动态数据流驱动的再制造拆解工艺知识图谱构建方法

高效稳定的再制造拆解是实施规模化再制造的重要前提。然而,废旧零部件的内部结构、损伤特征等存在较大差异,需要对拆解工艺进行频繁调整,从而造成再制造拆解效率低、质量稳定性差,严重制约了再制造规模化效益。为此,提出一种从动态数据流中提取个性化拆解工艺知识的知识图谱构建方法,利用知识的高效更新与重用提升再制造拆解效率与质量。首先,分析再制造拆解工艺数据的动态时序性特点,以拆解工位为数据分析节点,建立动态数据流模型。其次,基于工位数据对拆解工艺知识进行分类,构建包含拆解过程知识、资源知识和特征知识的本体模型,并利用命名实体识别模型(ALBERT-BiLSTM-CRF)和自然语言处理方法自动抽取拆解工艺知识。进而,提出一种动态数据流驱动的图谱更新机制,实现知识图谱对拆解工艺调整的快速响应。最后,以某型号废旧动力电池包拆解为例,验证所提方法的有效性。

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。

知识图谱在自适应学习系统中的研究进展

教育是人类社会发展的根本动力,自适应学习系统作为最具潜力的教学辅助系统越来越被大众接受。知识图谱作为自适应学习系统的核心技术,倍受众人关注。本文首先介绍了知识图谱在自适应学习系统中的各类应用,包括自适应学习系统中知识图谱的构建与维护、知识图谱应用于学习内容的选择以及学习者学习状态的评估等,然后详细阐述了当前应用于自适应学习系统的知识图谱还存在的准确性、可用性、安全性和可扩展性等问题,最后对知识图谱在自适应学习系统的应用进行了展望,以期能实现更好的自适应学习系统,形成更加强大的学习支持系统,推动教育的进步。

多图谱与联合标签融合策略相结合的主动脉CT图像分割

主动脉图像自动分割技术在主动脉疾病的早期诊断、风险评估及手术治疗中发挥重要作用。本文采用了基于多图谱的医学图像分割技术,并将之与联合标签融合(Joint label fusion,JLF)策略相结合应用于3D主动脉CT图像的自动分割问题中。联合标签融合策略考虑了各个图谱之间的相互关系,能够有效抑制图谱间冗余信息的干扰,进而提高标签融合精度。本文提出了一种图谱更新算法以应对图谱数量不足的问题,在提高分割精度的同时,保持了较低的计算复杂度。在15例主动脉CT图像数据上的分割结果表明,本文方法能有效地对3D主动脉图像进行分割,与3种基于传统融合方式的图谱分割法相比,本文方法具有更高的分割精度。

知识图谱在电力设备缺陷文本查错中的应用问题与对策

在基于知识图谱技术的电力设备缺陷文本查错等方法的工程化应用过程中,发现存在词汇歧义等问题,同时知识图谱更新也缺乏应对措施。本文通过将歧义实体词与相邻词汇合并为新实体词加入电力本体字典实现实体消歧,并明确电力本体字典按词汇长度降序排列的规则。同时,提出了通过文本查错来筛选新知识的方法和通过文本路径查找来筛选退化知识的方法,并在知识图谱更新后通过文本查错校验知识的完整性。实验结果表明,消歧方法提高了知识图谱的准确性,知识图谱更新方法能够妥善地将新知识融入知识图谱,切实提高了缺陷文本知识图谱的应用效果。