基于轨迹语义的船舶活动知识图谱构建

随着全球经济一体化的深入推进,海上交通拥堵和船舶事故频发。为了对海上船舶活动进行监管和分析,传统的方法主要利用船舶定位数据进行数据挖掘,未结合其他海上多源数据进行船舶时空活动过程和行为模式分析,缺少深层次的知识挖掘。为此,本文综合利用多源数据,在提取轨迹的语义信息基础上,构建船舶活动知识图谱,为低知识密度的轨迹时空点序列向高阶语义知识转化提供一种有效途径。具体地,首先通过解析船舶活动的特征和组成要素,基于“过程-事件-行为”的核心思想,设计船舶活动知识图谱本体层;然后利用Stop/Move模型提取轨迹语义信息,利用DMCNN模型抽取船舶突发事件,完成实例层填充;最后通过构建原型系统,对上述模型和方法进行验证。结果表明,本文所构建的船舶活动知识图谱,可以支持对船舶常规活动和突发事件进行知识表示,并可以实现时空活动查询和回溯,进而达到语义增强效果,具有一定的应用价值。

COVID-19病例活动知识图谱构建——以郑州市为例

目前,随着全球新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)病例数量不断增加,疫情时空传播过程变得越来越复杂。传统的传播过程研究主要是在宏观上研究传染病的整体传播规律或趋势,不能在个体层面分析具体病例之间的传播关系,无法精准定位疫情传播路径,很难支持传染病的精准防控,亟需兼顾时空和语义特征研究传染病传播过程。首先在解析COVID-19病例数据基础上,利用知识图谱技术提出了构建适应多样化描述方式的COVID-19病例活动知识图谱;然后从传播事件角度设计了COVID-19病例活动知识图谱本体规则,完成了模式层的构建;并以流行病调查数据为基础,对病例数据进行解析、事件实体识别和数据存储,完成了数据层的构建;最后,通过图数据库和B/S端构建原型系统进行实验验证。结果表明,通过COVID-19病例活动知识图谱对传播过程推理、关键节点分析和活动轨迹回溯等层面进行验证,方法较为有效,且具有一定可行性。