基于知识标注平台的水利枢纽工程知识图谱构建及应用

大量水利异构数据的产生,为领域知识图谱的构建及应用提供了场景,但也导致了水利知识图谱构建过程的差异。针对现有水利知识图谱构建流程复杂的问题,提出了一套有效的基于知识标注平台的水利知识图谱构建流程。以小浪底水利枢纽工程知识的智能应用为例,使用该枢纽的工程数据,应用提出的流程在水利领域构建水利枢纽工程知识图谱(Water Conservancy Hub Project Knowledge Graph,WCHP-KG)。首先以小浪底水利枢纽工程为中心,依据行业术语标准和现有词汇表,制定了概念分类和关系描述体系,形成了WCHP-KG的模式层。通过BiLSTM-CRF和序列标注模型,在水利专家的指导下,使用知识标注平台对非结构化文本进行了半自动标注和人工校对,实现了知识融合,进而构建了WCHP-KG的数据层。结果表明WCHP-KG涵盖了43种水利实体以及110种实体关系。经过实践验证,构建的WCHP-KG为小浪底水利枢纽工程的相关应用提供了有力的结构化知识基础,为工程决策和管理提供了可靠的参考依据,进而证明了所提构建流程的有效性。未来将进一步扩展WCHP-KG和完善水利知识图谱的构建流程,以适应更多的应用场景和领域需求。

煤矿领域知识图谱构建与推理方法研究综述

将煤矿领域来自不同数据源的知识进行抽取,形成知识网络,借助推理技术可辅助煤矿设备故障诊断、安全风险实时预警与处置、灾害事故原因分析、应急救援方案生成及生产组织和运营管理决策支持,从而推进智慧矿山建设。梳理了知识图谱尤其是煤矿领域知识图谱的研究现状,介绍了以知识为驱动的人工智能发展历程、基于知识图谱的人工智能系统架构、知识图谱的主要类型和代表性工作,剖析了煤矿领域已有知识图谱的知识建模情况、知识图谱构建方式、知识图谱使用方式和成熟度。从实体识别、关系抽取、知识图谱融合与纠错、知识图谱推理等方面,对煤矿领域知识图谱构建与推理技术面临的挑战进行了分析,指出针对上述挑战,需研究基于跨度的实体识别方法、基于多堆叠分类器的关系抽取方法、实体的嵌入表示方法、实体间关系的一致性约束建模方法;煤矿领域知识图谱推理技术的研究需以应用为驱动,与业务场景密切结合;煤矿领域存在大量图像、视频等多模态数据,未来可构建煤矿领域多模态知识图谱,还可融入时间信息构建煤矿领域时序知识图谱。

基于大模型的电子信息领域知识图谱自动构建与检索技术

当前电子信息领域积累的越来越多宝贵经验知识对知识使用技术提出了新的挑战。知识图谱(Knowledge Graph, KG)技术和大规模预训练语言模型(Large Language Model, LLM)技术在知识使用方面都各自存在缺陷,但两种技术的优缺点能够形成互补。因此,基于LLM技术,提出了应用于电子信息领域的知识图谱自动构建与检索增强问答技术。首先基于LLM的语义理解能力自动构建电子信息领域知识图谱,然后构建基于知识图谱和检索增强大模型的知识问答系统。在CoNLL2003数据集和构建的电子信息领域数据集上的实验证明了所方法具有较好质量,知识问答系统具有较好的实用效果。所提方法能够更好地满足从业人员从海量文档中提取相关知识,提高知识利用效率的迫切需求,为推动大模型结合知识图谱技术在电子信息垂直领域的落地应用提供参考。

基于词性和语序分析的法律知识图谱自动构建方法

文章挖掘法律文本中的实体和关系,构建法律知识图谱,为实现智能判案提供支持,完善法律知识图谱的构建方法。应用基于LexNLP的自然语言处理方法,分析法律文本,以句子为单位进行词性分析,标注出名词且为主语或宾语时作为实体,动词且为谓语时标注为关系。在这一基础上,将同一个句子中的实体和关系按照<实体1,关系,实体2>进行排列组合,生成不重复的知识三元组,以生成高质量的法律知识图谱。提出了一种基于词性和语序分析的法律知识图谱自动构建方法,并基于美国Caselaw Access Project项目所含的法律判例为原始数据,并对生成三元组进行质量评估,最后生成了关于法律的知识图谱。

产业污染管理知识图谱构建与应用:以江门市为例

随着工业化和城市化的快速发展,产业污染问题日益严峻,对环境和人类健康构成了严重威胁。产业污染数据具有多源性和异构性,需要通过知识提取和融合技术,才能应用于产业污染治理和决策支持。本文提出利用知识图谱技术整合和建模产业污染领域的关键数据、实体和关系,以实现产业污染知识的多维度展示,包括概念、属性和实例等。以中国广东省江门市产业污染为例,本文通过知识提取、本体构建和知识存储,对公司、污染物、产品等信息进行了综合处理,构建了一个较为全面的产业污染知识图谱。实验结果表明,本文提出的知识图谱构建方法不仅能够有效且直观地揭示污染场地数据之间潜在关联,而且能为决策者提供数据支持和决策参考,同时也为相关研究和应用领域提供了共享数据。

高职课程体系知识图谱构建及可视化研究

高职教育在中国的教育体系中占据着重要的地位。它注重培养实际操作能力,并与市场需求紧密结合,为学生提供就业和职业发展的机会。然而,随着社会的快速发展和知识的不断更新,高职课程体系需要进行不断调整和优化,以适应新形势下的教育需求。在这样的背景下,构建高职课程体系的知识图谱并进行可视化研究具有重要的意义。

我国生猪产业知识图谱构建研究

针对中国生猪产业链各环节关联性弱、产业数据碎片化、数据类型复杂多样等问题,文章研究设计了基于知识图谱的生猪产业总体架构。通过分析生猪垂直产业领域、本体设计、数据采集、基于语义角色标注与依存句法分析的知识抽取和词典匹配与相似度匹配相结合的知识融合、基于Neo4j数据库的知识存储六个步骤,构建了生猪产业知识图谱,实现了产业链上各孤立环节的应用关联,为产业知识智能检索与智能辅助决策系统构建提供数据基础,助力中国生猪产业数字化建设。

面向在线健康社区UGC的医疗健康知识图谱构建研究——以小儿腹泻病为例

构建面向在线健康社区用户生成内容(User Generated Content,UGC)数据的医疗健康知识图谱,探究基于用户潜在需求的健康知识抽取,对优化在线健康社区信息组织与检索,支撑在线健康社区知识服务创新具有重要意义。提出基于在线健康社区UGC数据的实体识别组合模型LDA-BERT-BiLSTM-CRF,首先利用LDA主题模型对在线健康社区UGC数据进行主题聚类分析从而提取实体类型,基于细分实体类型利用BERTBiLSTM-CRF模型进行命名实体识别;然后采用MC-BERT-CasRel模型抽取在线健康社区UGC数据中的重叠三元组,并通过SBERT模型实现实体对齐;最后利用Neo4j图数据库完成知识图谱的存储和可视化。以小儿腹泻病为例,基于所提方法最终构建包含939个实体和3224个关系的小儿腹泻病知识图谱。与目前主流模型进行对比实验,结果表明,所采用的组合模型LDA-BERT-BiLSTM-CRF与关系抽取模型MC-BERT-CasRel较传统方法知识抽取更准确,实体分类也更具针对性。

基于大模型的设备故障知识图谱自动构建方法

故障运维是当前工业生产领域的一个重要研究主题。基于故障知识图谱的故障预测、故障诊断、智能问答等研究都已经得到了较大的发展和应用,然而,高质量的故障知识图谱是这些方法开展的基础。考虑到传统的知识图谱构建技术需要对原始数据进行数据预处理、实体识别、关系抽取以及实体对齐,为了提高知识图谱构建效率,本文的工作聚焦于利用大语言模型(Large Language Model,LLM)对故障运维数据进行无监督知识抽取,设计并实现一种基于大模型的大型故障知识图谱的自动构建方法。该方法主要包含2个部分:1)2种面向故障知识图谱构建的zero-shot Prompt,这些Prompt能够引导大语言模型对故障知识图谱进行概念层的生成和元素层的知识抽取,以RDF语法进行表征和输出;2)一种基于大语言模型的知识图谱构建方法,该方法可以通过zero-shot Prompt引导大语言模型对故障运维数据进行知识抽取,并以迭代的形式完成大型故障知识图谱的构建。实验结果表明本文提出的方法具有一定的科学性和有效性。

网络安全知识图谱构建与应用研究综述

随着网络空间的迅速发展,网络安全威胁日益复杂和多样化,知识图谱为解决多源异构网络安全数据的提取、整合和分析提供了新的手段。近年来,知识图谱已逐步应用于威胁情报、漏洞管理、攻击路径分析等众多网络安全细分领域,展现出广阔的应用前景。此外,随着知识图谱应用的不断深入,其自身面临的诸多安全问题同样值得重视。全面概述网络安全知识图谱(Cybersecurity Knowledge Graph,CKG)的构建与应用,以及知识图谱当前面临的安全风险。首先介绍了CKG的构建,包括网络安全本体和网络安全信息提取的相关工作;其次梳理了基于威胁情报的CKG、CKG补全以及CKG具体应用的相关工作;随后探讨了知识图谱当前面临的安全风险,涉及针对知识图谱的攻击与防御、知识图谱中的隐私保护等相关工作;最后讨论了当前面向网络空间安全领域的知识图谱研究中存在的挑战以及未来的工作方向。通过对CKG的构建与应用以及知识图谱风险与防护的全面介绍和深入分析,可以更好地促进知识图谱在网络空间安全领域的应用。

知识图谱技术在预测与健康管理中的应用现状与研究展望

随着预测与健康管理(PHM)技术的不断发展以及设备智能化、信息化程度的不断提高,预测与健康管理的领域知识与日俱增。知识图谱技术因其强大的知识组织、管理、表示能力以及支持的数据/知识驱动相关方法,受到领域内学者广泛关注。面向预测与健康管理领域,对知识图谱的概念、关键技术、领域应用以及挑战与展望进行了综述。首先,介绍了领域知识图谱的定义和组成要素;其次,讨论了领域知识图谱的构建方法,简要归纳了领域内常用的构建方式和技术;然后,结合领域内知识特点,详细介绍了领域内知识图谱的应用情况;最后,分析了与领域融合的知识图谱研究中存在的挑战以及未来的发展方向。综述旨在帮助研究者加深对知识图谱及其在预测与健康管理领域应用的了解,以促进知识图谱在该领域应用中的进一步发展和创新。

基于多来源文本的中文医学知识图谱的构建

中文医学知识图谱(Chinese medical knowledge graph,CMeKG)是对专业医学知识的结构化描述,构建中文医学知识图谱是各类智慧医疗应用的迫切需要。通过收集多来源医疗文本,详细分析语料的结构特征,结合医学知识的语义特点,制定了医学命名实体和实体关系的标注体系和规范;并开发了标注工具,在医学专家的指导下,选取106种高发疾病进行人工标注,命名实体一致率达到了87.3%,实体关系一致率达到了82.9%。在人工标注的基础上,进行实体及关系自动抽取,构建出的中文医学知识图谱CMeKG1.0版共包括6310种疾病、19853种药物(西药、中成药、中草药)、1237种诊疗技术及设备,关联到的医学实体达20余万,概念关系实例及属性三元组达100余万。所构建的中文医学知识图谱为医疗问答系统和智能辅助诊疗等领域奠定了专业知识基础。

面向多源异构数据的航天器故障知识图谱构建方法

针对航天器故障知识来源广、形式多样、差异大和数量少的特点,以及航天器运行过程中遥测数据所蕴含故障知识难以被有效利用的缺陷,提出一种本体-实体双向约束的知识图谱构建方法,采用自顶向下与自底向上相结合的方式构建知识图谱,实现包含遥测数据在内的航天器多源异构故障知识的图谱融合.在本体层面,提出一种改进的IDEF5法构建故障知识本体.在实体层面,针对故障数据的来源以及结构化程度,提出了3种不同的知识抽取方法,分别从(半)结构化数据(FMEA分析表、专家规则)、非结构化数据(故障文本资料)以及遥测数据中提取知识,并将知识在实体层中融合.通过本体层与实体层的双向约束与协同优化,实现故障知识图谱的构建.以航天器控制力矩陀螺为例,采用上述方法构建了故障知识图谱,并可视化展示.以案例的形式验证了方法的可行性和有效性.

基于文献的中国近代史知识图谱构建与实证研究

历史文献资源的内容组织方式通常采用非结构化文本形式进行记录,缺点在于内容之间的系统性和语义性不足,在一定程度上阻碍历史文献资源的深层次利用和开发。因此本文提出中国近代史相关历史要素资源语义描述与知识组织的思路和方法,并基于这一思路构建中国近代史历史本体模型,在此基础上通过Flask框架开发前端平台,实现前端应用层服务,完成中国近代史知识图谱的实证研究。依托本体模型,通过对中国近代史知识图谱的实例构建,实现历史知识元之间的细粒度关联,完成知识图谱可视化展示和知识查询,方便学者和用户对相关资源的开发和利用,为进一步的深入研究提供参考。

音乐领域知识图谱构建框架研究

音乐领域知识图谱是多模态知识图谱的典型应用,其建设难度远大于文本知识图谱,目前尚处于探索发展阶段。本文在研究国外现有音乐知识图谱的基础上对音乐知识图谱的特征进行分析,再按照知识获取、知识融合、知识检索与推理、可视化展示4个环节对音乐知识图谱的构建框架进行设计,并对推进我国音乐知识图谱的构建提出建议。

知识图谱中实体关系抽取方法研究

实体关系抽取作为知识图谱构建的基础得到了越来越多研究人员的关注。实体关系抽取能够自动、准确地从大量数据中获取知识,并以结构化形式表示和存储。因此,实体关系抽取的正确性直接影响到知识图谱构建的准确性和后续知识图谱应用效果。然而,针对复杂结构、开放领域、多语言、多模态、小样本数据和实体关系联合抽取等不同研究热点,现存的实体关系抽取方法仍存在一些局限性。基于当前实体关系抽取研究热点领域将实体关系抽取分为复杂结构研究领域、开放领域、多语言研究领域、多模态研究领域、小样本数据研究领域和实体关系联合抽取六个方面,将每个方面按照具体问题进行分类并列举出一些解决方法。不仅系统梳理了每一个类别当前存在的问题和解决方法,还归纳了每个类别的研究成果,并从定量分析和定性分析两个维度,详细地分析了每个方法的优点和缺点。最后,总结了当前热点领域中待解决的问题,同时展望了知识图谱中实体关系抽取方法未来的发展趋势。

气象文献知识图谱构建

气象预报与预警的及时性和准确性,与人民生命财产安全息息相关。网上发表的气象资料是开放数据的重要部分,给基于数据的气象预报和预警带来了机遇与挑战。与数值气象数据相比,气象文本数据知识发现的研究非常有限。因此,本文利用知识图谱技术,构建了气象文献知识图谱,实现了气象知识图谱的智能应用,如路径分析、关联分析、可视化、统计分析。

电商领域多模态商品知识图谱构建研究

在电子商务蓬勃发展的背景下,电子商务平台的推荐系统面临着冷启动和数据稀疏性的问题。而构建多模态知识图谱可以为电子商务平台实际应用提供重要的支撑。为此,首先指出当前电子商务中推荐系统的难点和传统知识图谱模态缺失的情况,设计多模态知识图谱构建的总体框架,分析多模态数据来源;然后,论述电商领域多模态商品知识图谱构建过程中的核心技术;最后,举例说明多模态商品知识图谱在电子商务平台中的实际应用。结果表明,多模态商品知识图谱可为电子商务的发展提供支持,未来多模态商品知识图谱的发展需要以实际应用为导向和多领域融合为方法,推动多模态商品知识图谱的优化发展。

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。

航天控制软件知识图谱构建方法研究

近些年,知识图谱构建技术快速发展,但对于领域知识图谱构建的研究还处于起步阶段.知识图谱的构建主要包括自顶向下、自底向上两种方法.当前大多采用自顶向下的方法进行领域知识图谱的构造,首先构建本体,然后通过本体学习得到实体,再将实体加入到知识图谱中.但这种做法有一个缺点,本体学习的过程过分依赖人工,不支持构建专业性强、数据量大的领域知识图谱.针对这一缺点,本文提出一种自顶向下和自底向上法相结合的领域知识图谱构建方法.提出一种改进的骨架法来进行本体构建,保证构建本体的准确率和覆盖率;利用基于规则与半监督的知识抽取技术,提高知识图谱的构建速度;并以某航天控制软件为例,详细说明了领域知识图谱的整体构建流程.实验结果表明,该领域知识图谱的构建方法是可行的.