基于MDR2023的元数据值域语义约束注册标准化模型研究

元数据注册(MetadataRegistry,MDR)是数据治理中元数据精确表达语义的必要前提。通过全面系统地分析国内外的MDR系统,发现国内外MDR更多关注基本数据元素,数据语义约束注册方面的研究缺乏。因此,首先基于ISO/IEC11179:2023(MDR2023)系列标准提出元数据语义约束外延分类模型,明确元数据语义约束范围,并选取其中的值域语义约束详细研究;其次,基于MDR2023标准提出元数据值域语义约束注册元模型,为元数据语义约束注册提供标准化且完整的注册算法流程,从而为元数据值域语义约束注册提供解决方案;最后,以石油领域著名的POSC标准为需求背景,对其中的值域语义约束进行注册,据此实现石油领域元数据值域语义约束的标准化,验证提出的元数据值域语义约束注册元模型的合理性和可行性。提出的元模型对于其他领域数据治理具有普适性。

基于本体和关联数据的知识集成模型研究

由于目前各领域集成模型还主要以数据集成、信息集成为主,但这些集成模型中缺乏对标准的融合等问题,而本体和关联数据技术不仅能从根本上解决“知识孤岛”现象,且基于该技术还能在模式层将语义进行链接,减少数据的冗余,为知识元提供集成化的知识模型。为此首先比对并分析了传统知识组织方法,然后依据本体、关联数据知识组织方法,提出并构建了标准驱动的知识集成模型。该模型通过复用领域主题词表和国际上相关的事实标准本体中的叙词表实现对领域知识本体的表示。最后通过关联数据技术将实体RDF(Resource Description Framework)序列化,并实现与外部知识库中的实体进行链接,发布成统一的、集成化的关联数据,为领域提供知识服务。为验证所提模型的可行性,以石油领域为背景,复用了石油主题词等标准词汇表并构建了标准化石油领域本体,再将石油领域知识与GeoNames和DBpedia百科知识库关联实现了集成,验证了所提模型的合理性与可用性,该标准化的集成模型同样适用于其他领域的知识集成。

融合上下文信息的图神经网络推荐模型研究

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用,从而可能降低推荐效果。为提高传统推荐算法的推荐效果,提出基于图神经网络的推荐模型。该模型基于图的高阶连通性理论,使用图神经网络挖掘用户-物品二部图中的隐含信息,并由一阶扩展到多阶,从而获取更精确的嵌入式表示和推荐效果;在更新过程中考虑上下文信息,有利于理解上下文间的交互关系。并将该模型在Yelp-OS、Yelp-NC和Amazon-book数据集上进行实验,实验结果表明,在HR(Hit Ratio)和NDCG(Normalized Discounted Cumulative Gain)指标上均优于相关对比算法,证明该算法可优化推荐效果,提升推荐质量。

MDR概念系统注册及本体表示标准化研究

随着大数据与人工智能在各个领域的深入应用,知识表示的标准化问题被提到了重要的日程。为实现知识表示的标准化,引入了现实世界、概念世界与计算机世界3个世界模型,明确阐述了将现实世界中的事物通过抽象,将其转化为概念世界中的概念系统模型,依据标准将其转化为计算机世界中的信息模型,从而实现知识表示。为了使概念系统模型表示规范化,重点研究了ISO/IEC 11179 MDR系列标准,剖析了其中的概念系统注册元模型规范,构建了MDR概念系统的七元组模型,同时还定义了概念间关系表示方法,为概念系统模型的表示奠定了基础。为了将注册在MDR中的概念系统模型转为计算机世界中的OWL本体表示模型,定义了将MDR概念系统向OWL本体映射的规则。最后,设计并开发了概念系统注册原型系统,验证了MDR概念系统和本体表示的可行性。研究成果为领域知识表示的标准化提供了方法论。

变流度聚合物驱提高采收率作用规律及应用效果

大庆油田二类油层相比一类油层具有渗透率低、非均质性强、砂体发育较差的特点,为了更大程度上发挥聚合物驱油技术在二类油层上的开发效果,基于聚合物驱油墙聚并理论和流度控制理论,提出了变流度聚合物体系的梯次降黏、恒压提速的注入方式,即采用先高黏低速调堵高渗层、后降黏提速启动中低渗层的段塞式注入方式。该方式与交替注入对比实验结果和矿场应用效果表明:变流度聚合物梯次降黏注入的驱替前缘压力梯度大,可聚并形成高饱和度油墙,大幅度降低含水率,明显增加高渗透层流动阻力,后续低黏段塞以提速注入的方式依次匹配进入中低渗透层,明显扩大了中低渗透层的波及体积,改善了高、中、低渗层流度差异,在降低注聚成本的基础上,进一步提高了聚合物驱在非均质油藏的采收率。在梯次注入基础上提出的变流度聚合物驱新设计思路,指出了变流度聚合物驱设计参数关键在驱替段塞的数量和聚合物体系同油层的匹配关系。