基于EKEL的影评挖掘分析方法和系统

基于EKEL的影评挖掘分析方法是从影评文本中自动获取电影基本知识与评价知识的一种数据挖掘方法.同时该方法是一种结合文法与本体的知识抽取方法,把设计好的影评文法体系与EKEL系统结合,形成一个文本知识挖掘系统,可以有效且准确地抽取影视领域中的基本知识与评价知识.首先设计影评文法,研究设计方法及设计原则,同时结合EKEL系统,对获取到的影评文本语料进行挖掘并分析,产生EKEL分析树,然后对EKEL分析树进行深入分析及后处理.接着进行影评挖掘实验,分析精确率和召回率,并总结本文所研究知识抽取方法的有效性.最后,并对该方法的通用性进行了展望.     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。文中对故障诊断知识获取问题进行了形式化表达，给出了建立各故障模式特征描述的概念覆盖算法和构造故障概念层次性分类描述的概念聚类算法，并以旋转机械故障诊断知识获取为例，阐述了这一故障概念与诊断规则自动获取机制。     

面向产品设计人员的知识推送服务研究

面向产品设计人员的知识推送服务为设计人员提高其对知识的重用提供了有效的解决途径。文章首先讨论了知识服务的概念及分类,然后描述了产品设计人员的知识需求,包括设计人员知识需求的生成方法与更新原则以及基于概念语义扩展的设计知识检索方法;在此基础上,给出了面向产品设计人员的知识服务层次模型和需求驱动的产品设计知识服务运行模式,并通过实例对该模式进行了系统实现与验证,应用表明该系统可有效提高设计人员知识获取的效率。     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。     

KBMDS：基于知识的地图数据库系统

ＫＢＭＤＳ是在ＭＤＳ地图数据库的基础上，结合ＡＩ技术，面向地图的基于知识的地图数据库系统，它具有四种功能：编辑功能、查询功能、学习功能和人机交互功能。系统采用了框架语义网络知识表达方法及其揄机制实现对图象物体的描述和检索，基于查询实例的学习功能提高了系统的查询效率，基于规则的图象物体描述的自动知识获取的途径。ＫＢＭＤＳ提供了两种查询语言，一种是具有二维文法的ＱＰＥ；一种是具有线性文法的ＬＩＰＬ语言     

基于自然语言处理的材料领域知识图谱构建方法

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题. 知识图谱(knowledge graphs, KGs)作为一种高效的知识组织模型, 可以有效地对材料领域知识进行表示、组织和推理, 从而提升材料机器学习算法的智能水平. 研究了基于自然语言处理技术的材料领域知识自动获取方法, 提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field, Bi-GRU-GNN-CRF) 的材料实体关系联合抽取方法, 以及基于改进 TextRank 算法的材料工艺知识抽取方法, 实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识. 实验结果表明, 所提出的材料知识获取方法具有较好的精度和召回率, 能够有效提升材料知识图谱的知识覆盖度. 基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%, 能够为材料智能研发提供更加全面的知识支撑. 同时, 构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料 3 个材料领域知识图谱, 并进行了应用探索, 进一步验证了知识图谱为材料研发提供知识支撑的可能性.     

基于Web的数学概念知识问答系统研究

数学领域知识的获取和管理受到越来越多的关注。介绍了数学知识工程NKIMath中融合本体、框架与逻辑的概念知识表示方法。给出半结构化的数学知识自动获取途径。给出了基于Web的数学概念知识问答系统，研究了问答系统中查询语言的命名独立性及实现方法。     

石油蒸馏故障诊断专家系统知识获取与管理

提出了一种用于石油蒸馏过程故障诊断专家系统的知识获取方法———基于深层知识学习模型，该模型可使专家系统知识库不断自动地趋于完善。同时研究了如何将获得的知识存入知识库中，即对知识库内的知识进行管理。提出了一种基于结点规则的相关矩阵的构造规则间层级关系的知识管理方法，该方法可使知识库避免冗余和矛盾     

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.     

基于三支概念分析的地理试题自动解题

现有自动解题系统从试题文本及相关资源获取解题知识,但由于试题本身潜在的复杂性与多样性,所获取的知识可能不足以支持实际解题,需要进一步获取其他解题知识.本文基于三支概念分析理论,通过构造试题文本三支概念格和决策规则提取,进一步挖掘试题文本中隐含的解题知识,在所收集数据集上进行的试验结果表明,本方法有效提升了自动解题系统的...     

基于图分析的领域知识获取技术

知识获取技术制约着知识系统的研究和应用,有效地从文本中提取领域知识成为知识获取的重要途径.本文提出了基于本体和图分析的领域知识获取技术,分析了本体数据结构、本体概念的实例化以及基于图分析的语义场构造方法.建立了具有广泛适用性的文本知识获取系统框架,实现了原型系统.通过针对中医医案的中医领域知识获取实验验证,取得了较好的效果.     

知识图谱技术进展及展望

随着大数据的发展,知识图谱（Knowledge Graph）关键技术及其应用成为人工智能最热门的研究领域之一。本文从知识图谱的定义、架构以及常见的知识库出发,对知识图谱构建的知识表达和知识自动获取技术进行总结和回顾,讨论其研究要点和发展趋势,介绍知识图谱技术常见的应用场景,并结合本团队的研究对知识图谱的发展趋势进行展望。     

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.      

基于知识图谱和图像描述的虚假新闻检测研究

针对传统虚假新闻检测方法主要采用图像统计学和图像分布式表示特征导致没有深层次挖掘图像所表达的文字含义的问题,设计了在融合知识图谱和图像描述的深度学习下的多模态虚假新闻检测模型.该模型一方面抽取出在新闻文本中的3元组形式知识图谱,另一方面生成图像对应的描述文本,同时采用Bert框架将原文本、3元组、图像描述文本加以集成.在基准汉语虚假新闻语料库上的实验结果表明:该模型显著优于传统的代表性方法.     

基于知识图谱的冬奥赛事气象服务文本生成方法研究

气象服务文本是为赛事顺利举行及赛事期间的各项活动提供必要的气象保障,是组委会、裁判、各代表队的工作人员获取气象信息开展相关工作的载体。现有气象文本生产需要人工编写审核,效率不高。相比之下,全自动文本生成更加依赖于模板和固定的形式。针对以上问题,结合自然语言处理技术提出了基于知识图谱的冬奥赛事气象服务文本生成方法。重点从历史赛事气象服务文本中进行内容分析和特征提取,利用气象数据和历史赛事信息构建了高山滑雪赛事知识图谱。该方法根据实时气象数据和文稿模板生成天气描述文本,然后基于知识图谱查询推理技术得到赛事影响结果并生成相应文本。实验结果表明,气象服务文本的自动生成结果具有较好的准确性和可读性,有助于冬奥赛事的顺利推进,该文本生成方法面向特定领域也具有较好的应用前景。     

基于知识图谱的文本观点检索方法

文本观点检索旨在检索出与查询主题相关并且表达用户对主题观点的文档。由于用户查询时输入通常很短,难以准确表示查询的信息需求。知识图谱是结构化的语义知识库,通过知识图谱中的知识有助于理解用户的信息需求。因此,提出了一种基于知识图谱的文本观点检索方法。首先由知识图谱获取候选查询扩展词,并计算每个候选词扩展词分布、共现频率、邻近关系、文档集频率,然后利用4类特征通过SVM分类得到扩展词,最后利用扩展词对产生式观点检索模型进行扩展,实现对查询的观点检索。实验表明,在微博和推特两个数据集上,与基准工作对比,所提出的方法在MAP、NDCG等评价指标上均有显著的提升。     

领域知识图谱研究进展及其在水利领域的应用

首先总结现有领域知识图谱的研究现状。其次,介绍领域知识图谱的发展趋势。然后,梳理水利领域知识图谱的构建难点,提出包含知识表示、抽取、融合、推理和存储等关键模块的水利领域知识图谱研究框架,并简要概括上述各模块的研究内容。最后,指出领域知识图谱构建存在的表示形式单一、抽取样本稀少、多源知识冲突、规则表示困难和数据管理低效等问题,认为合理化表示、准确全面抽取、实时性融合、可解释推理和高性能存储是下一步水利知识图谱的研究方向。     

人工智能时代知识图谱表示学习方法体系

 总结了不含辅助信息的知识图谱表示学习方法,主要是基于距离和基于语义匹配2类主流方法;研究了包含文本辅助信息和类别辅助信息的知识图谱表示学习方法;通过对比各类表示学习方法的优缺点,发现引入辅助信息能有效表达知识图谱中新实体,但时空开支大幅上升,因而在现阶段,不含辅助信息的方法更易应用于实际场景中。分析了知识图谱嵌入如何应用于三元组分类、链路预测、推荐系统等下游任务,整理归纳了应用于不同任务的数据集和开源库的集合,并展望了大规模、动态知识图谱等具有广泛应用前景的研究方向。     

基于Concept-Relation模型的军事文本知识获取

介绍一种从《中国大百科全书》文本中获取军事知识的方法 .该方法由 2部分组成 :第一部分是军事知识描述语言 (MKDL) ,由知识工程师用于将文本知识翻译成基于Concept_Relation_模型的MKDL形式化文本知识 ;第二部分是MKDL编译系统 .该系统通过对MKDL文本的编译、分析和知识连接而最后生成军事知识库 .     

基于路径分析和关系描述的知识图谱补全方法

面对相对复杂的互联网信息,知识图谱能够将其表达成更加便于理解的形式,通过可视化技术加以显示并提供有价值的参考.但伴随数据实体及实体关系的快速扩增,知识图谱的稀疏性和连通性不足等问题日趋凸显.提出一种基于路径分析和关系描述的知识图谱补全方法,并以泛娱乐领域相关数据为例,对该方法的有效性进行验证.构建基于泛娱乐知识特点的泛娱乐领域知识图谱,并在该知识图谱上进行验证实验.实验结果表明,提出的方法能够很好地推理出知识图谱中的隐含与遗漏路径,有效地实现知识图谱补全,从而发现具有丰富价值的隐含知识.