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。     

基于LEBERT的多模态领域知识图谱构建

多模态知识图谱(multi-modal knowledge graph, MMKG)是近几年新兴的人工智能领域研究热点. 本文提供了一种多模态领域知识图谱的构建方法, 以解决计算机学科领域知识体系庞大分散的问题. 首先, 通过爬取计算机学科的相关多模态数据, 构建了一个系统化的多模态知识图谱. 但构建多模态知识图谱需要耗费大量的人力物力, 本文训练了基于LEBERT模型和关系抽取规则的实体-关系联合抽取模型, 最终实现了一个能够自动抽取关系三元组的多模态计算机学科领域知识图谱.     

知识图谱综述——表示、构建、推理与知识超图理论

针对知识图谱（KG）在知识驱动的人工智能研究中发挥的强大支撑作用,分析并总结了现有知识图谱和知识超图技术。首先,从知识图谱的定义与发展历程出发,介绍了知识图谱的分类和架构;其次,对现有的知识表示与存储方式进行了阐述;然后,基于知识图谱的构建流程,分析了各类知识图谱构建技术的研究现状。特别是针对知识图谱中的知识推理这一重要环节,分析了基于逻辑规则、嵌入表示和神经网络的三类典型的知识推理方法。此外,以异构超图引出知识超图的研究进展,并提出三层架构的知识超图,从而更好地表示和提取超关系特征,实现对超关系数据的建模及快速的知识推理。最后,总结了知识图谱和知识超图的典型应用场景并对未来的研究作出了展望。     

基于知识图谱的鼓风机轴承温度智能预测

轴承温度是衡量鼓风机是否正常运行的重要指标之一. 然而, 轴承通常安装在狭小密闭的空间中, 导致其温度难以实时准确检测. 为了解决这个问题, 设计了基于知识图谱的鼓风机轴承温度智能预测方法. 利用统计方法分析鼓风机运行系统, 获取与轴承温度相关的影响因素. 结合运行机理和领域知识构建知识图谱, 提取影响轴承温度的直接和间接特征变量. 采用双模块模糊神经网络对知识图谱进行推理, 实现对鼓风机轴温的实时准确预测. 结果表明, 基于知识图谱的鼓风机轴承温度智能预测方法可以准确地建模鼓风机系统, 具有良好的温度预测能力. 该项研究可以为轴承温度的实时监测和变化趋势预测提供支持.     

基于混合增强智能的知识图谱推理技术研究

如今,知识图谱被广泛应用在各个领域,例如问答系统、推荐系统等。而基于知识图谱的应用表现很大程度上依赖于知识图谱本身的知识完备性与准确性。单纯通过人工补齐与审核的方式来构建知识图谱已无法满足超大规模知识图谱的需求。针对上述问题,提出一种基于混合增强智能的知识图谱推理框架,即同时利用机器模型与人的知识信息来完成知识图谱推理。该框架在基于知识图谱嵌入的向量空间中,利用混合增强智能模型来寻找到实体节点之间的有效路径。与现有方法不同的是,该方法在训练模型时,高效地利用人的知识信息来指导模型的优化。实验表明,该框架在公开数据集上的表现相较于现有方法有一定提升。     

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。     

软件定义网络流的安全要素知识图谱研究

流表是软件定义网络控制平面与数据平面交互的核心组件,也是实现安全策略全局协同及动态映射的关键。然而,构建具备相关安全策略的流表却需应对流知识要素过于分散、不断扩充、难以通过独立应用或预设规则满足等诸多难点。针对这一现状问题,本文通过采取在软件定义网络控制、数据和应用等三大平面之外新建知识平面的方式,构建流表及其相关安全知识要素聚集的流知识图谱,并基于此选择或生成流表规则。在流规则选择方面,构建同源-目的地址单条/合成流规则合并的流规则搜索树并关联流知识图谱,达到对已有流规则快速选择并决策的目的;在流规则学习生成方面,以流规则搜索树图融合的方式分裂生成流规则安全决策图,以此根据流标记生成或选择流规则。在评估部分,本文通过与应用平面交互、流规则选择、流规则学习等三个角度观察流知识图谱的实际应用方向及可能性,并通过实验衡量了基于流知识图谱的关键算法性能。以流知识平面的图谱等为基础设施,可近一步深入具体场景,通过流安全标记与应用相结合的方式,促进流规则演进等实践开展。     

区域教育云智能导学服务模式应用与研究

目前信息可视化和知识图谱已经被广泛应用到各个领域。针对教育云的课程资源在使用中存在资源"孤岛"现象,缺少学习导航,不利于自主学习等问题,提出了一种基于知识图谱的信息可视化智能导学服务模式。通过网络爬虫抓取课程网页文档,进行数据清洗和预处理;利用机器统计的方法抽取课程知识概念和构建知识实体关系;封装知识图谱的实体关系三元组,构建课程知识图谱实例本体并实例化,存储到云平台。     

自定义SWRL知识图谱推理补全插件的实现

知识图谱是人工智能应用的基石,基于规则进行推理是知识图谱知识补全的重要方式。SWRL推理插件的局限性成为了知识推理补全的瓶颈。打破了SWRL有限的推理能力,论述了在SWRL规则中编写自定义知识推理插件,并在知识图谱建模和推理工具中实现对自定义插件推理支持的方法。介绍了知识图谱知识建模和推理的方法与工具,结合一个具体的知识补全需求建模了包含自定义知识推理插件的SWRL推理规则;在Pellet推理机中实现和注入了此自定义推理插件的推理支持源码,并通过与Protégé知识建模工具进行集成从而完成知识补全需求;应用包含自定义插件的SWRL推理规则完成了老人健康小屋物联网系统资源组成和资源故障诊断的知识补全。以此论述了使用SWRL自定义知识推理插件进行知识图谱知识补全的方法和实践。     

基于知识图谱的智能决策支持技术及应用研究

知识图谱是把复杂的领域知识通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,解释知识领域的动态发展规律。知识图谱把所有不同种类的信息(heterogeneous information)连接在一起得到一个关系网络并从"关系"的角度去分析问题。知识图谱目前被广泛应用于智能搜索、智能问答等领域。提出了一种基于知识图谱的智能决策支持框架,用于解决传统决策支持系统存在的问题。通过大数据、知识图谱等海量知识分析和模型构建技术,结合决策支持系统,增强对问题的分解与处理、形成具有关系型网络的知识系统。最后结合电信领域中的经典决策案例,搭建基于知识图谱的欺诈电话智能决策支撑平台。和传统的决策支持系统比较,该研究方法的优点在于结合大数据处理方法提升了知识建模的算力和决策支持的效率,使实时处理大规模信息数据成为现实;基于知识图谱的关系型网络,提升了决策模型的准确性和关联相关性。     

面向知识重用和智能创新的交互界面进化设计研究

为了让交互界面脱离依赖设计师个人经验和主观认知的传统设计方式,将设计知识加以重用, 并为人工设计提供自动智能的创新启发。基于交互产品中常见的交互界面构建重用知识规则和边界,构建了交 互界面进化基因模型,并利用遗传算法,通过构建针对交互界面编码的遗传算子、重用知识约束规则库和交互 式评价等进化模块,形成了面向知识重用和自动化智能创新的交互界面进化设计方法。最后,在方法基础上, 以目前常见的 5 个交互登录界面作为初始种群,进化生成了 45 个有效的子代个体。并通过设计实践验证了方 法的有效性。结果表明,设计知识通过设计规则的方式被总结重用,并通过约束进化的方式进行了自动智能化 式的辅助设计,提升了设计知识重用及计算机辅助智能创新水平。     

基于RIPPER的旋转机械故障诊断知识获取

数据挖掘技术能够从大量、不完全、有噪声、模糊、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的本质的规律。为了有效地发现旋转机械故障诊断过程中的故障征兆知识,引入数据挖掘技术和方法。针对旋转机械,构建了基于重复增量修枝算法RIPPER（Repeated Incremental Pruning to Produce Error Reduction）的故障诊断知识获取系统。通过收集故障现象并整理成由故障征兆、故障类型等组成的故障信息样本,应用RIPPER算法对故障进行分析得到故障诊断规则集文件,实现故障诊断系统知识的获取和自动更新,并能对旋转机械的常见故障进行诊断,验证了算法的合理性。     

基于知识点与错误率关联的个性化智能组卷模型

大数据环境下的个性化学习模型研究是大规模网络学习环境下的研究热点,本文针对传统的智能组卷策略存在数据训练不足、个性化特点不突出、题库试题知识点分布不均匀等问题,将大数据运用于组卷之中,提出了基于知识点权重与错误率关联的个性化训练模型,优化了抽题的法则并使得个性化特点更精确,在一定程度上有利于学生对薄弱点和盲点的深入理解与消化.本文采用将每章节题目的知识点转化为树形进行管理的方法,并在知识点树中加入知识点错误率元素,来优化基于知识点的抽题结果,研究出适合个人学习情况的个性化模拟练习策略.最后将此新研究模型应用于教学教育系统进行实验研究,研究表明对此关键点的改进更有利于普遍提升学生的整体成绩.     

改进的基于知识点均衡的智能组卷方案

针对当前在线考试基于知识点智能组卷的需求,分析了现有的基于知识点组卷方案存在的问题与不足,提出了一种改进的基于知识点均衡的智能组卷方案。首先介绍了知识树的建构方法,然后对试题库结构进行了研究与设计,进而具体论述了知识点均衡策略,最后对算法的实现作了整体阐述。     

知识定义及转化研究

通过分析已有知识定义和分类,找出知识定义的共性和当前定义存在的不足,以集合形式对知识进行重新定义;剖析知识与数据、信息和智慧之间的关系,给出知识的传播模式,总结基于K-Set定义的知识特性;以K-Set视角对SECI模型进行解读,剖析其作为知识创造模型存在的缺陷。     

Semantic weldability prediction with RSW quality dataset and knowledge construction

This paper presents a semantic Resistance Spot Welding (RSW) weldability prediction framework. The framework constructs a shareable weldability knowledge database based on the regression rules from inconsistent RSW quality datasets. This research aims to effectively predict the weldability of RSW process for existing or new weldment design. A real welding test dataset collected from an automotive OEM is used to extract decision rules using a decision tree algorithm, Classification and Regression Trees (CART). The extracted decision rules are converted systematically into SWRL rules for capturing the semantics and to increase the shareability of the constructed knowledge. The experiments show that the RSW ontology, along with SWRL rules that contains weldability rules constructed from the datasets, successfully predicts the weldability (nugget width) values for RSW cases. The predicted nugget width values are found to be in-close proximity of the actual values. This paper shows that semantic prediction framework construes an intelligent way for constructing accurate and transparent predictive models for RSW weldability verification.     

An integrated system for knowledge sharing among heterogeneous knowledge derivation systems

Solving problems in a complex application domain often requires a seamles integration of some existing knowledge derivation systems which have been independently developed for solving subproblems using different inferencing schemes. This paper presents the design and implementation of an Integrated Knowledge Derivation System (IKDS) which allows the user to query against a global database containing data derivable by the rules and constraints of a number of cooperative heterogeneous systems. The global knowledge representation scheme, the global knowledge manipulation language and the global knowledge processing mechanism of IKDS are described in detail. For global knowledge representation, the dynamic aspects of knowledge such as derivational relationships and restrictive dependencies among data items are modeled by a Function Graph to uniformly represent the capabilities (or knowledge) of the rule-based systems, while the usual static aspects such as data items and their structural interrelationships are modeled by an object-oriented model. For knowledge manipulation, three types of high-level, exploratory queries are introduced to allow the user to query the global knowledge base. For deriving the best global answers for queries, the global knowledge processing mechanism allows the rules and constraints in different component systems to be indiscriminately exploited despite the incompatibilities in their inferencing mechanisms and interpretation schemes. Several key algorithms required for the knowledge processing mechanism are described in this paper. The main advantage of this integration approach is that rules and constraints can in effect be shared among heterogeneous rule-based systems so that they can freely exchange their data and operate as parts of a single system. IKDS achieves the integration at the rule level instead of at the system level. It has been implemented in C running in a network of heterogenous component systems which contain three independently developed expert systems with different rule formats and inferencing mechanisms.Database Systems Research and Development Center, Department of Computer Information Sciences, Department of Electrical Engineering, University of Florida     

An MDA approach to knowledge engineering

This paper proposes an MDA approach to knowledge engineering, centered on the CommonKADS knowledge model. The latter corresponds to the CIM level of MDA whereas PRR, which represents production rules and rulesets, corresponds to the PIM level. The paper explores the mapping between CommonKADS knowledge models and production rules and rulesets based on PRR. Mapping CommonKADS knowledge models into PRR is very useful, due to the fact that the CIM level remains relatively unexplored, despite its key role in MDA. This motivates our choice to focus on the CIM and PIM levels. Furthermore, the mapping between PIM and PSM (i.e. the implementation of production rules in specific rule-based systems) constitutes less of an issue. To map CommonKADS knowledge models into PRR production rules and rulesets, we propose and illustrate a set of transformations. To ease these transformations, we start by grouping elements of the CommonKADS knowledge models into so-called “inference groups”. We propose and illustrate an algorithm that defines these inference groups automatically. The definition of transformations between models (CIM to PIM levels) requires a specific metamodel for CommonKADS as well as a dedicated metamodel for PRR. Unlike PRR, there is no published CommonKADS metamodel. This paper proposes a comprehensive CommonKADS knowledge metamodel. We describe and discuss an example, applying the whole approach.     

基于专家知识和决策树的设备状态诊断方法

实践了基于专家知识和决策树的设备状态诊断方法。利用专家知识,一方面对样本数据属性进行裁剪,另一方面对正常运行中不易发生的边缘样本点进行人工构造,从而形成一个较完整的样本数据集;利用决策树算法进行规则提取,基于该树形规则,可实现快速状态诊断。     

A framework of knowledge versioning management

Abstract: Knowledge is an inherently dynamic entity continuously changing and evolving. In many cases, the coexistence of different versions of the same core knowledge is a necessity. So is the availability of the proper environment and tools to deal with knowledge versioning. In this paper, a framework of knowledge versioning management is proposed and implemented dealing with hybrid knowledge representation models using frames and rules. This framework facilitates knowledge version handling and maintenance, improving, in parallel, knowledge sharing and reuse. Knowledge components are stored in a set of tables and handled as data under the auspices of a database management system. The proper structure of tables and their relationships allows the creation of independent knowledge modules. Several knowledge modules can be assembled to construct higher level modules, which finally form versions of knowledge. Corresponding knowledge base versions consist of several knowledge modules easy to handle and process in various application areas. The proposed framework has been implemented and thoroughly examined in an application area of great importance, such as pest management.