基于法院判决文书的法律知识图谱构建和补全

由于法律领域知识图谱专业性强、结构复杂,而现有的关系抽取方法因各个领域的需求和术语不同,无法适用于法律领域知识图谱的构建和补全.首先,提出了基于StanfordNLP关系抽取机制的法律知识图谱构建方法;然后,构建基于设置谓语导向词的深度学习模型对法律知识图谱进行补全;最后,选用典型案例(伪卡盗刷判决书)作为文本对象验证...     

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...     

基于模糊层次分析法的电力变压器本体运维风险评估

变压器的运行状态直接关系到电网供电的安全稳定性,为保证其有效运行,有必要进行运维风险评估.对调研所得大量变压器故障历史数据从故障原因和故障严重程度两个角度进行统计分析,总结提炼出变压器本体运维风险,主要包括绕组风险、铁芯风险等七大类.对各类风险所含风险因素进行筛选和优化,剔除重复和不合适的因素,确定影响变压器本体运维风险的主要因素,构建风险评价指标体系.应用模糊层次分析法进行运维风险评估,详述评估流程和实现方法.算例分析证明了所构建评价指标体系的合理性和模糊层次分析法应用于风险评估的有效性.根据算例分析结果,提出具体的风险防范措施.     

基于知识图谱的广西文化旅游问答系统研究与实现

当前的旅游咨询服务还只是为用户提供自主网络搜索返回的碎片化信息,尚未能将地方特色文化智能反馈给用户。针对此实际情况,本研究基于广西民族文化旅游知识图谱,对广西民族文化旅游问答系统的关键技术加以研究,并设计相应的问答系统,在解决实际需求的同时,尝试提高用户咨询体验满意度。根据问答系统（Question Answering System,QA）结构,本研究设计并实现了基于BERT的命名实体识别模块（BERT based Entity_identification Model,BEiM）,基于模版的关系抽取模块（Template based Relationship_extraction Module,TReM）和基于知识图谱的匹配推理模块（Knowledge Graph based Matching Module,KGMM）。在上述关键技术基础上,实现了广西文化旅游问答系统,并给出相关实验测试和应用效果。本研究构建的知识问答系统能够帮助游客高效地找到当地旅游的相关知识,提高游客自助服务的效率。对于人工智能助力广西旅游业的发展而言,本研究无疑是一项具有重要意义的工作。     

基于建筑信息模型数据驱动的铁路设备运维多模态知识图谱构建

铁路信号设备是保障行车安全、提高运输效率的核心装备,加强信号设备智能运维是降低铁路运行风险的必要基础保障。目前,针对我国基于建筑信息模型(BIM)的智能运维平台存在不能精准映射各设备的行为规律和相互之间互馈作用的机理,须同时依靠经验知识进行推断等问题。首先构建了铁路设备运维文本知识图谱;其次构建卷积神经网络(CNN)-团组图卷积神经网络(cgGCN)模型对BIM图像模态数据进行处理,完成对20种铁路信号设备零件图信息的标注,实验结果表明模型准确率达到95.38%,精确率和召回率的调和平均值F1达到95.58%;最后将BIM图像信息以视觉模态嵌入运维文本知识图谱,利用Neo4j图数据库实现多模态知识图谱可视化展示,从而精准映射各信号设备相互之间互馈作用的机理,为后续现场铁路运维人员实施安全管理和运维决策提供在线服务和指导。     

面向中文基础教育知识图谱的关系抽取模型

在构建中文基础教育知识图谱过程中,使用远程监督的方法能够有效解决训练语料匮乏的问题,同时使用神经网络模型能够提升构建过程中关系抽取的准确率.为了缓解远程监督中引入的错误标签带来的影响,模型通过双向门限循环单元(bidirectional gated recurrent unit)获取双向上下文中的语义信息,同时引入句子...     

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。     

基于知识图谱自动构建的可用资源表示与推荐

为了解决技术创新中可用资源选择过程算法化程度与创新效率较低的问题,提出基于知识图谱自动构建的可用资源表示与推荐方法;首先采用双向长短期记忆模型和条件随机场模型建立可用资源实体抽取模型,基于依存句法分析实现实体关系抽取,从而构建可用资源知识图谱;然后分析可用资源属性在可用资源利用过程中的作用,并架构属性匹配网络,实现基于知识图谱的可用资源推荐;最后通过实验和案例分析验证所提方法的有效性。结果表明,知识图谱能够有效表示可用资源,可以应用于智能化计算机辅助创新系统的开发。     

基于多源数据的中文产科知识图谱构建

以产科专业叙词表、临床路径和诊疗规范等为数据来源构建了中文产科知识图谱(Chinese obstetric knowledge graph, COKG)。以产科疾病为核心,依据术语标准及已有主题词表,确立了概念分类体系及关系描述体系,形成了COKG模式层;在Bi-LSTM-CRF和PCNN模型的基础上,通过医学专家的指导对多来源的200余万字非结构化文本进行人工校对,并对多源数据进行知识融合,形成了COKG数据层。所构建的COKG包括2 343种疾病、15 249个实体关系,可以为医疗问答系统和智能辅助诊疗等应用提供结构化的知识支持。     

船舶现场监督业务的知识图谱构建方法

为提高水路运输安全监管能力,向海事行政执法人员提供有效的信息技术支持,针对智慧海事场景下船舶现场监督知识分散复杂、查询困难的问题,提出了自顶向下与自底向上相结合的知识图谱构建方法。通过分析船舶现场监督三元组结构并构建本体模型,采用基于序列标注模型、爬虫技术进行实体识别与知识抽取,并通过二元分类模型融合领域知识,利用图数据库Neo4j进行知识存储与可视化。以盐城市大丰港为例,构建船舶现场监督知识图谱并进行实验验证。结果表明：该构建方法具有较高的准确度,知识图谱技术可有效关联船舶现场监督知识,有力支持海事执法人员对检查事件的回溯及利用,为实现智慧海事提供了新的方法。     

面向推理的知识图谱表示学习方法综述

知识图谱以其错综复杂、信息密集和语义关联的特征,推动了知识应用以及神经网络学科的发展。知识表示学习方法的发展以及日益增长的认知智能需求,使得知识表示与推理成为当前知识图谱和自然语言处理领域的研究热点。得益于良好的知识表示学习方法,基于表示学习的大规模知识推理已在相关数据集上得到验证。文章主要展开如下工作:(1)对已有表示学习与推理方法进行梳理,将知识图谱推理方法划分为:距离模型方法、双线性模型的语义相似度方法、神经网络学习方法和图神经网络学习方法;(2)对未来知识图谱表示学习与推理方法进行展望。知识图谱的表示学习与推理方法的发展,对推动整个知识社区和强人工智能发展具有重要意义。     

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.     

知识图谱概念获取研究进展

随着Web技术的不断更新与发展,知识图谱以其强大的语义处理能力与开放互联能力吸引了各行各业的关注。各行各业都在纷纷构建所属领域的知识图谱,如何从不同数据源抽取构建知识图谱所需概念,成为知识图谱构建的关键技术,概念抽取得越完整,所构建的知识图谱越全面,利用价值越高。本文对不同数据源抽取知识图谱概念进行阐述说明,以期引导学者选择合理的方法进行学术分析,提升知识图谱应用水平。     

基于司法案例知识图谱的类案推荐

近年来,伴随着人工智能的发展及法院裁判文书的公开化,"智慧司法"、案例推荐成为热点问题.针对案例推荐中存在的推荐准确性差、传统知识图谱向量化表示精度不高等问题,提出基于知识图谱的案件推荐(Knowledge Graph based Case Recommendation,KGCR)模型.该模型以知识图谱为辅助信息,利用...     

基于规则的城市轨道交通安全事件信息抽取及其知识元表示

合理利用城市轨道交通安全事件案例对突发事件下辅助制定应急决策具有重大意义.目前,中国轨道交通运营商存储了大量的安全事件案例,但大多以自由化或半自由化文本的形式存储在数据库中,使用率较低.为提高城市轨道交通安全事件案例的使用效率,提出了基于规则的信息抽取方法,将城市轨道交通安全事件案例的自由文本转化为用共性知识元表示的结构化数据.通过指标计算,所提出的方法可以以较高的准确率和召回率对安全事件要素进行抽取,可为突发事故时的应急决策制定提供高效的数据支撑.     

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.     

面向多元时序关系的金融知识图谱表示与构建

对共同担保、交叉持股、关联交易等多元关系和事件时序进行表示是金融领域知识表示的重要需求,但目前的知识图谱表示机制以二元关系为基础,且没有建立恰当的金融知识时序表示和推理机制。为解决以上两个问题,文章以OWL(Web Ontology Language)语义框架为基础,研发了一套针对金融领域知识的时序超图表示模型。同时,在保证对现有金融知识的兼容性基础上,通过定义金融领域时序和多元关系的推理规则并扩展现有推理机,实现了多元时序金融超图的自动构建。实验表明,金融时序超图对于表示金融知识和事件具有通用性和灵活性,且本文模型检索时间仅为传统二元模型的5%左右。     

基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT）,进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.     

面向产品指标图谱的知识表示学习方法研究

通过知识表示学习方法将产品和指标表示为低维分布式向量,为后续的产品指标补全和产品设计方案预测奠定基础。然而现有的知识表示学习方法只处理实体-关系之间的离散型关联,而对于数值型指标的研究尚属空白。为此,文章依托复杂产品指标图谱的实际业务需求,设计了产品数值型指标的表示学习策略。针对关系三元组和指标三元组的语义差异,探索全新的联合学习训练方案。文章在五个前沿知识表示学习算法上进行实验,其中基于依次学习训练方案的ConvE算法,在图谱链接预测任务上Hit@10指标达到了最优的90.27%。实验结果验证了本文数值型指标表示方法和联合训练方案的有效性。     

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。