基于CBR和描述逻辑的网络安全应急响应

网络安全应急响应是未来信息安全策略的重心.目前应急响应主要依靠应急响应团队和安全管理者,他们虽能够有效处理部分安全事件,但不能给出在具体环境下合理、快速、有效地处理安全事件的方法.针对该问题,提出了智能化的基于案例推理和描述逻辑的网络安全应急响应方法,用以实现对具体安全事件的自动处理.首先用描述逻辑刻画网络安全应急响应领域知识,然后设计了基于细化算子和细化图的相似度匹配算法,给出了基于案例的推理(Case based reasoning,CBR)在应急响应中的具体实现过程,最后用具体实例检验了提出的方法.结果表明该方法具有清晰语义、自动分类概念和良好推理能力等特性,能够从过去的安全事件中获得目前所遇到的安全事件的解决方案,并能够给出具体环境下安全事件的处理方法.     

基于CBR应急保障物流体智能决策支持系统研究

在对应急决策和应急保障物流体分析的基础上,应用基于案例推理技术和智能决策方法构建了应急保障物流体智能决策支持系统,讨论了系统的工作原理及体系结构,重点分析了系统的案例推理机制和关键技术,从而为应急状态下的物流保障决策和原形系统的开发提供了理论支撑。     

面向知识图谱的知识推理研究进展

近年来,随着互联网技术和应用模式的迅猛发展,引发了互联网数据规模的爆炸式增长,其中包含大量有价值的知识.如何组织和表达这些知识,并对其进行深入计算和分析,备受关注.知识图谱作为丰富直观的知识表达方式应运而生.面向知识图谱的知识推理是知识图谱的研究热点之一,已在垂直搜索、智能问答等应用领域发挥了重要作用.面向知识图谱的知识推理旨在根据已有的知识推理出新的知识或识别错误的知识.不同于传统知识推理,由于知识图谱中知识表达形式的简洁直观、灵活丰富,面向知识图谱的知识推理方法也更加多样化.本文将从知识推理的基本概念出发,介绍近年来面向知识图谱知识推理方法的最新研究进展.具体地,本文根据推理类型划分,将面向知识图谱的知识推理分为单步推理和多步推理,根据方法的不同,每类又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理.本文详细总结这些方法,并探讨和展望面向知识图谱知识推理的未来研究方向和前景.     

智能环灾应急决策支持技术研究

针对目前环灾应急决策系统中预案信息化程度低、动态应急能力不足的问题,文中在数字化预案的基础上,提出了一套基于案例推理(CBR)和基于规则推理(RBR)相结合的智能辅助决策机制。鉴于环灾应急事件的复杂性,许多应急处置方案都是基于过去的经验,而且应急过程中又随时有可能出现新的应急目标,文中采用了以CBR方法为主,RBR方法为辅的CR智能辅助决策方法。这种方法能更有效地实现复杂环灾应急的辅助决策需要,最后通过某化工园应急决策实例展示了文中所讨论的方法的过程。     

医学知识图谱构建技术与研究进展

医学知识图谱是实现智慧医疗的基石,有望带来更高效精准的医疗服务。然而,现有知识图谱构建技术在医学领域中普遍存在效率低,限制多,拓展性差等问题。针对医疗数据跨语种,专业性强,结构复杂等特点,对构建医学知识图谱的关键技术进行了自底向上的全面解析,涵盖了医学知识表示、抽取、融合和推理以及质量评估五部分内容。此外,还介绍了医学知识图谱在信息检索、知识问答、智能诊断等医疗服务中的应用现状。最后,结合当前医学知识图谱构建技术面临的重大挑战和关键问题,对其发展前景进行了展望。     

小样本关系下的时序知识图谱推理

在各大知识推理应用场景下,知识图谱中时序的缺失、知识图谱构建时实体关系的不完善,已然成为研究者们亟需解决的问题。为此,构造了一种融合时序信息与小样本关系的知识图谱推理模型,该模型将知识图谱的三元组表示扩展到含有时序信息的四元组表示,并通过时序信息来提高推理路径的准确性。此外,通过元学习从高频关系中学习元参数,并使用元参数适配小样本关系任务,提高模型在小样本关系中的泛化能力。实验表明,所提出的方法在Hits@1、Hits@3、Hits@10和MRR上均高于对比方法,并且均提高5%以上,表明所提出的方法可以完成知识图谱的推理,并且在小样本关系下具有较好的效果。     

基于本体的民航应急决策知识表达与推理方法研究

针对民航突发事件应急决策知识表达与管理中的问题,利用本体技术在知识获取和建模方面的优势,本文设计了一个基于领域本体的民航突发事件应急决策知识推理模型;以民航突发事件应急预案、应急案例、应急资源和应急规则等应急知识为基础,构建了民航应急管理领域词典,采用领域本体四元组建模方法给出了基于领域词典的本体构建过程;运用SWRL规则语言建立了民航突发事件应急决策所需的基本规则,采用Protégé本体编辑工具和Jena推理机实现了基于本体的规则推理,为民航突发事件应急决策知识的管理与应用提供了良好的方法与技术支持。     

面向知识图谱的知识推理综述

随着智能化水平的不断提高,每时每刻都有大量的新知识产生,知识图谱逐渐成为我们管理知识的工具之一.但现有的知识图谱仍然存在属性缺失、关系稀疏等问题,同时还存在大量噪声信息,导致图谱质量不佳,易对自然语言处理领域中的各类任务造成影响.面向知识图谱的知识推理技术作为目前的研究热点,是解决该问题的主要方法,其通过模拟人的推理过程完成对图谱信息的完善,在众多应用中有较好表现.以知识图谱为切入点,将知识推理技术按类别划分并分别阐释,详细分析该技术的几种应用任务,例如智能问答、推荐系统等,最后对未来主要研究方向进行展望,提出几种研究思路.     

可解释的知识图谱推理方法综述

近年来,以深度学习模型为基础的人工智能研究不断取得突破性进展,但其大多具有黑盒性,不利于人类认知推理过程,导致高性能的复杂算法、模型及系统普遍缺乏决策的透明度和可解释性。在国防、医疗、网络与信息安全等对可解释性要求严格的关键领域,推理方法的不可解释性对推理结果及相关回溯造成较大影响,因此,需要将可解释性融入这些算法和系统中,通过显式的可解释知识推理辅助相关预测任务,形成一个可靠的行为解释机制。知识图谱作为最新的知识表达方式之一,通过对语义网络进行建模,以结构化的形式描述客观世界中实体及关系,被广泛应用于知识推理。基于知识图谱的知识推理在离散符号表示的基础上,通过推理路径、逻辑规则等辅助手段,对推理过程进行解释,为实现可解释人工智能提供重要途径。针对可解释知识图谱推理这一领域进行了全面的综述。阐述了可解释人工智能和知识推理相关概念。详细介绍近年来可解释知识图谱推理方法的最新研究进展,从人工智能的3个研究范式角度出发,总结了不同的知识图谱推理方法。提出对可解释的知识图谱推理研究前景和未来研究方向。     

基于知识图谱的水工程联合调度计算方案生成技术研究

人工方法构建水工程联合调度计算方案工作效率低且容易产生人为错误,为更好地生成水工程联合调度计算方案,研究和探索如何应用知识图谱技术实现计算方案的自动生成。研究领域知识图谱概念和物理 2 种模型的构建,以及知识图谱存储、检索和推理方法,并以淠河流域为例应用专题知识图谱的检索、推理方法, 将检索和推理结果存储为规定的数据内容和格式,即所需的水工程联合调度计算方案。研究表明：专题知识图谱是构建水工程联合调度计算方案的信息载体,专题知识图谱的检索、推理是水工程联合调度计算方案自动生成的主要方法。相对于传统人工方法,基于知识图谱技术生成大规模的水工程联合调度计算方案更加准确和高效。     

水利信息知识图谱的构建与应用

近年来知识图谱技术作为一种用于描述客观世界中概念、实例及其关系的新方法,得到了人们的广泛关注,利用知识图谱可以有效拓展搜索结果的广度。目前水利行业采用的基于关键字的搜索技术难以利用对象间关系进行信息检索。为此,本文首先提出一种面向水利对象数据的知识图谱构建方法,用以实现水利信息知识图谱的构建。然后,提出基于推理规则的知识推理方法,利用隐藏在水利信息知识图谱中的知识实现智能数据检索。最后,将上述技术应用于水利领域,实现水利信息知识图谱构建与检索系统。通过该系统可以有效利用水利对象之间的关系,充分发挥水利信息资源的价值。     

图神经网络应用于知识图谱推理的研究综述

知识推理（KR）作为知识图谱构建的一个重要环节,一直是该领域研究的焦点问题。随着知识图谱应用研究的不断深入和范围的不断扩大,将图神经网络（GNN）应用于知识推理的方法能够在获取知识图谱中实体、关系等语义信息的同时,充分考虑知识图谱的结构信息,使其具备更好的可解释性和更强的推理能力,因此近年来受到广泛关注。首先梳理了知识图谱和知识推理的基本知识及研究现状,简要介绍了基于逻辑规则、基于表示学习、基于神经网络和基于图神经网络的知识推理的优势与不足;其次全面总结了基于图神经网络的知识推理最新进展,将基于图神经网络的知识推理按照基于递归图神经网络（RecGNN）、卷积图神经网络（ConvGNN）、图自编码网络（GAE）和时空图神经网络（STGNN）的知识推理进行分类,对各类典型网络模型进行了介绍和对比分析;然后介绍了基于图神经网络的知识推理在医学、智能制造、军事、交通等领域的应用;最后提出了基于图神经网络的知识推理的未来研究方向,并对这个快速增长领域中的各方向研究进行了展望。     

应急系统中不确定时态知识表示及其推理

在分析现有不确定信息表示模型基础上,提出了一种可扩展的时态知识表示模型,该模型对真实事件的间断性表示加以改进,进而讨论了应急决策知识库的构建方法和相应推理机制。实验数据表明,在原型系统中使用改进后的表示模型和推理方法,能够提高应急系统处理效率和决策方案的合理性。     

基于表示学习的知识图谱推理研究综述

知识图谱以结构化形式描述了现实世界中的客观知识,但面临着构建不完整或者无法处理新增知识等挑战。知识图谱推理方法成为了知识图谱补全和更新的重要手段,该方法旨在基于图谱中已有的事实推断出未知的事实。近年来,基于表示学习的知识图谱推理研究受到了广泛关注,其主要研究思路是将实体和关系嵌入到低维连续向量空间从而进行推理,具有计算效率快、推理性能高等优势。文中以基于表示学习的知识图谱推理方法为研究对象,首先对相关的符号表示、数据集、评价指标、训练方法以及评测任务进行了简要概述;其次介绍了基于平移距离和语义匹配的两种典型知识图谱推理方法;然后对融合多源信息的推理方法进行了分类和梳理,以及详细分析了近期流行的基于神经网络的推理研究进展;最后总结全文,同时对知识图谱推理的未来研究方向进行展望。     

融合语义信息的知识图谱多跳推理模型

多跳推理模型在知识图谱中充分挖掘和利用实体间的多步关系,组成路径信息,完成知识推理,然而,目前的稀疏知识图谱多跳推理模型大多存在数据稀少及推理路径可靠性较低等问题.为了解决该问题,文中提出融合语义信息的知识图谱多跳推理模型.首先,将知识图谱中的实体和关系嵌入向量空间,作为强化学习训练的外部环境.然后,利用查询关系和推理路径的语义信息,选择相似度最高的(关系,实体)对扩充智能体进行路径搜索的动作空间,以此弥补推理过程中数据稀少的不足.最后,使用推理路径和查询关系的语义相似度评价推理路径的可靠性,并作为奖励函数反馈给智能体.在多个公开稀疏数据集上的实验表明,文中模型明显提升推理性能.     

农业知识图谱研究综述

知识图谱是大数据时代下知识工程的关键技术。利用知识图谱强大的语义理解和知识组织能力,可以解决现代化农业建设中农业知识分散无序、知识覆盖范围不足等问题针对农业领域数据复杂、专业性强等特点,给出了农业知识图谱的构建方法与框架;综述了农业知识图谱构建中本体构建、知识抽取、知识融合以及知识推理四个关键技术的国内外研究现状;系统梳理了农业知识图谱在决策支持、智能问答与推荐系统的应用;最后,介绍了几个具体的农业知识图谱实例。根据农业知识图谱的研究现状,对其未来的研究方向进行了展望。     

知识图谱引导的贝叶斯网概率推理

在基于贝叶斯网的概率推理应用中,由于缺乏节点间潜在的关联信息,使得与推理任务无关的节点参与计算,导致推理效率不高,高效的贝叶斯网推理有待深入研究.为此,本文引入知识图谱,使用领域知识补充节点间潜在的关联信息,从而支持高效贝叶斯网推理.首先,基于TransE模型将知识图谱中的三元组嵌入到低维向量空间,通过向量的相似度计算得到实体间的关联信息,以此为依据从贝叶斯网中抽取与推理任务相关的子图构建节点关联图;然后,基于实体间的相似度与贝叶斯网节点参数给出图中的权值计算方法;最后,基于节点关联图的嵌入实现近似推理.实验结果表明,本文方法的效率优于吉布斯采样算法与前向采样算法,验证了本方法的高效性.     

面向俄乌冲突的时序知识图谱推理系统设计与实现

提出了一种面向俄乌冲突的时序知识图谱推理方法,该方法基于进化图演变的思路,将历史事件和相关知识构建成一个时序知识图谱,并通过对知识图谱中节点和边的演化过程进行建模,实现了对未来事件的预测和分析。具体而言,首先利用自然语言处理技术对公开的新闻报道、社交媒体信息等进行爬取和处理,提取关键词和时间信息,并将其转换为结构化数据。然后,利用这些数据构建起一个时序知识图谱,其中每个节点表示一个事件或概念,每条边表示它们之间的关系。其次,通过基于进化图演变的算法对知识图谱建模,从而能够模拟节点和边在不同时间段内的演化特征。最后,通过在俄乌冲突数据集上构建推理系统,实验结果表明该模型与系统设计具有良好的效果和应用前景。     

基于概率推理的知识图谱中实体间关联度计算

针对知识图谱中实体间的关联关系存在不确定性、实体间关联度计算复杂度高等问题,提出一种基于贝叶斯网的实体间关联度的计算方法.针对知识图谱做预处理,利用剪枝后获取的核心子图构建贝叶斯网,提出基于知识图谱的贝叶斯网构建方法;利用贝叶斯网作为知识图谱中实体之间关联关系的量化和推理框架,基于贝叶斯网的概率推理,提出知识图谱中实体间关联度的定量计算方法.建立在真实数据之上的实验结果验证了方法的有效性.     

用于应急指挥的知识推理技术研究

针对迫切需要为现有应急管理和指挥工作提供及时、有效的辅助决策功能的问题,深入分析应急业务流程, 从将智能技术与行业应用相结合的角度出发,对知识推理技术进行了研究,包括知识获取、知识表示、推理机制等,提 出了基于智能辅助决策的应急指挥系统。在实际项目中的应用结果表明,该方案具有行业化程度高、自适应能力强等 特点,能够满足应急指挥工作在智能化方面的要求。