基于知识关联树的知识协同模型研究及应用

融合精准教育、多领域知识和多种应用技术的个性化教育是大数据时代的新型工程培养模式.面对这种知识协同的需求,本文应用知识图谱和知识挖掘技术相结合,构建一种基于知识关联树的知识服务体系;融合了"知识"、"资源"、"用户"和"服务"4个核心要素,构建知识结构与资源相互联系的关联树,同时将用户的学习需求映射成核心知识关联树,实...     

融合知识图谱与图片特征的推荐模型

目前知识图谱研究主要面向信息检索、自然语言理解等领域,在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息,该文对知识图谱进行多模态扩展,并提出一种融合知识图谱与图片特征的推荐模型(KG-I)。不同于其他基于知识图谱的推荐算法,该方法增加视觉嵌入、知识嵌入和结构嵌入去挖掘用户项目之间的隐式反馈信息。该模型利用深度游走模型(Deep Walk)捕获空间结构的方法和波纹网络模型(RippleNet)挖掘知识图谱的知识表达的思想,并且考虑图片对用户偏好的影响,有效地将信息进行融合,并在真实数据集上与其他模型实验比较,研究多种特征的影响,分析不同稀疏度数据下的表现。结果表明,融合知识图谱与图片特征的个性化推荐模型完全优于其他的对比算法并且有效缓解数据稀疏情况。     

《高级语言程序设计》课程知识图谱构建及其在教学实践中的应用

本文将知识图谱引入《高级语言程序设计》课程教学,介绍了专家和数据协同的知识图谱构建过程,综合应用网页爬虫、文本挖掘等技术,构建了《高级语言程序设计》课程知识图谱,并从教学内容和教学技术两个方面详述了知识图谱在教学实践中的应用。本文的研究为《高级语言程序设计》课程教学内容与教学方法的创新提供了一条有效的技术路径,有助于促进人工智能技术与教育的深度融合。     

基于用户行为及知识传播的图神经网络推荐系统

协同过滤算法存在数据稀疏和冷启动问题,当前的推荐方法普遍引入知识图谱来缓解协同过滤算法的缺陷,但这些方法大都专注于利用知识图谱来构建用户及物品的特征表示,忽略了对用户交互信息的有效利用。本文提出了一种基于用户行为和知识图谱的推荐方法,该方法由交互传播以及知识传播两部分组成。前者通过图神经网络,利用用户-物品交互图来构建用户物品的高阶交互特征;后者利用知识图谱中传播得到相关实体来补充对物品的描述。在两个基准数据集上的大量实验表明,相对于基线模型,本文提出的基于用户行为及知识传播的图神经网络推荐系统具有较好的推荐效果以及泛化能力。     

多源异构数据情景下的电力系统智能辅助决策建模

电力系统信息的准确检索对于指导电力系统的全生命周期管理具有重要作用。由于存在数据孤岛、答案搜索精度较低等问题,电力系统亟需采取新的策略来提高数据存储和提取效率。针对以上问题该文提出了一种面向多源异构数据情景下的电力系统,主要借助领域知识图谱构建技术以及相关知识问答方法,以智能辅助后续业务决策。首先合并现有多源异构电力系统相关数据,采用本体建模的方式对电力系统中的各项概念和公理进行约束定义。然后采用一种基于依存语义范式的无监督中文实体关系抽取模型对中文电力领域文本中的细粒度实体和关系进行三元组抽取以构建知识图谱,借助Neo4j图数据库辅助领域知识图谱的存储,并根据领域问题模板匹配的方式实现细粒度电力系统领域问答通过交互式问答原型系统验证文章所提方法的有效性。     

基于自然语言处理的医疗问答系统研究与实现

针对民生的医疗健康大数据,运用知识图谱构建医疗知识图谱,通过F₁值比较,在知识图谱构建的知识抽取阶段采用Bert模型自然语言处理算法,而关系抽取阶段采用基于注意机制的卷积神经网络(Att-RCNN),通过上述两种算法将建立好的知识图谱存储于图存储引擎Neo4j中;其次,为了系统能够识别用户的意图,通过F₁值比较,最终采用BERT-TextCNN算法模型处理用户意图识别和槽位匹配;最后,利用Django框架搭建后端,前端采用微信接口实现用户与该系统的交互。     

目标专业领域知识图谱构建与应用初探

知识图谱技术能够将海量大数据中的信息、数据以及关联关系汇聚为知识网络,实现用户智能化检索与意图分析推理。通过对知识图谱构建过程中本体构建,多源异构互联网数据的实体抽取、关系抽取、图谱更新与维护等关键技术进行研究,构建了军事目标专业领域知识图谱,并在可视化查询、智能问答、高价值关系推荐等方向进行了应用探索,有效提高了数据的使用效益,为军事情报分析和知识应用提供了一种有效的工具和方法。     

基于知识图谱的医疗问答系统研究

随着人工智能技术的不断发展,越来越多的自然语言处理技术应用到医疗行业。如何从海量医疗数据中提炼信息,并根据用户的问题给出针对性较强的回答,是推进医疗智能化的关键问题。文章研究利用BiLstm+CRF模型处理医疗领域问答相关数据,基于图数据库Neo4j构建一个医疗知识图谱,并在此基础上构建一个问答系统,实现医疗知识的自动问答服务。实验结果表明,该系统可以为用户提出的问题查找匹配准确答案并返回给用户。     

一种大数据智能化语义分析系统

本文基于scrapy构建分布式爬虫系统爬取今日头条、微博、微信公众号等新闻媒体文章以及相关评论,通过文本去重、文本过滤等数据清理手段,采用分词、关键词提取、文本摘要等自然语言处理算法挖掘文本价值,并以此为基础建立基于neo4j图数据库的知识图谱,通过知识图谱建立智能语义分析系统。     

基于知识图谱的智能电网多维数据关联挖掘方法

为提高智能电网多维数据关联挖掘方法的准确性,提出了基于知识图谱的智能电网多维数据关联挖掘方法。按照动态图谱的框架结构,抽取关键电网数据,再根据数据的清洗与转换原理,完成基于知识图谱的电网数据关联性预测。在此基础上,划分关联区间,根据知识图谱结构,建立多维关联规则,得到挖掘置信度的具体计算数值,完成智能电网多维数据关联挖掘方法的设计与应用。实验结果表明,在知识图谱作用下,电网数据关联规则挖掘准确度在低维度、中维度、高维度三种传输环境下,实验组的关联规则挖掘准确度在0.910以上,而对照组的关联规则挖掘精度均低于0.900,该文具有较高的准确性,更符合实际应用需求。     

基于文本挖掘的软件漏洞信息知识图谱构建方法

针对现阶段互联网软件中存在的漏洞问题,文章提出了基于文本挖掘的软件漏洞信息知识图谱构建方法。先确定软件漏洞信息知识图谱构建的基本架构,应用文本挖掘技术,完成软件漏洞信息的采集、预处理与特征提取,然后设计本体模型,完成软件漏洞信息的抽取与融合,最后设计存储机制,构建软件漏洞信息知识图谱。实验结果表明,文章所构建知识图谱的软件漏洞信息完整度均值为93.6%,构建所需时间均值为1.52 s,均优于对比方法,具有较好的应用价值。     

基于流调数据的患者关系知识图谱构建

随着新冠感染患者数量的增多,产生了大量与之相关的流调数据.以流调数据为基础,通过分析患者间的语义关联特征可以在个体层面表达疾病的传播过程,深入探讨患者染病的特征分布、患者之间的传播路径等问题.基于此,研究以患者为中心并兼顾语义关联特征,借助知识图谱技术完成对患者流调数据的建模.首先在解析流调数据的基础上定义患者语义关系,据此设计患者关系图谱的模式层.然后,通过识别患者、地点实体,抽取“患者-关系-患者”及“患者-居住-地点”三元组等任务完成数据层构建.最后,利用Neo4j图数据库实现患者关系图谱的可视化并加以分析.结果表明,通过对超级传播源分析和传播路径追溯等层面进行验证,患者关系图谱可以挖掘患者的内在关联、有效整合患者语义关系,表达疾病在患者间的传播过程.     

基于知识图谱的社交服务研究

知识图谱是知识的地图,可以展现知识的起源、发展以及现状,并用可视化方法描述知识之间的联系,是目前计算机领域研究的一个热点问题。知识图谱目前主要用于改善信息检索,自动问答以及文本理解的性能。文章设计了一个基于知识图谱的社交服务体系,拟将社交网络中具有相同兴趣和需求的人组织到一起,以实现需求和服务的有效对接。并讨论了知识图谱和使用者以及信息服务提供者之间的关系,以及如何构建基于知识图谱的社交生态。     

基于知识图谱的电网安全漏洞扩展攻击图研究

传统电网安全漏洞攻击图存在预测误差大、耗时长的问题,导致电网运行成本较高.为此,提出基于知识图谱的电网安全漏洞扩展攻击图研究方法.建立电网安全漏洞的挖掘关联规则与漏洞判断矩阵,获取出现安全漏洞概率最大的路径;追踪出现安全漏洞的异常数据来源;对电网安全漏洞处拓扑扫描与漏洞扫描,生成电网安全漏洞扩展攻击图.研究结果表明:在...     

基于电力领域知识图谱的智慧客服系统研究

针对现有知识图谱电力客服系统存在应用数据相对封闭、数据管理低效、图谱表示单一、规则表示困难及抽样本稀少等问题，设计了一个基于电力领域知识图谱的智慧客服系统。该系统由在线客服、信息解析、知识匹配、意图识别、业务处理及交互等模块组成，利用领域知识图谱技术构建电力客服领域知识库，运用结构化方式呈现电力客服中概念、实体、事件之间的关系，并融合自然语言技术和深度学习算法实现系统智能问答，最后通过系统测试验证系统的有效性，为智慧电力客服系统设计与实现提供参考。     

基于本体的邮轮设计知识图谱构建分析

文章针对邮轮设计知识多源异构性问题,提出一种基于本体的知识图谱自动构建技术。利用知识结构化模板,建立本体与图谱之间的映射机制,形成面向邮轮设计的垂直领域知识图谱自动构建方法,提高邮轮设计知识搜索效率和可视化水平。开发基于微服务架构的邮轮智能设计知识服务云平台,验证知识图谱的本体建模技术在邮轮设计知识检索中的可行性。     

融合知识图谱与注意力机制的产学合作推荐研究

针对产学合作数据稀疏导致推荐精准性和解释性不高问题,提出了一种基于融合知识图谱与领域感知注意力机制的产学合作推荐模IUCR-SKG,旨在为企业用户推荐合适的科研团队,促进产学合作效率。首先构建了产学合作知识图谱和合作关系图,然后合并异构图并使用RotatE技术优化嵌入表示,接着采用基于注意力机制的领域融合方法扩展用户实体,最后使用多层感知机循环叠加结构预测企业用户和科研团队发生合作的概率。以“人工智能AI”领域为例,所提出的模型性能相较于基准模型均有显著提升,且注意力机制将邻域信息融合,扩展了企业用户的合作关系,使得推荐效果相较其他注意力机制的嵌入算法效果也得到一定的改善。     

基于学科核心素养的多模态教学知识图谱构建研究

多模态教学知识图谱是促进智慧教育的主要手段之一。文章根据学科核心素养发展理念,通过梳理多模态知识图谱的研究现状,以高中“信息技术”课程为例,收集了图片、音频、视频等形式的关于高中信息技术课程的多模态教学资源,设计基于学科核心素养的多模态教学知识图谱构建框架,使用Neo4j图数据库构建了关于高中信息技术课程的多模态教学知识图谱模式。     

面向电力传输信息系统故障定位的知识图谱构建与应用

随着结构越加庞大复杂,电力传输信息系统的软硬件耦合关系变得复杂难以梳理,特别是作为其底层支撑的电力光通信专网,这使信息系统故障更易发生且定位难度也急剧攀升.针对此问题,将善于管理海量信息及揭示数据规律的知识图谱技术引入到电力传输信息系统,提出了 一种面向电力传输信息系统故障定位的知识图谱构建方法.在知识融合环节提出了基于自适应双阈值的实体对齐概念,给出了 自适应双阈值的计算方法.给出了基于实际运行数据所构建知识图谱的部分视图,并结合GNN(Graph Neural Network,图神经网络)与知识图谱应用于故障根因自动推理.结果表明,所构建知识图谱可直观形象展示告警和故障间关联关系,结合GNN后能以较高准确率实现电力传输信息系统故障定位.     

基于本体重构的工业知识图谱搭建方法

知识图谱因其所表示知识的精准性和特有的图结构而广泛应用于工业领域。工业知识图谱通常在领域本体库中以领域数据为导向获取本体子集，从而生成对应的数据模式。针对工业知识图谱搭建的问题，基于本体重构的方法自动化了将给定领域本体转换为数据模式的整个过程。首先，在已有本体重构算法中加入多模块匹配机制，以降低重构过程中的人力成本；其次，规范了在工业领域搭建知识图谱的整体逻辑框架；最后，使用工业领域真实数据，构建了认证机构领域的知识图谱框架，并与未使用该框架的其他构建方式进行对比，证明了所提出方法的可行性。