癫痫病相关论文多模态知识图谱的构建初探

癫痫病相关论文缺乏命名实体识别和关系抽取任务的标注数据,命名实体识别和关系抽取模型无法用常规方法训练。为解决该问题,针对癫痫病相关论文的数据特点,改进了命名实体识别和关系抽取模型,提出利用相近领域的医疗数据和预训练模型构建零资源癫痫病领域命名实体识别和关系抽取模型。评估了现有无监督和半监督模型在癫痫病领域论文数据集上的性能,并针对数据集特征引入域对抗网络和关系判别器,有效地提高了命名实体识别和关系抽取模型的性能。将癫痫患者的脑电特征以视觉模态嵌入知识图谱中,在提高脑电分析可解释性的同时,构建了更加直观的多模态知识图谱。     

基于FastBert的水稻病虫害实体关系抽取研究

针对水稻病虫害知识图谱构建所需实体和关系,提出了一种基于FastBert模型的中文实体关系抽取方法. 首先,在中文语料收集的基础上,使用Hanlp工具和农业词典提取了与水稻病虫害相关的领域实体,并依据实体间关系的特点定义了病虫害别名、为害部位、为害地区、防治方法等7种类型. 然后,在词嵌入和句子嵌入的基础上通过FastBert模型实现水稻病虫害关系的抽取. 该模型与Robert、Electra、Distilbert等其它Bert相关模型的关系抽取结果比较显示,基于FastBert模型的中文水稻病虫害关系抽取效果更好,模型获得的实体间关系F1值达0.72,模型精度达0.69. 该方法为中文农业病虫害知识图谱的自动化构建提供了参考.     

基于知识图谱的风电机组诊断系统构建与应用

针对风力发电机故障诊断与维修过程不明确以及历史故障数据记录大量遗留等问题,提出一种以知识图谱的方式构建的风力发电机故障诊断系统。首先,通过改进的命名实体识别模型BERT-BiLSTM-CRF对故障文本进行知识抽取。数据集采用了近10年来的风力发电机故障案例、事故分析等文本数据。实验结果表明：在风力发电机故障领域中,改进的实体识别方法相比于传统模型效果提升了2.54%。其次,对抽取的知识实体进行结构化分析,由于传统故障树在实际故障推理中缺乏目的性,且每个底事件相对于顶事件的重要性不同,提出以故障的特征属性为分支条件引入到故障树推理中,完成故障树定性与定量分析,并结合故障模式影响和危害性分析(FMECA)完善故障领域知识模型;再对知识结构完成本体化建模,使用Protégé开发工具对故障树结构完成了基于六元组概念的本体建模,使构建的本体知识库满足推理的前提条件。最后,通过Neo4j实现知识模型的可视化,并提升了知识数据的读写能力。     

学业预警知识图谱的构建与应用

针对学业预警体系中“事前事中预防”措施不足、过程化与可视化较低的问题,进行了学业预警知识图谱的构建与应用。首先,通过protégé完成模式层的构建,对知识的数据结构(包含实体、关系、属性)进行了设计,采用了树状结构,使每个子类继承其祖先节点的属性;其次,以事实三元组为单位,存储具体的信息;然后,通过关系型数据库实现数据与本体的映射,对关系型数据库的结构化数据进行知识抽取,通过D2RQ工具将结构化数据转化为三元组数据,存储在SQL中;最后,使用Neo4j图数据库可视化展示,完成学业预警知识图谱的构建。公开数据集实验测试结果表明,所构建的学业预警知识图谱能够对学生学业进行预警,对实体及属性进行校验标注,经过采样标注后得到准确率为94.23%,且时效性良好,系统平均在9 ms后开始传输,并在25 ms后完成,同时在过程化与可视化方面有较大提升,可以实现“事前事中预防”。     

基于知识图谱的科学数据开放核心政策研究

对我国科学数据开放政策进行细粒度分析,探讨我国科学数据开放的核心政策的影响情况与机制,为 数字经济环境下制定促进数据高效共享政策提供参考。采用自顶向下方式,构建知识图谱模式层,识别并提取 政策实体、属性及关系构建数据层,并存入 Neo4j 图数据库;实现语义层面的关联查询与可视化,从不同细粒 度对政策文本进行多维分析。通过知识图谱识别核心政策,结合政策工具进行政策文本多维分析,探究科学数 据开放核心政策对现有政策体系的影响情况。发现科学数据开放的核心政策在政策演化过程中,能够对其关联 政策以及政策整体的政策目标和政策工具使用产生影响。     

基于EHR的医疗知识图谱研究与应用综述

电子健康记录(EHR)作为一种医疗信息化手段,在数十年的使用过程中储存和积累了越来越多的医疗过程和结果大数据.知识图谱作为一种从海量数据中抽取结构化知识的手段,近年来在多个行业展示了广阔的应用前景.知识图谱的优势在于对海量、异构的数据进行组织,完成知识推理.知识图谱适用于自然语言的分析,有助于在以自然语言形式存在的海量EHR数据中获得宝贵的医疗知识和医疗经验. EHR分析研究的价值主要集中在辅助诊断、辅助治疗和疾病预测.利用大量的EHR数据构建医疗知识图谱,当新的患者数据来临之时,知识图谱可以发挥查询扩展、临床决策支持和疾病预测等作用.本文首先简要介绍了EHR的发展现状,以及现有著名的EHR数据集及其应用成果.其次,在概括介绍知识图谱发展总体现状基础上,分析了知识图谱在医疗领域的发展趋势和热点迁移.然后,对基于EHR的医疗知识图谱研究与应用进展进行了比较全面的总结,包括EHR的信息抽取、数据整合、查询扩展、临床决策支持和疾病预测等.最后,对该领域未来发展方向和面临的挑战作了展望.     

基于知识图谱的查询显示系统的设计与实现

为解决电网客服领域人力成本过高、业务处理受到时空限制的问题,探究基于行业知识图谱的智能客服查询显示系统。根据电网客服领域的业务需求和数据特点,采用半自动化的方式对源数据进行语义标注与关系抽取,建立行业知识图谱。在实现自动问答系统的语义解析环节,提出一种多模式匹配和相似度度量融合的实体识别算法,提高实体识别模块的性能。通过设计100道问题对构建好的智能客服自动问答系统进行测试,最终有93道问题被正确处理。该系统的实现过程为构建基于行业知识图谱的智能问答系统提供参考。     

微博知识图谱构建方法研究

传统搜索引擎需要用户从返回网页中提炼有用知识;社交网络搜索根据人物的社会关系、共同爱好,提供人物和兴趣间的关系等方面的搜索结果。当前,社交网络搜索主要存在2个问题:不能从语义上理解用户查询词;仅局限于人物、兴趣搜索,限制了查询范围。为解决微博搜索中存在的一些问题,并主动返回更多知识,基于微博这一社交网络的重要平台,研究微博社区知识图谱构建方法,重点提出5方面的研究:微博社区中概念提取,其概念包括人物、事物、地点、事件和话题等5种类型;微博社区概念间的关系提取,其关系包括上述5种概念间的组合关系;知识图谱是带有语义的网络图谱,将概念作为顶点并将概念间关系作为边,研究知识图谱的构建方法;分析微博社区知识图谱,包括构建效果、演化特征、应用效果分析;研发基于微博知识图谱的应用系统等内容。     

面向工艺重用的工艺知识图谱构建方法

针对复杂、多样的工艺知识难以统一表示所导致的工艺知识重用和共享困难等问题,提出了一种面向工艺重用的工艺知识图谱构建方法。该方法首先依据国际工业标准step-NC建立工艺知识图谱的基本模式层,以保证工艺知识数据模式的准确性和通用性;其次通过工艺知识解析和工艺知识合并,完善工艺知识图谱基本模式层,形成工艺知识图谱扩展模式层;同时采用SWRL语言对已有经验规则进行统一表征,完成工艺知识图谱模式层的构建。然后,在工艺知识图谱模式层的引导下,引入潜在语义分析技术,对加工工艺实例知识进行分析并计算工艺实例之间的相似性,将工艺实例知识转化为结构化工艺知识图谱的形式表示,实现工艺知识图谱模式层的实例化,以得到工艺知识图谱数据层。最后,开发了工艺知识图谱构建和应用平台,以验证所提方法的可行性。     

基于知识图谱的数控机床故障问答系统研究

当前数控机床故障方面的查询机制尚不完善,机床工人在查找故障原因所在时往往需要花费较多的时间.为改善现状,从内蒙古某机械厂的数控机床故障数据中抽取其三元组,构建数控机床故障知识图谱,在此基础上开发知识图谱问答系统.构建数控机床故障知识图谱问答一般会包括4个步骤：数控机床故障问句实体识别;数控机床故障属性映射;数控机床故障实体链接;答案返回.设计ALBERT+Attention+BiLSTM+CRF模型识别问句中的数控机床故障实体;然后在所创的数控机床故障知识图谱中找到对应实体的三元组进行返回;通过训练属性映射模型,选择得分较高的几个三元组作为预选答案,最后通过实体链接重排序返回答案.在内蒙古某机械厂数控机床故障知识图谱数据集上分析并验证了所提方法的有效性.     

复杂物体透视形态图建立

全面分析并建立了复杂物体透视投影的视觉事件的确定方法和计算公式,视觉事件分为两类七种。文中提出用变半径高斯球表示三维透视投影空间,通过测试点对透视投影视觉事件的计算,可大大降低计算的复杂性;并且形态图的表示采用分子结构图表示,从而解决了透视投影空间的形态图的求解和表示。论文用实例——棱柱与圆锥相贯验证了该算法的有效性。     

一类混杂Petri网的极大代数模型研究

针对时间事件图(TEG)建模范围窄的问题,提出了一种用来描述制造系统中的离散和连续事件的混杂事件图(HEG).HEG在TEG的基础上引入连续位置和连续变迁.通过构造一个由四个基本函数组合而成的双子代数系统,推导出一组极小代数等式来表示HEG,证明这组等式在极大代数意义下是线性的.这样可以继续采用极大代数方法来研究HEG.实例表明,HEG及其极大代数方法的适用范围比TEG广,可以用来建模制造系统的混杂动态行为.     

基于事件图的并发软件测试

通过事件图来产生用于并发程序的测试用例。通过对事件图事件状态迁移的分析产生子事件图。每一个子图对应一个测试用例。该方法有如下特点:1)在用例执行过程中,能够实时监控观察状态的变迁;2)由于每个子图都是具体的一条执行路径,即一次模拟,所以所有的用例都是有效的;3)由于事件图中的状态是有限的,所以在生成用例的过程中不会出现状态爆炸。     

基于动态混淆技术的动态图软件水印方案

提出了基于动态混淆技术的动态图软件水印方案,将动态混淆技术和动态图软件水印技术相结合,选用可归约排列图（RPG）作为水印图,嵌入水印程序,通过代码混淆,增加攻击者反编译程序的难度,提高软件水印方案的抗攻击性.将该方案与传统的软件水印方案进行比较分析,结果表明,本方案具有较高的鲁棒性和数据率,且在抵御代码分析方面有明显优势.     

利用文档级信息结合语义空间加强事件检测

事件检测(ED)是事件抽取的一项基础任务,旨在检测事件触发器并进行分类.现有事件检测方法主要基于句子级信息,忽略了句子间的事件相关性.文档级信息有助于减轻语义歧义与加强上下文理解,为此,提出一种新颖的事件检测框架,命名为document embedding networks combined with semantic...     

复杂事件处理的自适应制造情景识别方法

制造过程中的任务、自然条件、电力水平等环境因素,制约物体状态及其关系的变化.智能制造单元需要自适应的对不同情境约束下的事件和复杂情形及时理解判断,提出基于复杂事件处理(Complex event processing,CEP)的情境约束情景识别方法,以实时作出合理的优化决策.针对忽视情境约束对事件判别的影响,构建基于情境约束的多层次事件模型,给出同生、情境、协同等事件新算子,提出基于事件聚合的制造情景模型与演算过程.针对情景识别知识库中模式规则生成的不足,通过整合物体数据与环境数据建立映射关联,将感知信息转化为情境事件图谱.通过综合序数、名义变量等距离计算和自适应熵权法,提出改进的混合聚类方法处理事件图谱实例属性的多样性和关联性,构建知识库以为情景实时识别提供服务支持.运用4个真实数据集和1个制造过程仿真数据集进行实验,均验证本文模型和方法的有效性,适用于大规模学习问题,并阐明情境因素能显著提升复杂制造应用中的事件判断、情景识别的准确性.     

基于重要性抽样的图卷积社团发现方法

根据图论将复杂网络转化为图结构数据,使卷积神经网络能够高效方便地处理;通过将图像上的卷积操作延伸到图结构数据上来定义卷积核,并通过卷积层对图的粗粒化和池化操作,提取不规则数据复杂网络的特征. 在采用随机梯度下降法训练网络时,设计一种重要性抽样方法改变样本的分布来缩减方差,从而节省梯度计算时间. 实验结果表明,与现有的图卷积网络相比,该方法在社会网络、引文网络、知识图谱数据集中,均能够以较低的计算复杂度获得较好的社团发现准确率;而且能够减少计算时的内存占用,可扩展到更大规模的复杂网络中使用.     

基于贝叶斯网络的事故序列分析

针对传统的事件树分析方法的二态性和独立性假设的局限性,提出了基于贝叶斯网络的事故序列分析方法.该方法不仅可以对二态独立的事件树进行分析,还可以分析存在多态相依事件的事件树,而且大大缩减了图形的规模.另外利用贝叶斯网络还可以得到其他有用的信息,最后通过一个实例说明了该方法的有效性.