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。

基于知识图谱的网络攻击预测方法研究及应用

针对网络攻击知识图谱,同时引入了时序信息,提出一种基于知识图谱的网络攻击预测方案,并对其进行应用。通过对网络攻击知识图谱进行规则学习和应用,能够有效地得到网络攻击事件预测结果,为网络安全运维人员提供决策支持。以企业提供的网络安全运维知识图谱为例,将文中研究的方法应用到企业安全检测系统,结果证明该方法具有充分的准确性和可行性,同时为后续研究提供了思路。

基于关系记忆与路径信息的多跳知识图谱问答算法

针对自然语言处理领域中不完整知识图谱导致实体关联膨胀,进而需进行额外推理和推断使答案的推导过程变得更复杂的问题,提出一种结合关系记忆与路径信息的知识图谱问答算法RMP-KGQA.该算法利用关系记忆网络解决问题与知识图谱映射空间不一致的问题,利用其路径信息丰富评分函数,显著提高了智能问答检索系统的准确性和鲁棒性.实验结果表明,在基准数据集WebQSP和WebQSP-50上,RMP-KGQA的准确率分别比EmbedKGQA提升了2.8,2.4个百分点.消融实验进一步验证了关系记忆感知和路径信息在模型中的关键作用.因此,RMP-KGQA是一种解决复杂环境下多跳知识图谱问答问题的有效方法.

时序知识图谱补全研究综述

目前时序知识图谱广泛存在不完备性等问题,这种不完备性问题严重制约了时序知识图谱在下游任务中的应用及发展。时序知识图谱补全(temporal knowledge graph completion,TKGC)技术能够预测其中缺失的链接,以解决不完备性问题。时序知识图谱补全通过考虑事实的时间维度,以期在捕捉时间信息的基础上获取实体及关系随时间推移发生的变化,这样有助于更准确地完成时序知识图谱补全任务。根据时间信息应用策略的不同对TKGC的最新研究进展进行综述。详尽阐述了TKGC的研究背景,包括问题定义、关键的基准数据集。基于所提出的分类方法介绍了现有的TKGC方法,总结了TKGC在下游任务中的应用。最后提出当前面临的挑战,同时展望未来可能的研究方向。

球面坐标下基于语义分层的知识图谱补全方法

大多现有知识图谱补全方法普遍忽略了实体间客观存在的语义层次差异,为解决该问题,提出一种在球面坐标系下基于语义分层信息的知识图谱补全(knowledge graph completion on semantic hierarchy in spherical coordinates, SpHKC)模型。该方法将实体映射到球面坐标,位于不同球面的实体处于不同语义层级,球的半径越大,该球面上的实体所位于的语义层级越低。而关系则被建模为一个球面的实体向另一实体(位于相同球面或不同球面)的移动,包含旋转与定位操作,以处理实体语义层级异同的两种情况。球面坐标的极角和方位角也给予实体更丰富的表达形式。实验表明,SpHKC与当前主流方法在FB15k-237和WN18RR数据集上的效果基本持平,并且它在YAGO3-10数据集的平均倒数排名(mean reciprocal ranking, MRR)、Hits@10等重要指标上比相关研究的最新算法稳定提升约1%,证明了语义分层信息的有效性。

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。

融合选择注意力的小样本知识图谱补全模型

在面对实体对关系复杂或目标邻域稀疏等情况时,现有的小样本知识图谱补全模型普遍存在关系表示学习能力不足以及忽略实体对相对位置和交互作用的问题。基于此,提出一种基于选择注意力机制和交互感知的小样本知识图谱补全模型(SAIA)。首先,通过在聚合邻域信息过程中引入选择注意机制,帮助邻域编码器聚焦更重要的邻居以减少噪声邻居的不良影响;其次,在关系表示学习阶段,利用背景知识图谱中与任务关系相关的信息学习更加准确的关系表示;最后,为了挖掘知识图谱实体之间的交互信息和位置信息,设计了一个实体对公共交互率指标(CIR)来衡量实体对三阶路径内的关联程度,然后结合实体语义信息共同预测新的事实。实验结果表明该方法优于目前最先进的小样本知识图谱补全模型。与基准模型最优的结果相比,SAIA在NELL-one和Wiki-one数据集上的5-shot链接预测中,平均倒数排名(MRR)、Hits@10、Hits@5以及Hits@1等性能评价指标分别提高了0.038、0.011、0.028和0.052以及0.034、0.037、0.029和0.027,验证了所提模型的有效性和可行性。

知识图谱约束深度网络的高分辨率遥感影像场景分类

得益于深度网络理论与方法的快速发展,深度网络逐渐成为遥感影像场景分类任务的主流技术。然而,现有基于深度网络的遥感影像场景分类方法高度依赖大量人工标记的训练样本,且无法有效融合利用遥感领域丰富的先验知识。为了提升领域知识利用率同时降低标记样本依赖,本文提出了一种知识图谱引导深度网络学习的高分辨率遥感影像场景分类方法。首先,构建了一个包括领域内多种来源知识的土地覆盖概念知识图谱来更灵活便捷地应用领域先验知识。然后,通过知识图谱表示学习方法将土地覆盖概念知识图谱中的遥感场景语义类别表达为语义向量,形成遥感场景类别语义基准。在知识引导学习阶段,通过施加场景类别语义向量与深度网络浅层视觉特征向量的跨模态对齐约束引导深度网络的浅层部分更有效地学习不同类别遥感影像场景的共享特征,在深度网络深层部分则仍然通过场景类别标签引导学习不同遥感场景的判别特征。在测试阶段,完成优化的深度网络模型可以在不依赖任何先验知识的情况下完成高精度遥感影像场景分类。在目前公开的最大的遥感影像场景分类数据集上的试验结果表明,本文提出的知识引导学习方法相比现有方法在10%、30%、50%等不同训练样本比率下均可以获得最佳分类性能。在10%这一比率条件下,本文提出的知识引导学习方法相比基线深度网络在总体精度指标(OA)上能够得到5.11%的提升。

基于时序知识推理的时序知识图谱补全方法

基于知识推理的知识图谱补全技术研究在静态图谱上已经获得了较为明显的效果,但其在处理与时间相关的事件上仍存在着不足,而基于时序推理的知识图谱补全方法更加贴合真实事件,有较高的研究价值。然而,现有的时序知识图谱补全技术在处理节点信息和全局信息上存在局限性问题。因此,提出了一种基于注意力聚合邻居信息并使用双向LSTM处理时间信息的改进方法。首先,通过推理预测的方式补全时序知识图谱中缺失的信息,并在推理过程中生成推理路径图来解决由神经网络所带来的不可解释性问题;然后,使用4种不同时间跨度的公开数据集进行了实验并与主流方法进行了比较。实验结果表明:所提方法在R mr、h@1和h@10这3个指标上是优于现有方法的。

MKD和KG:两种知识图谱观的融合

[目的/意义]知识图谱是一个跨学科的研究领域。本文旨在深入分析和比较科学知识图谱(MKD)和通用知识图谱(KG)两种知识图谱观,并探讨它们之间的融合的可能性。通过比较分析,旨在梳理两种知识图谱观的特点,探索它们之间的差异和融合,为相关研究提供参考。[方法/过程]本文通过大量的文献调研,首先从知识图谱的定义、两种知识图谱的发展脉络和研究主题进行了比较分析,然后以知识图谱的构建流程为基础,从数据来源、知识抽取、知识表示、知识存储、知识推理、知识可视化和知识应用等环节探讨了两种知识图谱观融合的可能性。[结果/结论]两种知识图谱观在定义、发展脉络和研究主题方面存在差异,但它们在数据来源、知识抽取、知识表示等环节可以实现优势互补,并发挥各自优势,从而构建更丰富、更实用的知识图谱。本文的创新之处在于从不角度对两种知识图谱观进行比较分析。不足之处是研究结论的准确性和全面性依赖于综述性论文的质量;对两种知识图谱观融合的探讨比较宏观和笼统,缺乏具体的融合路径和方案。

多源知识图谱事件知识融合方法研究

以事件为中心的动态知识对事件预测等应用至关重要,但现有知识图谱主要关注以实体为中心的静态知识,难以满足需求。本文提出一种融合多源知识的高质量事件知识图谱构造方法,首先定义全局事件模式,利用标签类别从源知识图谱中提取事件知识并构造临时事件知识图,提出关系扩充规则对临时事件知识图进行扩充,改进实体对齐Attce模型,基于TransD模型对多个临时事件知识图进行联合嵌入学习,以提高实体对齐和冲突发现的效率;利用事件描述完整度计算源知识图谱可信度,发生冲突时作为判别标准进行处理。经过在真实数据集上的实验,验证了该方法的准确性和有效性。

基于安全知识图谱与逆向特征的弱点信息补全

开源网络安全知识库已经成为弱点安全加固措施的有效来源,但是受异构信息协同难、历史信息维护难等因素影响,导致开源网络安全知识库弱点信息缺失。针对现有弱点信息补全方法对弱点信息不同邻域特征学习不充分的问题,提出一种基于安全知识图谱和逆向特征的弱点信息补全方法 VulKGC-RN。为捕获不同邻域信息,构建关联CVE、CWE、CAPEC和ATT&CK 4类开源网络安全知识库的弱点安全知识图谱,并分析弱点安全知识图谱中安全实体的网络结构,采用逆向知识图谱捕获逆向邻域信息。为学习不同邻域特征,采用图注意力机制,并融合图注意力网络所学习安全实体的正向邻域和逆向邻域的角色特征,以实现弱点安全知识图谱的信息补全。在由5种7 199个安全实体和15种11 817条关联关系组成的开源网络安全数据集上进行实验,结果表明,VulKGC-RN的平均排名达到179,平均倒数排名达到0.671 4,优于基线方法。

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。

多模态知识图谱表示学习综述

在综合对比传统知识图谱表示学习模型优缺点以及适用任务后,发现传统的单一模态知识图谱无法很好地表示知识。因此,如何利用文本、图片、视频、音频等多模态数据进行知识图谱表示学习成为一个重要的研究方向。同时,详细分析了常用的多模态知识图谱数据集,为相关研究人员提供数据支持。在此基础上,进一步讨论了文本、图片、视频、音频等多模态融合下的知识图谱表示学习模型,并对其中各种模型进行了总结和比较。最后,总结了多模态知识图谱表示学习如何改善经典应用,包括知识图谱补全、问答系统、多模态生成和推荐系统在实际应用中的效果,并对未来的研究工作进行了展望。

基于知识图谱的城市洪涝灾害链推演及时空特性解析

城市洪涝灾害具有链式传播特性,解析城市洪涝灾害链的传递规律和时空演变特征对于阻断灾害链具有重要意义。本研究以郑州“7·20”特大暴雨洪涝灾害中地铁5号线被淹和京广快速路隧道被淹2个事件为案例,构建知识图谱揭示灾害链传递规律。通过复盘灾害链的演变过程,从中识别灾害链中的诱发点、引爆点、扩散点以及放大点,并着重分析致灾机理以及灾害链的时空特性,以灾害曲线形式直观展示不同灾害链的影响程度。郑州“7·20”洪涝灾害典型案例解析表明,两事件存在多个灾害链阻断时机,在救灾过程中应综合考虑灾前、灾中因素的影响,果断采取断链措施,并且要充分发挥应急措施的时效性,及时阻断引爆点和扩散点,降低洪涝灾害损失。该方法能够应用于链式灾害的复盘,指导分析具体事件的致灾机理和救灾切入点。

知识图谱补全方法研究综述

知识图谱是用来描述世界中存在的各种实体和概念以及他们之间的关系的一种语义网络,近年来被广泛应用于智能问答、智能推荐和信息检索等领域。目前,大多数知识图谱都具有不完整性,因此,知识图谱补全成为一项重要的任务。根据模型构造方法的不同,将知识图谱补全模型分为传统知识图谱补全模型、基于神经网络的知识图谱补全模型和基于元学习的知识图谱补全模型三类,对这三种知识图谱补全模型的分类情况进行介绍;总结知识图谱补全方法所使用的数据集和评价指标,并从各个模型优点和不足等方面对各类模型进行详细的对比分析。最后,对知识图谱补全进行归纳与总结,并展望未来的研究方向。

E-TUP:融合E-CP与TUP的联合知识图谱学习推荐方法

目前,大部分将知识图谱引入推荐系统的方法只是将已知的表层知识图谱实体进行引入,没有对图谱的内在关系进行预测和挖掘,因此无法利用知识图谱中的隐藏关系。针对上述问题,提出联合学习推荐模型E-TUP(enhance towards understanding of user preference),使用E-CP(enhance canonical polyadic)进行知识图谱补全并将完整信息进行传递。利用储存空间负采样方法,将优质负例三元组进行存储,并随训练过程进行更新,以提高知识图谱补全中负例三元组的质量。链接预测实验结果显示,储存空间方法使E-TUP模型链接预测准确率对比现有模型最高提升10.3%。在MovieLens-1m和DBbook2014数据集上进行推荐实验,在多个评价指标上取得最佳结果,对比现有模型实现最高5.5%的提升,表明E-TUP可以有效利用知识图谱中的隐藏关系提高模型推荐准确率。基于汽车维修数据进行推荐实验,结果表明E-TUP可以有效推荐相关知识。

基于大语言模型的水工程调度知识图谱的构建与应用

随着水利事业的发展和信息化需求的增加,处理和表示海量水利数据变得复杂而繁琐。特别是调度文本数据通常以自然语言的形式存在,缺乏明确的结构和规范,并且处理和应用这些多样性的数据需要具备广泛的领域知识和专业背景。为此,提出了基于大语言模型的水工程调度知识图谱的构建方法。通过数据层的调度规则数据收集与预处理,再利用大语言模型挖掘和抽取数据中蕴藏的知识,完成概念层本体构建和实例层“三步法”提示策略抽取。在数据层、概念层、实例层的相互作用下,实现了规则文本的高性能抽取,完成了数据集和知识图谱的构建。实验结果表明,大语言模型抽取方法F1值达到85.5%,且通过消融实验验证了模型各模块的有效性和合理性。构建的水工程调度知识图谱整合了分散的水利规则信息,有效处理非结构化文本数据,并提供可视化查询和功能追溯功能。这有助于领域从业人员判断来水情况并选择适当的调度方案,为水利决策和智能推荐等提供了重要支持。

基于知识图谱多跳推理的中文矿物知识问答方法与系统

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

基于科学知识图谱的弹药毁伤评估技术发展现状与趋势研究

为厘清弹药毁伤评估技术演进规律,展望未来发展趋势,基于中国知网(CNKI)数据库,以1993-2022年收录的911篇毁伤评估技术文献为研究样本,运用CiteSpace软件绘制弹药毁伤评估技术研究发文机构、发文作者、研究现状以及研究热点知识图谱并进行可视化计量分析.研究发现,毁伤评估技术对充分发挥武器装备的战斗性能、作战水平、火力打击方案、合理配置作战资源有着重要的支撑保障作用,通过关键词词频、聚类、时间线以及突现分析,提出弹药毁伤评估技术应在协同毁伤、毁伤评估实时性、计算机技术与毁伤评估技术融合等方面进一步研究,将更好地完善弹药毁伤评估技术的理论与实践发展体系.