一种基于分层结构的设备故障领域本体实例关系抽取方法

优质的设备故障领域本体需要实例之间拥有准确的关系。传统的基于神经网络的实例关系抽取方法容易使意义相近的关系误分,且由于故障领域文本中实例间隔较远,使用该类方法抽取故障领域实例关系效果不佳。针对上述问题,基于分层结构提出了一种从非结构化文本中抽取设备故障领域实例关系的方法。第一层通过对实例对中实例类型的识别,进行初步关系抽取;第二层使用融合自注意力机制的BiLSTM模型对包含实例对的句子进行解析,进行精确分类;通过统计的方法完成实例关系抽取。实验结果表明,此方法与现有的基于神经网络的实例关系抽取方法相比,取得了较好的精确度与召回率,提高了故障本体实例关系抽取的效果(F1值)。

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部知识图谱集融合成医疗突发事件知识图谱,以支持事件信息可视化和应急响应方案推理;最后运用基于案例推理(CBR)和基于规则推理(RBR)的混合推理方法,对突发事件知识图谱中隐含关系进行挖掘,推理出符合实际救援需要的资源调配方案.结合实例,验证了该方法的可行性和有效性.

面向智慧旅游的文物领域本体构建及推理

现有文物旅游智能技术不能满足用户个性化需求,为此提出一种本体构建与规则推理的研究方法。通过构建一个面向智慧旅游的文物领域本体,对本体进行一致性检测推理,使构建的本体不存在矛盾;基于描述逻辑将本体知识库中的逻辑概念关系用语义网规则语言(semantic web rule language,SWRL)表示;将构建的本体和规则放入Pellet推理机中推理出新知识。结合实例验证了该方法的准确性,其能够满足用户潜在需求。