面向单体异形建筑的无人机单相机实景三维建模

针对单体异形建筑的实景三维建模问题,提出一种无人机单相机建模方法,选用小型旋翼无人机和单相机作为航摄装备,建立环绕式的无人机航路,实现对单体建筑自动化的多高度、多角度三维立体观测.使用新方法和广泛使用的无人机倾斜摄影建模方法分别对同一单体异形建筑进行影像数据采集,并对数据进行处理生成实景三维模型.结果表明,新方法相对于无人机倾斜摄影建模方法,在保证建模精度不降低的前提下提升了建模效率和建模质量.     

基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks, QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。     

基于企业知识图谱构建的可视化研究

为了能够更快速、准确、智能地获取企业信息,需建立更智能的数据组织方式。通过构建企业领域本体,利用Karma建模实现多源异构数据的快速集成并发布成统一的RDF数据,并应用知识推理技术发现约20%的新知识,更新扩充RDF数据并存入Neo4j图数据库建立知识图谱。使用可视化技术设计实现企业知识图谱查询系统,用图形方法将知识图谱信息直观展现,以Web服务的方式提供企业信息检索服务,实现了对企业、法人及其相互关系的查询功能。实验结果表明,企业知识图谱明显提高了数据获取效率,增强了数据的可用性、可理解性与可见性。     

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。     

知识图谱的Top-k摘要模式挖掘方法

知识图谱数据具有体量大、内容丰富、类型多样、缺乏统一模式描述等特点。提取知识图谱模式信息并形成摘要模式,对于提升知识检索、挖掘质量具有重要研究意义。该文首先给出了摘要模式的判定准则以及摘要模式质量的度量标准,提出了面向知识图谱的Top-k摘要模式挖掘问题,并将该问题建模为一个次模函数优化问题;其次,为高效判定摘要模式及度量模式的覆盖质量,提出了基于Pregel编程模型的并行化摘要模式判定和质量度量算法;然后,给出了高效求解Top-k摘要模式挖掘问题的贪心算法;最后,在真实知识图谱数据上对本文方法进行了验证。实验结果表明:该方法在摘要模式的覆盖度和算法执行效率方面优于已有方法。     

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。     

基于叙词表的油藏构造知识图谱

为采用知识图谱技术实现对油藏构造知识的整合,解决在本体建模过程中,很少将标准融合到本体模型 中,且在转换过程中存在对叙词概念粒度划分较粗或完全不对叙词进行类型划分等问题,提出一种基于叙词表 构建知识图谱的新方法,即标注原叙词表,建立映射规则,构造转换算法和生成知识图谱。其中标注、映射规 则建立与转换算法定义了构建知识图谱标准化过程。最后,选取油藏构造领域的部分知识,采用所提方法构建 知识图谱,其结果表明了该方法的可行性。     

基于知识和数据融合驱动的设备故障诊断方法

传统设备故障诊断方法通常基于单一的机理知识或运行数据,难以解决多复杂工况、多故障类型的设备故障问题。针对以上问题,提出了一种基于知识和数据融合驱动的设备故障诊断方法,从单纯依赖机理知识或运行数据到两者融合驱动,进一步形成故障图谱诊断系统,不仅通过优化的双向长短时记忆网络模型对设备运行数据进行故障分类,而且可以展示详细故障信息以及相似故障。经实验分析验证,故障诊断准确率平均达到95.03%,同时系统通过基于融合故障链的知识图谱进行辅助决策,返回故障相关信息。对比传统分类模型准确率表现突出,并实现了机理知识与数据驱动相融合的设备故障领域图谱构建。     

面向船舶分段制造过程的动态知识图谱建模方法

在动态性、离散型强的船舶分段制造过程中,缺乏有效的过程资源组织、产品加工不透明等因素导致管理者知识获取成本高、效率低.针对这一问题,提出一种基于加工节拍数据流的知识图谱动态生成和更新方法.通过分析船舶分段的加工流程与工位数据特点,给出加工节拍数据信息模型定义;提出静态资源与加工节拍数据的图映射步骤、模型以及融合连接算法...     

基于本体建模的动态知识图谱构建技术研究

目前知识图谱领域构建的图谱多以静态知识图谱为主,数据集较大时,构建出的静态知识图谱的规模会非常大,且存在可读性差、交互性低等问题,非常不利于信息的动态浏览和筛选.为解决这一问题,应以增加知识图谱的动态交互性为目标来完成动态知识图谱的构建.将从知识图谱的体系架构、本体建模等方面进行系统探索,给出基于本体建模的动态知识图谱...     

基于链接预测模型的融合研究

知识图谱技术在信息检索、智能问答领域有着重要作用.为了解决大型知识图谱中的有效实体缺失问题,需要使用链接预测手段自动预测实体之间缺失的链接,完善知识图谱中缺失的实体.现在有许多链接预测的方法,其中基于神经网络的Grail模型侧重于对局部子图进行推理,具有很强的归纳倾向,但在语义层次建模方面存在不足.因此,提出了Grail&HAKE融合模型,通过将Grail模型与HAKE模型进行融合,解决了Grail模型在语义层次建模方面存在的不足.实验结果表明,Grail&HAKE的融合模型比单独使用Grail和HAKE模型的MRR值分别高出0.100 5和0.306 3,并且在部分数据集上优于其他融合模型.说明Grail&HAKE融合模型在知识图谱的有效实体链接预测方面是有效可用的.     

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.     

基于领域知识复用的需求建模

为了准确地获取和复用军事电子信息系统需求,提出了基于领域知识复用的需求建模方法.介绍了利用领域知识进行需求建模的过程,利用目标模型表达用户需求,并通过复用领域知识建立目标模型;通过目标查询匹配和复用获取目标相关需求,建立应用本体;利用顶层本体概念与MEISRDL业务框架的映射关系,根据应用本体生成需求模型.实例表明,通过复用领域知识,不仅保证了需求模型的质量,而且提高了需求建模的效率.     

面向数控机床设计知识图谱构建的实体识别

为解决数控(computer numerical control, CNC)机床设计知识图谱构建过程中关键实体的抽取问题,制定了数控机床领域知识分类标准和标注策略,构建了领域数据集,并提出了一种基于RoBERTa(robustly optimized BERT pretraining approach)的数控机床设计知识实体识别方法。首先,利用数控机床领域数据集对RoBERTa模型进行微调,再利用RoBERTa对文本编码,生成向量表示;其次,采用双向长短期记忆(bidirectional long short-term memory, BiLSTM)网络提取向量特征;最后,利用条件随机场(conditional random field, CRF)推理出最优结果,进而为实体打上标签。实验结果表明：模型在数据集上的F₁值为86.139%;对多数关键实体的F₁值大于85%;相比其他模型提升2%～18%。可见该方法在数控机床设计知识实体识别中具有明显优势,能够识别机床设计知识文本包含的关键实体,为数控机床设计知识图谱构建提供了数据基础。     

数字高程模型DEM及其显示

针对应用建模方法中建模数据的获取问题，在介绍数字高程模型(DEM)的数据采集方法和等高线模型、规则格网模型和不规则三角网模型三种表示模型的基础上，论述了基于等高线的建模方法。指出不规则三角网(TIN)与规则格网(RSG)的优缺点，并通过对相同等高线数据进行处理生成TIN和RSG图。结果证明，在两者不考虑数据结构的情况下，不论在误差方面还是在数据质量方面，TIN明显占有优势。     

知识管理建模体系结构

为满足组织不同管理层次和不同专业背景人员进行知识交流的需要,采用多视角建模方法,建立知识管理的不同视角的元模型,包括战略元模型、组织元模型、组织知识流管理元模型．再利用对象建模语言对各元模型进行统一重构,建立起知识管理建模的对象概念体系．最后基于该建模体系开发了一个知识管理建模工具．由于模型体系具有面向对象和组件化的特点,因此,模型结构具有很好的重用性和可集成性．     

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.     

TransE和TransH模型空间地址表示学习中的对比研究——以广州市天河区为例

将地理知识融入空间地址,研究空间信息与语义信息融合的知识表示学习方法;将空间地址数据集在TransE模型和TransH模型上进行训练,通过元组分类和向量间距离评估的方法进行对比研究.研究结果表明:(1)在地址实体的表示学习任务中,TransH模型在对复杂关系的建模任务上明显优于TransE模型;(2)在语义知识基础上融入空间关系,能够有效地解决地址实体语义相似而空间距离不相近和空间距离相近而语义不相似的两大问题.语义关系与空间关系的融合,将能够挖掘更多有价值的信息,有利于进一步开展地理知识图谱的补全工作,可为地理知识图谱表示学习提供方法借鉴.     

基于知识融合的汽车覆盖件模具设计方法研究

针对产品设计过程中,分散异构知识融合不足导致知识检索准确性不高、知识重用效率低等问题,提出一种知识融合模型.利用知识需求模型传递知识需求信息,采用知识元对各类异构知识进行统一表示,通过概念本体对语义概念进行有序组织,与知识元之间形成映射关系.通过语义距离计算获取候选知识元集,并采用基于贝叶斯和遗传算法的知识融合方法将分散的关联知识元融合成知识单元,实现知识重用.以覆盖件模具结构设计为案例验证了所提出方法的可行性和有效性.     

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。