面向注塑产品工艺缺陷的知识图谱构建方法及应用

针对现有注塑产品缺陷故障原因排查与定位依靠专家人工诊断效率低、成本高昂等不足,本文提出了一种面向注塑产品缺陷的知识图谱构建方法及其应用,目的在于将专家知识采用知识图谱进行表示,利用基于知识图谱的垂直检索技术,解决故障排查和定位困难的问题.首先,文章基于多源异构的故障解决方案文本构建语料库,并构建知识本体模型.其次,采用面向非结构化文本的知识抽取模型,将产品缺陷的相关专家知识从原始语料中自动抽取出来.最后,利用Neo4j图数据库实现知识存储及可视化知识图谱的构建.在所构建的知识图谱中,探索并实现了知识智能搜索、故障诊断及工艺卡解析等应用,展示了知识图谱技术在注塑领域的良好应用前景.     

电力领域语义搜索系统的构建方法

电力领域不断累积大量的数据资源,包含相关标准规范、技术文档、管理文档、故障解决记录等等,如何对这些文档进行快速查询和智能搜索,对于电网调度与故障恢复具有重要价值.传统的电力领域搜索系统都是基于关键词来实现,存在查准率和召回率低的问题,无法理解业务语言,无法支持语义推理.本文设计实现一种基于知识图谱的电力领域语义搜索系统的构建方法,通过智能领域分词技术对非结构化数据进行语义知识提取,组织并存储为知识图谱,基于知识图谱来实现支持推理的语义搜索.介绍了领域语义搜索系统构建流程,并进行平台实现,实验表明该方法查准率和召回率均有较大提升.     

知识图谱构建技术:分类、调查和未来方向

知识图谱的概念由谷歌于2012年提出,随后逐渐成为人工智能领域的一个研究热点,已在信息搜索、自动问答、决策分析等应用中发挥作用。虽然知识图谱在各领域展现出了巨大的潜力,但不难发现目前缺乏成熟的知识图谱构建平台,需要对知识图谱的构建体系进行研究,以满足不同的行业应用需求。文中以知识图谱构建为主线,首先介绍目前主流的通用知识图谱和领域知识图谱,描述两者在构建过程中的区别;然后,分类讨论图谱构建过程中存在的问题和挑战,并针对这些问题和挑战,分类描述目前图谱构建过程中的知识抽取、知识表示、知识融合、知识推理、知识存储5个层面的解决方法和策略;最后,展望未来可能的研究方向。     

基于LEBERT的多模态领域知识图谱构建

多模态知识图谱(multi-modal knowledge graph, MMKG)是近几年新兴的人工智能领域研究热点. 本文提供了一种多模态领域知识图谱的构建方法, 以解决计算机学科领域知识体系庞大分散的问题. 首先, 通过爬取计算机学科的相关多模态数据, 构建了一个系统化的多模态知识图谱. 但构建多模态知识图谱需要耗费大量的人力物力, 本文训练了基于LEBERT模型和关系抽取规则的实体-关系联合抽取模型, 最终实现了一个能够自动抽取关系三元组的多模态计算机学科领域知识图谱.     

面向流程工业控制的双安融合知识图谱研究

随着工业控制系统不断走向现代化和智能化,工业控制系统的安全问题日益凸显。然而,传统的工业控制系统往往仅关注信息安全或生产安全,不能同时兼顾两方面的安全问题。知识图谱作为一种结构化的数据表现形式,能够存储领域知识并建模知识之间的因果关系。现有研究大多使用知识图谱解决网络安全问题,鲜有研究将知识图谱用于解决工业控制系统的信息与生产安全问题。文中提出了一种面向流程工业控制系统的双安融合知识图谱构建方法,通过基于BERT的命名实体模型和图对齐等技术,有效地从工控领域网络安全数据库和实际化工生产相关文档中提取了实体和关系,并构建了流程工业双安融合知识图谱。该知识图谱融合了化工生产流程特征和网络攻击行为特征,能通过两种特征知识间的耦合关系为工控系统提供综合的网络安全和生产安全保障。     

矿井建设知识图谱构建研究综述

目前矿井建设工作中积累了海量数据,运用知识图谱技术可以挖掘这些动态数据间的复杂联系,为管理矿井数据、实现智慧化矿井建设等研究提供有效帮助。通过文献调研分析了矿井建设知识图谱的构建方法及数据特征,为知识图谱在矿井建设领域的落地应用提供了理论支撑;针对矿井建设领域的非结构化数据,系统地总结了知识抽取、知识融合、知识推理等构造知识图谱核心技术的原理与改进方法;最后分析了未来在矿井建设领域应用知识图谱的落地场景及发展趋势。     

基于混合增强智能的知识图谱推理技术研究

如今,知识图谱被广泛应用在各个领域,例如问答系统、推荐系统等。而基于知识图谱的应用表现很大程度上依赖于知识图谱本身的知识完备性与准确性。单纯通过人工补齐与审核的方式来构建知识图谱已无法满足超大规模知识图谱的需求。针对上述问题,提出一种基于混合增强智能的知识图谱推理框架,即同时利用机器模型与人的知识信息来完成知识图谱推理。该框架在基于知识图谱嵌入的向量空间中,利用混合增强智能模型来寻找到实体节点之间的有效路径。与现有方法不同的是,该方法在训练模型时,高效地利用人的知识信息来指导模型的优化。实验表明,该框架在公开数据集上的表现相较于现有方法有一定提升。     

基于知识图谱的多源异构信息通道耦合技术研究

政务数据资源来源广泛、类型多样、数据量大且分布情况不清晰,缺乏统一管理,数据获取和使用效率较低,无法持续释放数据价值。为解决上述问题,实现不同来源和不同类型数据的关联融合,该文采用多源异构数据融合技术,为政务数据的交换和共享提供技术支持。该文不仅提出了信息通道和通道耦合的概念,还提出一种基于知识图谱的多源异构信息通道耦合的方法,可先实现多源异构数据统一化,再进行数据融合。该方法包括构建初始通道耦合知识图谱、基于通道耦合知识图谱实现通道数据耦合和基于通道耦合知识图谱实现知识更新 3 个模块。基于知识图谱的多源异构信息通道耦合的方法将图谱构建、知识抽取、知识融合、知识加工、知识更新等技术相结合,通过一种自顶向下的排序检索模型,加快了知识融合和数据检索的速度和准确度。     

一种多层政务知识图谱构建方法及示例

随着政务数字化建设的不断完善,基于知识图谱实现政务服务“知识化、个性化、智能化”的业务需求被逐渐唤醒。目前,政务领域知识图谱应用场景单一,与不同场景政务知识难以建立联系,基于传统数据库的政务服务搜索、办理和审批效率不高。为拓展政务服务场景,提升政务服务的搜索、办理和审批效率,该文提出一套自顶向下映射的多层政务知识图谱构建方法。首先,从政务服务角度出发构建政务知识概念模型;然后,依据概念模型获取政务知识、数据预处理和知识融合;最后,形成以概念、业务服务、社会服务和信息共享的自上而下关系的多层政务知识图谱。基于 Neo4j 可视化展示和已应用部署的服务,以房产审批的搜索、占用林地审批的办理和面向公众投诉的社会服务为例,对所提方法进行验证。实验结果表明,该方法不仅可以为不同政务场景提供知识图谱支撑和建立关联,还有助于实现多源政务数据融合共享,可为后续政务知识图谱构建提供图谱库参考。     

基于知识图谱的多策略组卷系统研究

信息时代背景下,海量的知识正在快速地融入学科体系.学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联.在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景.论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统.     

知识图谱研究综述

知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库,是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前,知识图谱的内涵还不够清晰;且因建档不全,已有知识图谱的使用率和重用率不高.为此,本文给出知识图谱的定义,辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础,知识图谱是本体的实例化;本体研究成果可以作为知识图谱研究的基础,促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法,以提高其使用率和重用率.最后指出知识图谱未来的研究方向.     

基于知识图谱的急诊问答系统

为了提升现有急诊问答的速度,将医疗类专家知识、知识图谱和问答系统相结合,实现了通过自然语言人机交互 的急诊问答系统。本系统基于垂直类医疗网站,使用网络爬虫技术构建知识库,通过图数据库存储知识图谱;基于规则匹配方法和字符串匹配算法,构建领域词库对问句分类查询。本系统在急诊医疗领域知识图谱和问答系统构建中有应用价值。     

基于多粒度特征表示的知识图谱问答

近年来,基于知识图谱的问答系统逐渐成为学术界和工业界的研究和应用热点方向,而传统方法通常存在效率不高以及未充分利用数据信息的问题。针对以上问题,本文将中文知识图谱问答分为实体抽取和属性选择2个子任务,采用双向长短期记忆条件随机场（Bi-LSTM-CRF）模型来进行实体识别,并提出一种多粒度特征表示的属性选择模型。该模型采用字符级别以及词级别分别对问句和属性进行嵌入表示并通过编码器进行编码,对于属性同时还引入热度编码的信息。通过不同粒度文本表示的结合,并对问句和属性进行相似度计算,最终该系统在NLPCC-ICCPOL 2016 KBQA数据集上取得了73.96%的F1值,能够较好地完成知识图谱问答任务。     

基于事件抽取的学科建设知识图谱构建与应用

学科建设是高校发展的核心, 随着高校学科建设的不断深入与强化, 学科建设信息持续增加, 且以离散的文件组织形式难以对学科建设成果进行高效的管理, 不利于后续分析与评估工作的开展. 针对此问题, 对学科建设知识图谱的构建及相关应用进行了研究. 首先通过BERT-BiLSTM-CRF模型对学科建设文本进行事件抽取, 并使用爬虫进行相关知识的补充. 然后选择属性图模型存储知识, 完成学科建设知识图谱的初步构建. 基于构建好的知识图谱, 搭建了学科建设可视化系统, 并引入最小斯坦纳树算法实现智能问答应用. 最后, 通过对学科建设事件抽取与智能问答方法进行实验分析, 验证了本文所提出方法的有效性.     

领域知识图谱研究综述

知识图谱由Google公司提出, 作为增强其搜索功能的知识库, 在近几年得到了迅速发展. 随着知识图谱价值不断地被发掘, 各类领域知识图谱也迅速建设起来. 本文通过领域知识图谱和通用知识图谱的对比来清晰化领域知识图谱的定义, 介绍了领域知识图谱的架构, 并以医学知识图谱为例讲解了领域知识图谱的构建技术. 最后, 本文介绍了当前热门的领域知识图谱的发展状况和应用, 对当前领域知识图谱状况进行了较为全面的总结.     

常识问答研究综述

常识问答是一项重要的自然语言理解任务, 旨在利用常识知识对自然语言问句进行自动求解, 以得到准确答案. 常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景, 且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题, 因而受到工业界和学术界的广泛关注. 首先介绍常识问答领域的主要数据集; 其次, 归纳不同常识知识源在构建方式、常识来源和表现形式上的区别; 同时, 重点分析并对比前沿常识问答模型, 以及融合常识知识的特色方法. 特别地, 根据不同问答任务场景中常识知识的共性和特性, 建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系. 以此为支撑, 针对常识知识数据集建设, 感知知识融合和预训练语言模型的协作机制, 以及在此基础上的常识知识预分类技术, 进行前瞻性的研究, 并具体报告上述模型在跨数据集迁移场景下的性能变化, 及其在常识答案推理中的潜在贡献. 总体上, 包含对现有数据和前沿技术的回顾, 也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容, 借以在汇报领域技术积累的前提下, 为其理论和技术的进一步发展提供参考意见.     

知识图谱嵌入研究综述

随着互联网技术和应用模式的迅猛发展,表达方式丰富直观的知识图谱得到了大量关注,在知识表示学习方面积累了丰富研究成果,这些研究已在垂直搜索、智能问答等应用领域发挥了重要作用.在总结现有知识图谱嵌入研究基础之上,以面向的知识图谱数量为依据,将知识图谱嵌入模型分为面向单个知识图谱的链接预测模型和面向多个知识图谱的实体对齐模型...     

基于知识图谱的智能决策支持技术及应用研究

知识图谱是把复杂的领域知识通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,解释知识领域的动态发展规律。知识图谱把所有不同种类的信息(heterogeneous information)连接在一起得到一个关系网络并从"关系"的角度去分析问题。知识图谱目前被广泛应用于智能搜索、智能问答等领域。提出了一种基于知识图谱的智能决策支持框架,用于解决传统决策支持系统存在的问题。通过大数据、知识图谱等海量知识分析和模型构建技术,结合决策支持系统,增强对问题的分解与处理、形成具有关系型网络的知识系统。最后结合电信领域中的经典决策案例,搭建基于知识图谱的欺诈电话智能决策支撑平台。和传统的决策支持系统比较,该研究方法的优点在于结合大数据处理方法提升了知识建模的算力和决策支持的效率,使实时处理大规模信息数据成为现实;基于知识图谱的关系型网络,提升了决策模型的准确性和关联相关性。     

AnswerSeeker:基于互联网挖掘的智能问答系统

智能问答系统是一种处理自然语言的新型的信息检索系统。介绍了AnswerSeeker智能问答系统,该系统采用了模块化和可扩展的框架,以便整合多种智能问答技术和多样化数据源。通过将与语言无关的代码和语言相关的代码分离,并且将语言相关的代码封装为组件,只要替换相应的组件,该系统可以适用于多种语言。由于很多自然语言处理技术还没有针对中文的,目前为止,我们系统的内核只支持英文,所以将以英语自然语言为例介绍AnswerSeeker的架构和工作原理。该系统采用了两种互联网挖掘的方法来寻找问题的答案：知识挖掘和知识诠释。AnswerSeeker使用网络作为一个知识源,当然它也可以使用其他小的语料库或面向专业领域的知识库作为知识源。此外,提出了一种新的问题的表示和答案提取的方法一文本模式,文本模式分为问题模式和答案模式;其中问题模式用来表示问题,答案模式用来提取精确的答案。AnswerSeeker通过将问题-答案对作为训练数据,自动学习答案模式。实验表明将互联网作为知识源,将模式学习和知识诠释的技术集成在同一系统中进行答案挖掘是一种这种很有前途的方法。