知识图谱的发展与构建

知识图谱作为一种智能、高效的知识组织方式,能够帮助用户迅速、准确地查询到自己需要的信息。本文通过回顾学者及科研机构或公司对知识图谱的研究内容,对知识图谱的发展和构建方法作了全面的介绍,包括知识图谱概念的起源、发展以及最终形成;构建知识图谱的数据来源;构建过程中涉及的方法,包括本体和实体的抽取,图谱的构建、更新、维护,以及面向知识图谱的内部结构挖掘和外部扩展应用。最后,对知识图谱的未来发展方向和面临的挑战作了展望。虽然现在已经有很多知识图谱被应用到各类系统中,但是其基础理论和应用技术,仍需展开进一步的研究。     

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。     

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。     

网络安全知识图谱研究综述

针对多源异构的网络安全数据的离散分布问题,总结了知识图谱构建需要的网络空间战技术、攻击模式、漏洞及网络设备等基础数据,提炼了数据之间的关联关系.在此基础上,综述了网络安全知识图谱相关技术的国内外研究现状,包括多源异构的安全情报数据、网络安全知识表示、网络安全知识图谱的本体构建、信息抽取和知识图谱推理.同时,对网络安全知...     

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。     

大型建设工程项目管理知识图谱的构建

首先对知识图谱的内涵进行了界定,然后利用Ucinet软件,运用文献调研、共词分析、社会网络分析和比较研究等研究方法,构建了大型建设工程项目管理热点知识图谱。通过对大型建设工程项目管理知识图谱进行定量分析以及中心度与词频的比较研究,最终得出大型建设工程项目管理领域的热点问题,如成熟度、风险管理、信息管理、施工质量等。这对工程项目管理者的团队管理具有一定的借鉴作用。     

基于知识图谱推荐系统的高校“汇编语言程序设计”课程教学改革

随着现代教育技术的迅速发展,“汇编语言程序设计”课程的传统教学模式亟待创新,以满足学生的多元化学习需求。知识图谱推荐系统结合知识图谱和学生模型构建,实现了教学内容的个性化推荐、学习路径规划、资源整合、多样化的教学互动。为验证知识图谱推荐系统在“汇编语言程序设计”教学中的作用进行实证研究。研究结果表明,知识图谱推荐系统能有效提高学生的学习成绩、学习兴趣和学习满意度,为教学方法的创新和优化提供有益的参考。     

基于CiteSpace的《情报理论与实践》知识图谱计量分析

基于CiteSpace信息可视化软件,选定CSSCI收录的我国情报学领域核心期刊《情报理论与实践》2010-2016年发表的所有论文(最后的检索实践为2015年12月30日)为数据源,以1920篇文献为研究对象,应用CiteSpaceIII对绘制机构合作知识图谱、作者合著知识图谱、期刊共被引知识图谱、关键词共现知识图谱等,并对图谱进行深入分析与解读,全面扫描该刊的知识结构和知识特征,梳理该刊当前研究力量及代表。     

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.     

道路交通安全违法分析领域知识图谱构建方法

为有效处理海量庞杂、动态变化的公安交通管理数据,深度挖掘数据中隐藏的交通安全违法线索,利用知识图谱技术,对公安交通集成指挥平台中汇聚的多源数据进行了梳理整合,基于自顶向下的方法完成了支撑道路交通安全违法分析的知识图谱构建。首先根据交通安全违法分析专业知识和数据资源基础,确定知识图谱模式层结构,其次研究实体、属性、关系抽取及知识存储方法,最后基于构建的道路交通安全违法分析领域知识图谱开展应用探索。研究结果将有助于实现公安交通管理大数据的知识化,提高交通安全违法行为智能研判水平。     

知识图谱及其在学术信息服务领域的应用

介绍了知识图谱产生的历史背景和典型的面向通用领域和学术信息服务领域的知识图谱;综述了知识图谱涉及的关键技术,包括知识抽取、知识融合以及知识加工;并以学者社交网络SCHOLAT为背景,给出学术知识图谱的模式设计,讨论知识图谱在学术信息服务领域中的应用意义.     

知识图谱研究综述

知识图谱以结构化的方式描述客观世界中概念、实体及其间的关系,将互联网的信息表达成更接近人类认知世界的形式,提供了一种更好地组织、管理和理解互联网海量信息的能力。知识图谱与大数据和深度学习一起,正在成为推动人工智能发展的核心驱动力。文章概述了当前已有的重要知识资源,对知识图谱关键技术——知识表示、知识图谱构建和知识图谱应用进行了综述,并对知识图谱未来发展的挑战和趋势进行了总结展望。     

基于网络数据的企业知识图谱可视化

知识图谱也被称为科学知识图谱,可以揭示复杂知识领域的动态发展规律.基于自然语言处理技术从海量Web数据中抽取命名实体及命名实体关系,从而构建企业知识图谱.设计并实现了一种基于知识图谱的可视化分析方法,在网络图中融入集合可视化,从全局和细节两个层次进行可视分析,构建了企业知识图谱可视化分析平台.通过案例分析表明,该可视化研究方法满足用户对相关数据的可视化分析.     

基于科学知识图谱分析的我国科技创新发展脉络研究

为更加全面地了解我国科技创新的研究状况,整理了1998—2018年CNKI数据库中篇名含有科技创新的相关文献,利用Citespace和Vosviewer绘制了相关文献的知识图谱,包括关键词时区图谱、突变词检测图谱、关键词网络可视化图谱、关键词密度图谱。在此基础上,通过对图谱分析得出我国科技创新的三个阶段和四大未来研究热点。     

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。     

基于CiteSpace的学科领域研究热点与前沿可视化分析——以液体燃料在催化化学领域为例

以Web of Science数据库中收录的以Liquid fuel和Catalysis为主题的文献为数据源,借助信息可视化软件CiteSpace对所采集的数据进行共引分析和聚类分析,绘制出液体燃料在催化化学领域的国家机构图谱、研究作者分布网络图谱,展示了该领域的研究力量分布;同时利用软件提供的词频探测技术绘制出液体燃料在催化化学领域的研究热点知识图谱及研究前沿与发展趋势知识图谱,揭示了液体燃料在催化化学领域的研究热点、研究前沿及其发展趋势.     

基于知识图谱的“知识组织”研究演进分析

以来自web of science图情学科中"知识组织"研究的文献为研究对象,运用知识可视化图谱软件CiteSpace Ⅱ对这些数据进行文献共引文分析和热点分折,以知识图谱的方式展示了图情学领域"知识组织"研究前沿的演进情况。     

基于专利信息计量的知识图谱技术专利分析

通过梳理知识图谱行业发展脉络,可以得出知识图谱技术概况、分布特征以及目前知识图谱行业的市场需求和研究方向.在文献调查的基础上,运用HimmPat数据库对知识图谱技术专利文献从专利申请趋势、专利技术构成、专利申请地域分布、专利受理地域分布和专利申请人5个方面,进行描述性统计、比较分析和因果分析.结果表明,知识图谱技术正处于高速发展的成长期,其前沿核心技术尚未成熟,专利申请和受理以及全球重要申请人的分布主要表现为中美之间激烈的竞争.     

面向企业知识图谱构建的中文实体关系抽取

企业知识图谱是针对金融领域为描述企业间商业往来关系而构建的一类垂直领域知识库.尽管垂直领域知识图谱在领域覆盖的广度上不如开放知识图谱,但是它对知识准确率的要求却远远高于开放知识图谱,因此虽然近些年开放知识图谱取得了很大的进展,但在垂直领域中却并未得到深入应用,尤其是商业领域,其对企业知识图谱提出了很大的需求.针对企业知识图谱目前在关系抽取效果上的局限性,在分析了实体关系抽取研究现状的基础上,提出了一种基于分类的中文实体关系抽取方法.该方法使用最大熵模型,通过对上市公司公报数据进行实验分析,从而寻找到该关系抽取的最优特征模板,并使在企业公报这一数据集上的准确率普遍达到85%以上.     

知识图谱研究进展综述

目前，我们处于大数据时代，海量的数据中蕴含了丰富的价值. 知识图谱建立了如何从数据中挖取和组织知识的技术构架，在实现机器智能的过程中起到关键的作用，得到了广泛关注. 本文首先给出了知识图谱产生的历史背景，其次，介绍了现有的知识库，然后综述了知识图谱领域的关键技术，包换知识抽取、知识整合、知识加工，最后介绍了知识图谱在学术信息服务领域中的应用案例，讨论了学术知识图谱的独特之处和作用，并给出了学术知识图谱的模式设计方案.