基于知识图谱的高铁动车设备检测系统的本体框架构建与维护

为了解决高铁机车设备运行数据的独立采集与分析造成大量数据冗余以及数据结构不一致、多源异构数据不能融合等问题。探索高铁动车行业知识图谱的自动化构建过程以及本体和知识图谱之间映射匹配机制,采用本体建模语言OWL,对高速铁路列车设备检测系统的上位机进行本体建模。实践证明高铁动车设备检测系统中本体框架的智能化维护是保证系统能正常运行的关键,利用本体技术和知识图谱解决数据异构和数据冗余的问题以及对车辆检测设备平台进行智能化本体维护。     

基于本体的邮轮设计知识图谱构建分析

文章针对邮轮设计知识多源异构性问题,提出一种基于本体的知识图谱自动构建技术。利用知识结构化模板,建立本体与图谱之间的映射机制,形成面向邮轮设计的垂直领域知识图谱自动构建方法,提高邮轮设计知识搜索效率和可视化水平。开发基于微服务架构的邮轮智能设计知识服务云平台,验证知识图谱的本体建模技术在邮轮设计知识检索中的可行性。     

基于本体重构的工业知识图谱搭建方法

知识图谱因其所表示知识的精准性和特有的图结构而广泛应用于工业领域。工业知识图谱通常在领域本体库中以领域数据为导向获取本体子集，从而生成对应的数据模式。针对工业知识图谱搭建的问题，基于本体重构的方法自动化了将给定领域本体转换为数据模式的整个过程。首先，在已有本体重构算法中加入多模块匹配机制，以降低重构过程中的人力成本；其次，规范了在工业领域搭建知识图谱的整体逻辑框架；最后，使用工业领域真实数据，构建了认证机构领域的知识图谱框架，并与未使用该框架的其他构建方式进行对比，证明了所提出方法的可行性。     

目标专业领域知识图谱构建与应用初探

知识图谱技术能够将海量大数据中的信息、数据以及关联关系汇聚为知识网络,实现用户智能化检索与意图分析推理。通过对知识图谱构建过程中本体构建,多源异构互联网数据的实体抽取、关系抽取、图谱更新与维护等关键技术进行研究,构建了军事目标专业领域知识图谱,并在可视化查询、智能问答、高价值关系推荐等方向进行了应用探索,有效提高了数据的使用效益,为军事情报分析和知识应用提供了一种有效的工具和方法。     

遥感卫星特定领域大规模知识图谱构建关键技术

针对遥感卫星数据应用中的信息整合、系统集成等问题,提出建立遥感卫星特定领域大规模知识图谱的总体框架及其关键技术。在该技术框架中,构建基于国际卫星标准的标准化卫星数据集成元数据模型,并通过语义计算、语义映射与知识进化等手段进一步建立完备一致的遥感知识空间语义模型,在此基础上形成遥感卫星特定领域知识图谱及其应用模式。研究成果为海量卫星数据应用服务的语义集成与互操作、共享平台建设提供新思路、新方法与新技术。     

基于实例的本体映射方法研究

本体是一种能在语义和知识层上描述信息系统的概念模型建模工具,现已被越来越广泛的应用于信息系统的构建当中。随着使用本体构建的信息系统的增多,为了在不同的信息系统间交换信息,实现本体之间的概念和语义上的映射,尤其是实现映射的自动化已经是当前研究的热门课题。首先从理论上描述了如何使用实例数据来完成本体之间的映射,然后通过一个具体的例子说明了本方法的映射过程,最后,从实现和应用的角度给出了对基于实例的本体映射方法的优化。     

面向视频云微服务系统的智能运维技术

提出了一种基于人工智能(AI)的保障视频云体验质量(QoE)的系统架构。该系统针对多个维度创建运维知识图谱,例如运行数据、运行环境、运维数据,以用于建模、感知、映射和分析。在对系统的微服务保障中,运用了图神经网络(GNN)等方法进行分类和预测。通过知识图谱和机器学习,该系统可实现实时监控、自愈恢复、智能预测和主动运维,从而实现QoE的智能保障。     

面向电商领域的旗袍知识图谱构建与实证研究

为挖掘旗袍服饰要素的关联关系与隐藏价值,构建一个基于电商数据的细粒度旗袍知识图谱,并开展实证研究。旗袍知识图谱采用自底向上逐层构建的方法,首先根据先验知识设计细粒度本体模型,为后续工作提供逻辑基础;然后采集并预处理原始数据,通过知识抽取、知识融合规范化数据,进行实例填充,完成数据层设计;最后将数据存储到图数据库,实现可视化。在此基础上,围绕旗袍、服饰要素以及用户人群开展深度挖掘、知识推理,借助图分析算法在社区检测、相似度和要素关联上展开实证研究。结果表明：旗袍知识图谱蕴含服饰要素之间隐藏的关系,能够挖掘内在的语义信息;旗袍服饰要素和用户人群之间存在一定的知识关联性,进而辅助设计与销售决策。     

基于Hibernate的对象持久化技术的研究

当今大部分的应用系统需要处理持久化数据,而在使用面向对象技术开发系统时,会遇到对象持久化的问题.同时使用关系数据库存储数据,存在对象模型与关系模型之间的"阻抗不匹配"问题.对广泛使用的O/R映射框架Hiber-nate进行研究,使用Hibernate作为业务逻辑层和数据库层之间的持久层,实现对象到关系数据库的持久存储.结合实际应用系统分析对象/关系映射在Hibernate持久化解决方案中的体现.     

面向对象的本体创建方法

针对目前语义网中的本体缺少有效和统一的方法,在综合传统的构建本体方法的基础上,将面向对象的思想引入了领域本体的构建过程中,提出了一种构建本体的新方法——面向对象构建法,分别将类和层次关系映射成本体体系中的Class及层次关系,将类之间的关系映射成本体体系中的关系,将类的属性映射到本体体系中类的Property.并将其与检索系统的应用结合起来,实践证明,该方法易学、易用,减少了领域专家的参与,减少了开发系统的工作量,并且使得本体的半自动和自动构建问题成为可能.     

知识图谱在汽车维修领域的应用

针对汽车维修效率低、维修知识覆盖广、维修经验不能有效共享等问题,提出利用知识图谱解决汽车维修场景业务痛点的思路.分析利用本体设计、知识抽取、知识映射等步骤构建汽车维修场景知识图谱的方法,并开发维修问答助手、维修知识搜索、知识后台等应用,提升汽车维修效率.     

基于本体引导的注塑知识图谱构建及缺陷溯因应用

针对大型注塑图谱缺失、成熟标注语料匮乏等导致的工业知识图谱构建代价高昂、质量不高等问题,该文提出一种基于本体引导的注塑知识图谱构建方法。首先,设计以缺陷-表观-原因-方案为导向的注塑本体,指导注塑网页的搜集;其次将本体信息融入至触发词中,以提升对半结构化网页的知识抽取性能;然后,结合本体中的属性相似度进行两级实体对齐,综合提高冗余知识的发现率。最后与已有方法对比,图谱知识正确率高于95%,可快速实现缺陷溯因。     

一种基于超节点理论的本体关系消冗算法

本体作为指导知识图谱数据构建的上层结构,在知识图谱技术中具有重要意义。本体在发展的过程中会形成结构上的冗余。现有的本体消冗方法无法处理含有等价关系的本体结构,只能针对单一类属关系进行冗余的检测与消除。该文针对含有等价关系的本体提出一种基于超节点理论的消冗算法,首先将相互等价的节点看作超节点,消除单一类属关系之间的的冗余;然后还原等价节点,消除等价关系与类属关系之间的冗余。在计算机生成网络和真实网络上的实验和分析表明,该算法能够准确识别关系冗余,具有较高的稳定性和综合性能。     

频谱知识图谱:面向未来频谱管理的智能引擎

针对当前频谱管理中表征方式较单一、管理方式对人的经验依赖性较强、管理效率和精准度较低等问题,面向未来频谱管理的自动化、智能化、精准化需求,将知识图谱理论与技术引入频谱管理中,给出了频谱知识图谱的概念和其依赖的频谱知识体系,以及三元组形式的表示方法,构建了由图谱层、设备层和场景层构成的基于频谱知识图谱的智能频谱管理框架,...     

面向食品安全法规的知识图谱构建

我国建立了完备的食品安全法规体系,其具有海量和零散性的特点,难以检索分析。以食品安全法规文本数据为依托,通过自顶向下和自下而上的方式进行食品安全法规知识图谱的构造研究。首先,获取多源异构的食品安全法律法规和问答数据语料,对用户的需求进行分析。其次,定义食品安全知识图谱的本体层及其属性,使用基于规则的方法对知识进行抽取,针对规则性不强的知识,使用基于机器学习的命名实体识别方法完成领域命名实体识别。最后,实现食品安全法规知识图谱的构建。     

基于主题词表的旅游政务系统本体构建研究

通过对主题词表和本体的分析,找到他们之间的结合点,将主题词表中有关旅游方面的相关信息用在旅游政务系统本体的构建上,这种方法的提出使此领域本体的建立更加准确并且更加符合政务系统的知识描述特点。文中经过对旅游这个领域的有关信息进行分析并提取了人们关注的有关概念,并对其属性、关系进行分析,利用Stanford大学的开源软件Protégé进行了本体模型的构建,从而使得本体技术可以更好地为旅游政务系统的信息查找、检索提供必要的知识库和决策支持。     

基于多源数据的密码攻防领域知识图谱构建

提高网络空间安全的密码攻防能力,需要形成可表示、可共享、可分析的领域知识模式和知识库。利用自顶向下的构建方法,并通过本体构建方法梳理密码攻防领域的核心概念和关系,可以生成密码攻防领域本体。在领域本体的基础上,通过收集并处理多种来源密码攻防领域的文档资料,利用基于深度学习的训练方法得到可维护、可重用、可共享和可分析的领域知识图谱,并进行存储和应用。     

深度学习赋能网络安全知识图谱实体关系联合抽取研究

文中研究了知识图谱中关于实体关系联合抽取方式,解决流水线抽取方式的误差传播、效率低下及关系重叠的问题,设计了网络安全本体模型,提出基于深度学习的Seq2Seq联合抽取模型,编码层通过BERT-WWM和双向长短期记忆网络(Bi-directional Long Short-Term Memory, BiLSTM)模型获取上下文语义表示,并融合多头注意力机制突显文本中的重要单词,解码层通过指针网络输出序列标注,从而获取头实体、关系及尾实体。以自标注的数据集为语料,通过TensorFlow框架建模,对实体和关系抽取的质量进行评估。结果表明,模型的精确率、召回率和F1值均较高,验证了联合抽取模型的有效性,最后通过Neo4j图数据库构建并可视化知识图谱。     

基于六氟化硫气体分解物的高压设备专家诊断系统

本文采用小波神经网络的专家诊断方法,提出了一种基于六氟化硫气体分解物的高压设备专家诊断系统的思路和方法,并且将良好的软件和硬件协同应用于高压设备专家诊断中,用于分析气体分解物的含量并做出高压设备的故障判断与对故障的预测。介绍专家诊断系统的硬件组成和软件实现方式,并通过与其他业内常用方法的比较进而突出本方法的优势。最后,通过分析一些列实验数据证明专家诊断系统的可靠性和实用性。     

铁路信号设备故障诊断方法研究

针对当前现有故障诊断方法在对铁路信号设备故障检索时存在诊断结果准确率低的问题,开展铁路信号设备故障诊断方法研究。引入TF-IDF文本特征表示方法,描述铁路信号设备故障文本特征数据;通过采样算法,对故障文本不平衡数据处理;建立包含特征层、类型层和原因层的铁路信号设备故障诊断模型,并对模型迭代训练;最后,明确铁路信号设备一级故障和二级故障类型,实现故障诊断。通过实例分析证明,新的诊断方法在实际应用中诊断结果更符合实际,可为铁路信号设备稳定运营提供可靠依据。