基于多层次语义约束的煤矿灾害事件本体模型构建

煤矿生产信息化、智能化是我国煤矿发展的必然趋势,矿山安全流程的智能化管理是亟待解决的关键问题之一。为了从煤矿安全相关的基础信息、地质资料、事故类型等海量信息中快速获取所需特定信息,针对煤矿安全应急数据多源、异构、时空性、相关性等特征,引入事件本体模型。将突发性煤矿灾害事件作为研究单元,以相关事件类的层次(逻辑)结构为主线,研究煤矿灾害事件本体信息、类型、属性及其之间的关联关系;结合地质灾害概念,按照灾类、灾型和灾种三级划分,分析煤矿生产安全事故特征,确定了煤矿灾害事件属性,从而完成煤矿灾害事件本体构建;定义了煤矿灾害事件本体的逻辑结构,形成煤矿灾害事件语义层次的形式化表达,为后续矿山应急信息快速集成及发布提供理论借鉴。

遥感信息聚焦服务的多层次语义约束模型

针对遥感信息服务中用户需求语义的复杂性,数据维度语义的丰富性,传感器语义的多样性,遥感信息处理语义的错综复杂性和遥感信息传输语义的时变性,从用户语义约束、数据语义约束、处理服务功能语义约束和处理服务质量语义约束等4个不同层次,建立多层次语义约束模型。

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。

多关系下图自注意机制增强的知识表示学习

知识图谱为表示多关系型数据的异构图。已有知识表示学习方法通过增加实体和关系嵌入之间的交互提高知识三元组表达能力,但无法使其蕴含多层次语义,即特定关系下实体具有的多重关联属性。图神经网络利用结构信息为实体的邻居节点分配权重,但无法对实体和邻居之间的复杂交互进行更精准的消息传递。为此,提出了基于自注意机制的知识表示学习模型(CompESAT),为聚合了邻居信息的复合实体引入自注意机制,依据不同邻居贡献度的变化动态更新实体表示。该模型编码器定义了多个图注意机制层来处理复合实体的多重局部特征,自适应地学习复合实体嵌入。解码器补充解码三元组的全局特征。链接预测任务中该模型在FB15k-237数据集上各项评价指标均有提升,MRR和Hit@10分别提升了0.042和0.045;在WN18RR数据集上,Hit@10提升了0.069。

题目与文艺作品──尤·邦达列夫《热的雪》的一个特点

尤·邦达列夫的小说《热的雪》的题目是矛盾语，作者正是通过作品中富有表现力的语义对立的形式体现其美学潜力的。从视觉上看，白色、红色和黑色三个形象语义场的竞争展示了该书的基调；从触觉上看，热的、冷的，又与色彩的象征性紧密联系，有助于题目《热的雪》这一矛盾语的形象展示，在小说中造成强烈的对比艺术效果。

A novel algorithm for establishing taxonomic relation of Chinese ontology

Both a general domain-independent bottom-up multi-level model and an algorithm for establishing the taxonomic relation of Chinese ontology are proposed.The model consists of extracting domain vocabularies and establishing taxonomic relation,with the consideration of characteristics unique to Chinese natural language.By establishing the semantic forests of domain vocabularies and then using the existing semantic dictionary or machine-readable dictionary(MRD),the proposed algorithm can integrate these semantic forests together to establish the taxonomic relation.Experimental results show that the proposed algorithm is feasible and effective in establishing the integrated taxonomic relation among domain vocabularies and concepts.