煤矿巷道支护领域知识图谱构建

针对煤矿巷道支护专家系统知识内容有限、知识难以融合共享、无法从非结构化数据中挖掘相关知识等问题,构建了煤矿巷道支护领域知识图谱。首先通过设计领域概念、关系及属性对煤矿巷道支护领域知识建模;然后从煤矿巷道支护领域结构化、半结构化、非结构化数据源获取知识,并基于深度学习模型BILSTM-CRF进行实体识别;最后利用图数据库Neo4j存储煤矿巷道支护领域知识,形成煤矿巷道支护领域知识图谱。煤矿巷道支护领域知识图谱可进一步提升煤矿巷道支护设计和管理效率,为煤矿巷道支护智能化管理提供知识支持。     

事件知识图谱构建技术与应用综述

知识图谱以图结构表示丰富灵活的语义,描述客观世界的事物及其关系,在应用领域得到了广泛的关注。事件知识图谱聚焦动态事件及其间的顺承、时序和因果关系,并以结构化的图形式表示,对海量数据更高效地管理。尤其是对动态事件信息和事件逻辑关系的挖掘,对认识客观世界发展规律,助力领域多种智能应用有着重要的意义。本文系统阐述事件知识图谱的构建技术,包括事件知识表示、事件知识抽取、事件关系抽取,并介绍事件知识图谱在领域的典型应用,最后介绍现阶段的挑战与研究展望。     

知识图谱在电网全业务统一数据中心的应用

针对国网公司的业务数据无法跨专业贯通，数据资源无法被智能分析与管理等问题，提出基于全业务统一数据中心的知识图谱构建方法。在全业务统一数据中心使用大数据技术采集电网多源数据的基础上，使用语义标注方法对结构化、半结构化、非结构化数据进行知识抽取获得知识实体、属性和关系，通过知识融合技术构建知识图谱，根据用户搜索内容智能推荐结果和相关信息。实验表明该方法提高了查准率和召回率，具有更好的智能搜索和分析能力。     

基于知识图谱的项目文档智能管理与应用系统

针对企业现有招投标文档价值信息挖掘不足、文档知识难以应用等问题，设计一种基于知识图谱的招标项目文档智能管理系统。系统核心功能模块包括项目管理、模板管理、知识图谱和统计查询。项目管理和模板管理模块分别对项目文档进行分类管理和提供知识抽取模板。知识图谱模块实现文档知识抽取，并将抽取的知识与元数据构建知识图谱，实现文档的语义互联。对于文档知识抽取分别提出预训练模型结合规则配置的文字知识抽取模型和图片分类与光学字符识别融合的图片知识提取模型。统计查询模块基于构建的文档知识图谱实现多维统计分析、语义检索与智能问答等应用。该文档管理系统以智能化技术支持文档知识深度挖掘和反馈，能够实现文档价值充分利用。     

小麦品种知识图谱构建与可视化研究

为探索知识图谱技术在农业智能生产中应用与落地, 解决复杂多样的农业生产数据的精准查询与可视化问题, 本研究以小麦品种知识为例, 利用爬虫技术, 爬取1852个小麦品种信息、735个微百科、102349个词条; 基于知识图谱技术, 设计品种知识图谱实体与关系, 对抓取数据进行清洗、抽取与融合, 经过实体识别、关系构造等处理, 构建实体258484个, 关系328933个. 在此基础上, 设计了小麦品种知识存储方式, 结构化数据存储在MySQL中, 非结构化数据存储在MongoDB中, 使用Neo4j图数据库存储知识图谱来提高知识的查询性能, 在此基础上实现小麦品种关系查询与实体识别, 提供品种数据精确表达与可视化, 表明利用知识图谱技术实现品种等信息的可视化是可行的, 该研究可以为知识图谱在农业中的应用提供技术参考和理论支撑.     

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。     

煤矿机电设备事故知识图谱构建及应用

针对难以从煤矿机电设备事故表象和部分监控数据判断设备事故根本原因,以及缺少能够利用历史数据、经验知识的有效手段来提高设备事故处理效率等问题,构建了煤矿机电设备事故知识图谱。首先设计四组元本体模型的数据关系,确定本体及本体之间的关系类型;然后根据设计的数据关系,采用机器学习和规则模板相结合的方法从数据库、文本中抽取实体、关系和属性;最后基于Python语言,通过py2neo库用Cypher语句对实体、关系和属性进行创建并存入Neo4j图数据库,实现知识图谱的构建和更新。煤矿机电设备事故知识图谱在煤矿机电设备事故诊断、风险管理和智能问答等方面的应用可使用户高效利用煤矿机电设备事故相关知识,帮助设备维护人员快速查找事故链条、定位事故原因并提出维修方案,达到降低事故率、减少事故处理时间的目的。     

知识图谱研究现状及军事应用

知识图谱以语义网络的形式将客观世界中概念、实体及其之间的关系进行结构化描述,提高了人类从数据中抽取信息、从信息中提炼知识的能力。该文形式化地描述了知识图谱的基本概念,提出了知识图谱的层次化体系架构,详细分析了信息抽取、知识融合、知识架构、知识管理等核心层次的技术发展现状,系统梳理了知识图谱在军事领域的应用,并对知识图谱未来发展的挑战和趋势进行了总结展望。     

宠物知识图谱的半自动化构建方法

提出一种宠物知识图谱的构建框架。通过自顶向下的方式设计并构建了schema（概念）层,从半结构化和非结构化数据中进行知识抽取构建了数据层。在对非结构化数据的实体抽取方面,提出了一种条件随机场（CRF）与宠物症状词典相结合的症状命名实体识别方法。该方法利用症状词典对文本进行识别,获取语义类别信息,CRF结合语义信息实现对症状实体的识别抽取。实验结果表明了该方法的有效性。在知识表示方面,选用OrientDB数据库支持的属性图模型来表示。知识图谱采用OrientDB图数据库来完成知识的存储,并实例展示了构建的宠物知识图谱。     

知识图谱在装备智能维护中的应用研究

随着部队装备持续升级改进,装备功能、性能均飞速提升,与此同时,装备的维护也越来越复杂,依靠传统的以人工经验为主的方式来做装备维护,已经难以满足维护要求.文章针对当前装备维护的问题,研究装备智能化维护技术,探索知识图谱在装备智能维护领域的应用,介绍了装备维护知识图谱构建的方法,包括装备知识体系建立、装备知识抽取、装备知识表示、装备知识融合、装备知识图谱推理的方法.     

面向电厂关键设备故障知识图谱构建的关系抽取方法研究

当今电厂面临着诸多挑战，包括电力设备种类繁多、设备数量庞大、故障类型众多、数据耦合关系复杂以及海量的故障信息数据等。知识图谱能够将各种信息整合、可视化呈现，并支持智能化应用，有助于人们更好地获取、管理和应用知识，从而提高效率、创造价值。运用知识图谱来分析电厂故障数据，有助于深入研究电厂设备故障情况。在构建知识图谱的过程中，关系抽取是关键步骤之一，其准确率直接影响最终知识图谱构建的质量。本文提出了一个面向电厂关键发电设备故障知识图谱构建的关系抽取工具，该工具能将故障信息中海量、异构的数据以及相关故障处理进行可视化表达，同时支持用户交互式地参与到关系抽取的过程中，通过迭代训练来优化关系抽取模型。在实验测试阶段，利用真实电厂设备故障数据进行验证，证明了该工具在显著提高关系抽取的准确率方面的有效性。因此，构建的知识图谱质量得以提升，为电厂管理人员更好地运维管理发电设备提供了重要支持，为管控电厂相关数据以及推动电厂完备建设提供有力支撑。     

基于知识图谱的采煤机智能维护知识库构建

为了满足采煤机元部件级故障源精确定位需求,提升综采工作面开采效率和安全可控性,将知识图谱技术引入采煤机故障检修知识的动态建模、形式化存储及智能交互过程,构建了基于知识图谱的采煤机智能维护知识库。从采煤机的硬件拓扑、故障检修、传感监测等方面,规范了相关术语与命名结构;定义并抽取了采煤机智能维护知识图谱的实体、关系与属性,建立了包含整机、部件、子部件、元件和零件5类实体的硬件拓扑网络子图,包含故障类型、位置、现象、原因、解决方法5类实体的故障检修网络子图,包含传感器、监测位置2类实体的传感监测网络子图;通过实体消岐与共指消解过程合并硬件拓扑、故障检修和传感监测3个网络子图,从而形成采煤机智能维护知识网络图,并通过对网络节点之间的相互作用关系进行形式化描述来表达智能维护知识;采用Neo4j,Py2neo等技术,搭建了一个可实现动态交互的采煤机智能维护知识库原型系统,初步实现了故障信息检索、技术指导等功能。     

基于联合编码的煤矿综采设备知识图谱构建

利用知识图谱技术进行数据管理可实现对煤矿综采设备的有效表示,以便获取具有深度挖掘价值的信息。煤矿综采设备数据不均衡、某些类别设备实体较少等问题影响实体识别精度。针对上述问题,提出了一种基于联合编码的煤矿综采设备知识图谱构建方法。首先构建综采设备本体模型,确定概念及关系。然后设计实体识别模型：利用Token Embedding、Position Embedding、Sentence Embedding和Task Embedding 4层Embedding结构与Transformer-Encoder进行煤矿综采设备数据编码,提取词语间的依赖关系及上下文信息特征;引入中文汉字字库,利用Word2vec模型进行编码,提取字形间的语义规则,解决煤矿综采设备数据中生僻字问题;使用GRU模型对综采设备数据和字库编码后的字符向量进行联合编码,融合向量特征;利用Lattice-LSTM模型进行字符解码,获取实体识别结果。最后利用图数据库技术,将抽取的知识以图谱的形式进行存储和组织,完成知识图谱构建。在煤矿综采设备数据集上进行实验验证,结果表明该方法对综采设备实体的识别准确率较现有方法提高了1.26%以上...     

面向知识图谱的信息抽取技术综述

互联网时代, 数据呈爆发式的增长, 怎样从这些数据中抽取出有用的信息, 已是人工智能研究中的一个核心问题. 知识图谱作为解决这一问题的重要方法, 已成为人工智能技术发展的核心推动力. 信息抽取是知识图谱构建过程中的首要环节, 它实现了从海量的数据中抽取出结构化实体以及实体之间的关系. 本文探讨知识图谱中信息抽取的发展趋势, 对实体抽取、关系抽取和事件抽取及其关键技术进行了综述, 分析和讨论了当前存在的问题、挑战以及未来发展的方向.     

基于知识图谱的科技成果智能查询系统

科技成果数据呈现跨领域、跨学科特性,传统的信息查询检索技术已难以满足用户日益增长的智能化、精准化的科技成果信息获取需求。分析了知识图谱领域和信息检索领域的研究现状。采用网络爬虫从互联网中高效地爬取科技成果数据,利用实体识别和关系抽取技术识别和发现科技成果数据中的科技实体,构建科技成果知识图谱,并实现科技成果数据的结构化存储。基于ElasticSearch搜索引擎对科技实体构建高效索引,研究科技成果语义相似度计算方法,实现基于知识图谱的科技成果智能查询系统。实验结果验证了所构建的系统能够实现科技成果的高效查询以及相关主题内容的关联发现。     

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.     

知识图谱在海洋领域的应用及前景分析综述

知识图谱主要用于从复杂数据中抽取出关键信息以生成关系网络,其对于复杂关系出色的识别能力以及对于数据较强的描述能力使得知识图谱技术具有很高的应用价值.为给知识图谱在海洋领域的应用提供理论支撑,对知识图谱相关技术进行了总体概述.阐述Citespace文献分析工具的出色应用,针对海洋领域半结构化和非结构化数据抽取技术进行了系...     

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。     

知识图谱技术在全国取用水平台的应用

全国取用水平台整合是实现取用水业务“一网统管”的重要途径，但因拟整合的取用水业务系统繁多，信息资源分散，平台整合中存在一数多源、标准不统一、户证点关系不清晰等现实问题，由此尝试提出了利用知识图谱技术应用于平台整合过程，建设一套全国统一的数据库表结构标准，形成一套真实且唯一的户证点关系，构建一套智能且有效的监管数据产品。本文采用自顶向下的知识图谱构建方式，根据各系统的结构化数据，构造模式层中的本体及其相互关系，形成对应的概念模型和规则关系，然后依照此模式从数据中抽取实体及关系，进行数据融合，构造数据层，并及时进行知识更新，完成全国取用水平台知识图谱的构建。最后基于统一规范的数据库表结构标准，依据对取用水户取用水行为监管需求，开展时空尺度的数据信息统计分析，构建六类监管产品，形成取用水管控“一张图”。     

基于自然语言处理(NLP)技术建立化学品危险评估知识图谱的研究

化学品危险评估与人民生命财产安全密切相关,化学品信息的运用直接影响危险评估的快捷程度和准确度。建立化学品危险评估知识图谱能有限管理和应用化学品信息。本文对化学品危险评估领域知识进行了梳理,在确定了领域范围、知识内容和基本本体层次关系基础上,提出了一种准确高效的领域知识构建方法—"NLP及人工智能辅助法":首先,利用爬虫技术对数据进行采集和清洗通过数据抓取及数据清洗;从获得7.8亿条结构化数据中利用中文分词、语义分析等技术进行了知识抽取,构建化学品危险评估知识主体层次关系;通过关系映射、语义分析等技术手段抽取本体属性;基于自然语言处理和人工智能技术苟安知识本体及知识图谱。本研究在一定程度解决了化学品评估知识图谱专业性强、数据量大、过程复杂;中文知识图谱构建的开放链接相对缺乏,导致目前国内尚没有成熟的化学品评估中文知识图谱的问题。化学品危险分类信息匹配为场景实现了初步应用,结果表明,化学品危险评估知识图谱在危险分类信息数据查询、匹配验证的应用将人工平均时间从4460秒压缩到137秒,准确率从86.2%提升到94.3%,大幅提高了化学品危险评估数据查询和匹配的效率。本文的工作进一步表明利用知识图谱可以更好的实现行业或专业领域知识的管理,具有重要应用价值。