发电机组故障诊断领域的本体构建方法和知识表示模型.在解析了汽轮发电机组故障知识特性的前提下,定义了其本体概念、属性、关系、实例和公理,为知识表示提供了明确的形式化规格说明,并借助Protégé_4.3构建了包含汽轮发电机组的故障类型、故障特征、故障原因和维修策略等故障诊断领域本体,设计了一致性检验的算法.在此基础上,在SQI机械故障综合模拟实验台上模拟汽轮发电机组故障,通过FaCT++推理机实现本体知识推理测试.结果表明基于本体的汽轮发电机组故障诊断知识模型是可行的.     

基于故障树分析法的FMS层次诊断模型

从基于知识的诊断角度出发，针对ＦＭＳ的结构特点和故障传播形式，提出了一种基于故障树分析法的ＦＭＳ层次诊断模型．详细介绍了模型的设计思想、模型的建立过程以及诊断推理控制策略     

FMS系统中的实时故障监测与系统评价

该文对FMS系统中的实时故障监测与系统评价进行研究。在考察静态故障树组成结构和运行环境及FMS的运行特征的基础之上、提出了FMS的一般实时故障树模型及其面向对象的知识表示与推理方法。该方法综合运用故障树授术、面向对象的节点描述及存贮和正．反向推理策略，达到了迅速、准确检测故障的要求。文末给出该系统的组成结构和实现方法，通过实际系统的试验运行，证明了该方法的有效性。     

复杂系统基于混合知识模型的智能故障诊断技术

系统阐述了复杂系统故障诊断知识的概念、类别和相互关系,研究发展了定性和定量、浅层和深层、模糊和动态等多种诊断知识的获取方式和集成组织模型,建立了因果、结构和模型等不同层次和类别诊断知识的面向对象表示方法,提出了综合多层次和多类别诊断知识的智能故障诊断理论和策略.该策略能有效提高故障诊断的准确性以及诊断推理的效率.     

确定性故障诊断知识节点式表示技术

基于汽车故障诊断专家系统确定性知识的特点 ,建立了子集产生式、语义网络式、框架式知识表示技术优点于一体的节点式知识表示方法 ,并进行实例分析 ,实际应用表明节点式知识表示技术 ,能提高专家系统故障诊断的效率。