OWL的本体推理方法研究

针对RDFS与OWL语言之间的兼容性问题,从本体推理机的角度研究了扩展RDFS推理机支持OWL语义的两种方法。在Sesame系统的基础上,通过规则扩展的方法实现了升级方案对RDFS和OWL语言双重支持功能。实验测试表明,扩展后的本体推理机完全支持RDFS语言,其推理能力也大大超过了单纯的OWL语言推理机。     

应急决策中基于时态知识的不确定性推理研究

针对应急决策中的不确定性,在传统区间代数方法的基础上,采用对区间时间断点模糊化处理并设定其取值范围的方法实现了应急领域不确定时态知识的表达,在此基础上,研究时态推理中的证据合成,通过时间区间集合,时态关系集合以及概率指派函数合成后的更新,给出了解决方案,结合应用算例进行分析。验证了该方法的有效性。     

基于案例推理的应急辅助决策方法研究*

将案例推理的方法应用到应急决策中,为应急决策提供了一种实用的科学辅助方法。在分析了应急案例特征的基础上设计了一种基于概念树—突发事件本体模型—事件元模型三层架构的应急案例通用的案例描述与组织方法;根据应急案例属性复杂及属性值缺失的问题设计了基于结构相似度和属性相似度双层结构的案例全局相似度计算算法,避免了传统最近相邻算法中的属性值缺失问题;最后通过基于案例推理的应急辅助决策原型系统的开发使设计方法得以实现,证明了该方法具有较好的实用性。     

基于本体的科学效应知识表达和语义推理

针对创新设计领域中科学效应知识的表达和语义扩展方面的不足,分析研究效应、功能、流和参数之间的关系和模型,借助本体将概念间属性和关系扩展到语义层次上,通过本体来更加全面地表达科学效应知识,构建科学效应知识本体模型,包括效应本体、功能本体、流本体和参数本体。在此基础上基于属性构建相应的语义推理规则,进行功能扩展和效应关联,通过语义推理实现科学效应知识的共享和重用。开发一个基于本体的科学效应知识检索系统,验证了此模型和方法的有效性和可行性。     

民航突发事件领域本体关系提取方法的研究

针对民航突发事件领域本体关系抽取准确率低的问题,提出了一种结合注意力机制与双向门控循环单元(BiGRU)的关系抽取模型。首先查询预先训练的词向量矩阵,将文本中每个词语映射为向量表示;其次构建BiGRU,得到词语序列的上下文语义信息;然后在词语层面和句子层面分别引入注意力机制,为表达语义关系更重要的词语和句子分配更大的权重;最后进行模型的训练与优化。将该模型应用在民航突发事件领域本体的关系提取中,实验结果表明该模型相较于其他方法具有更好的提取效果,验证了该模型的有效性,为民航突发事件领域本体关系的自动获取提供了新的方法支持。     

基于粗集的IT项目风险决策中知识推理方法

针对IT项目的风险管理与决策过程中存在大量不确定、不完全信息等特征,论文在传统决策方法的基础上,将智能决策支持系统(IDSS)引入到IT项目的风险管理中,提出了IT项目风险智能决策支持系统(ITIDSS)的基本构架。并借助粗糙集的原理与方法,通过实例分析,探讨了ITIDSS中关于知识表达、属性约简、规则挖掘等信息获取与知识推理的算法,尤其是引入了有效规则权重的概念与计算方法,从而对整个决策规则挖掘的算法进行了简化和改进。     

基于贝叶斯网络的民航突发事件因果关系分析方法研究

针对民航突发事件因果关系无法有效评估与关联分析的问题,提出了一种基于贝叶斯网络的民航突发事件因果关系分析方法。在民航突发事件应急管理领域本体的基础上引入贝叶斯理论,首先通过规则设计实现了领域本体中概念、关系与实例的贝叶斯网络转换,然后采用贝叶斯网络知识合成算法E-IPFP构建贝叶斯网络节点的条件概率表,并通过消息传递机制计算父子节点间的概率关系,获得民航突发事件因果关系的概率分布。采用民航突发事件应急管理领域本体和世界民航事故调查跟踪报告中的案例作为实验数据,给出了民航突发事件因果间关系的分析,为基于大数据的突发事件关联分析与推理提供了方法支持。     

基于关系数据库的应急预案领域本体构建研究

鉴于领域本体在数字化预案中扮演的日益重要的角色,本文提出了一种基于关系数据库（relation database,RDB）的自动生成应急预案领域本体的构建方法。该方法通过数据库逆向工程工具Rational Rose抽取关系数据库的逻辑和概念模型,采用查询数据库系统表的方法抽取其物理模型,分析关系数据模型（relation data model,RDM）的关系及其模式间的规范及非规范关系来定义转换规则。实验证明,该方法可以有效地自动进行关系数据库到领域本体的建模,提高应急预案领域本体的构建效率,加速应急预案数字化的进程。     

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。     

基于知识推理的医疗应急响应机制研究

应急响应是各类突发事件应急管理的关键.为解决现有医疗领域应急响应决策支持模式存在的精细化程度低、决策服务单一、智能性不足等问题,提出了混合基于案例推理和规则推理的医疗紧急呼救事件应急响应方法.该方法首先将呼救信息构建为呼救知识图谱并将医疗单位和警务单位等信息构建为外部知识图谱集;然后通过实体对齐技术,将呼救知识图谱和外...     

民航机场应急救援大数据处理平台架构研究

安全是民航领域的第一准则,随着新一代信息技术和机场行业的发展,机场运行产生的业务数据呈爆炸性增长,论文依托大数据存储和处理技术,构建机场应急救援大数据处理平台,能更有效支撑现场指挥,智能决策,遇案推演,趋势预测,舆情监控等各项救援行动需求.通过结合目前国内外民航机场应急救援领域大数据技术的应用现状,梳理机场应急救援需求...     

基于本体特征提取的事例推理研究

本文以智能交易甄别原型系统为例,以反洗钱知识为背景,结合基于本体的半结构化文本特征提取和基于事例的推理方法,通过对可疑案例报告提交的数据进行特征值提取,并与案例库中的案例进行匹配,从而发现大额可疑交易记录。将基于事例推理技术应用于大额可疑交易甄别中,是对该技术应用领域的成功扩充,同时也是对基于模型推理的有效补
充。本文利用本体对领域知识的描述信息来分析特征词之间的关系,描述了基于事例推理的思想及方法,并结合实例对其进行了进一步的说明。     

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。     

基于NNV关联规则的非分类关系提取方法及其应用研究

针对传统的非分类关系提取方法无法获得非分类关系的名称的不足,提出基于NNV(noun-noun-verb,名词名词动词)关联规则的非分类关系提取方法。给出NNV关联规则的相关概念及方法的实现过程,提取了民航突发事件应急管理领域本体中的非分类关系,完善了民航突发事件应急管理领域本体。与传统的非分类关系提取方法相比,有效获取了非分类关系的名称,保证了结果的准确率和召回率。     

基于本体论的应急系统知识表示的研究

论文在对知识表示及国内外有关本体库研究的基础上,提出将知识表示方法中的框架与谓词逻辑相结合,作为本体知识的一种描述方法,去定义国防动员应急决策支持系统中通信内容的共享本体,给出基于OWL+RDF+XML的形式化描述。并利用本体对知识进行领域分类,同时对决策者的查询信息进行规范。     

基于Neo4j的领域本体存储方法研究*

在分析民航突发事件应急管理领域本体及其存储特点的基础上,提出了一种基于Neo4j的领域本体RDF图数据存储方法,研究了领域本体RDF有向标记图结构与Neo4j图数据库存储模型的关系,结合民航突发事件应急管理领域本体的实例查询,给出了RDF图与Neo4j之间的映射关系及其实现过程。实验验证了Neo4j图数据库在满足领域本体RDF图数据查询的同时,进一步提高了查询的效率,为大数据平台下的RDF图数据语义检索与推理提供了方法支撑。     

航空安全事故因果关系抽取方法的研究

针对目前航空安全事故因果关系分析一般采用基于概率和统计的方法,缺乏对事故发生过程的详细分析这一问题,提出通过因果关系抽取挖掘事故的因果发展过程。针对世界航空安全事故调查报告构成的文本数据集,将航空安全事故因果关系分为显式因果关系和隐式因果关系,其中显式因果关系抽取采用模式匹配的方法,抽取准确率达到87.72%;隐式因果关系抽取则采用改进的基于自注意力机制的双向长短期记忆网络方法,该方法在公共数据集和航空安全数据集上的F值较基准方法分别提高近6%和10%。在有效实现单一航空安全事故因果关系对的识别与抽取的基础上,生成了每个事故的因果关系图,为深入分析航空安全事故发生过程和情景重现提供数据与方法支持。     

显式知识推理和深度强化学习结合的动态决策

近年来,深度强化学习在序列决策领域被广泛应用并且效果良好,尤其在具有高维输入、大规模状态空间的应用场景中优势明显.然而,深度强化学习相关方法也存在一些局限,如缺乏可解释性、初期训练低效与冷启动等问题.针对这些问题,提出了一种基于显式知识推理和深度强化学习的动态决策框架,将显式的知识推理与深度强化学习结合.该框架通过显式知识表示将人类先验知识嵌入智能体训练中,让智能体在强化学习中获得知识推理结果的干预,以提高智能体的训练效率,并增加模型的可解释性.将显式知识分为两种,即启发式加速知识与规避式安全知识.前者在训练初期干预智能体决策,加快训练速度;而后者将避免智能体作出灾难性决策,使其训练过程更为稳定.实验表明,该决策框架在不同强化学习算法上、不同应用场景中明显提高了模型训练效率,并增加了模型的可解释性.     

基于本体的文档知识图形化分析技术研究

网络信息的激增和多样化给有用信息的识别和获取带来了很多困难。本文通过对本体、Web挖掘、知识发现、概念提取、图形化等技术的集成,建立了基于本体的文档知识图形化分析模型,并以仪表领域为例,开发了相应的试验分析工具,使用户能够快速准确地识别所需要的资源,并对所拥有资源的有用性进行准确直观地判断。