我国数字经济创新政策热点领域图谱分析与空间布局研究

文章运用文本编码、内容分析系统梳理了我国31个省市自治区数字经济创新政策的热点与布局,并运用共词网络分析、聚类分析等方法对政策文件的热点领域图谱与空间布局进行了研究。研究发现,在关键词图谱方面,构建现代化的产业体系、建设高质量的数据平台、实现传统产业的数字化转型是我国现阶段各省市自治区数字经济创新政策的重点;在空间聚类图谱方面,要充分利用东部沿海地区数字经济发达省份的优势,与西部数字经济发展水平相对落后的地区开展跨区域数字经济联动协同发展;在数字产业化方面,人工智能、大数据、区块链等产业是各个省市自治区数字经济发展的热点,量子通信、VR/AR、智能机器人、数字内容和智能感知等数字产业的关注度不足,只有部分省份进行了产业布局;在产业数字化方面,数字政府、数字基础设施、数字服务、数字医疗等是数字应用场景的布局焦点,对于数字环境、数字贸易、数字文化、数字乡村和数字金融等产业的数字化转型,只有少部分省份进行了布局且政策强度不足。通过空间布局研究发现,我国数字产业化和产业数字化的政策空间布局存在区域间不平衡不充分的现象,即东中西部的省市自治区之间存在数字经济发展的“政策鸿沟”,80%省份布局的数字产业和数字应用场景集中在20%的数字经济领域,提出了各省市自治区数字经济空间差异化布局和协同发展的政策建议。

基于领域图谱的实体链接技术研究

将文本中识别出来的实体链接到具体的实体信息上,从而实现从字符串到信息的跳转,对许多应用来说至关重要。业内有许多机器学习或深度学习算法来实现实体链接,然而使用机器学习或者深度学习的方法实现链接需要大量的领域数据语料以及标注数据,对于敏感领域比较难实现。文章提出基于领域图谱的实体链接技术,首先融合了字面相似度、文本相似度、同义词集、字符包含等多方面相似性度量特征,其次将文本中的上下文实体在图谱中的关联性纳入链接的候选特征,实现领域实体的高效链接,并有效地解决了特殊领域训练语料难的问题。实验结果表明,该技术相对于一些传统方法在准确率和F值上表现更优。

液氧液氢发动机领域知识图谱构建与应用

液氧液氢发动机作为航天领域的关键分系统,为有效开展其研制过程的智能化转型工作,针对液氧液氢发动机领域构建知识图谱,在储备领域知识的同时,提高科研生产人才的培养能力。针对液氧液氢发动机领域特点,对领域语料标注、领域知识识别、实体关系识别3个方面进行了研究,在此基础上进行了领域知识图谱的构建,并从领域知识搜索、知识推荐、探索式分析3个角度梳理了其业务应用模式。形成了液氧液氢发动机领域知识体系,并提出构建方法和应用模式。研究结果为航天领域智能化转型提供了参考。

教育领域知识图谱研究新趋向:学科教学图谱

人工智能时代背景下,构建面向不同层次教育的知识图谱是教育数字化转型需要优先开展的基础性工作。针对当前教育领域知识图谱研究关注视角单一、难以全面刻画教学系统内在逻辑的困境,文章采用理论分析方法,基于教与学过程中的逻辑转化提出了学科教学图谱的概念,解析了其深层内涵,建构了学科知识、学科学习活动、学生学科认知发展三视图融合的结构模型。文章阐释了学科教学图谱“冷启动—热启动”双阶段构建与演化过程,并给出了实践案例,以期为教育领域知识图谱创新发展和教育数字化转型提供支撑与参考。

基于场景化算力调度框架和领域知识图谱构建的智慧云媒资服务平台建设

吉林广播电视台基于场景化算力调度框架和领域知识图谱构建的智慧云媒资服务平台,采用云计算、微服务、大数据、AI智能等技术,实现台内传统的资料型媒资向智能化、生产化的运营型媒资转型。本文对项目建设思路、创新点及应用情况进行了介绍。

面向天域感知领域的知识图谱构建技术研究

天域感知是太空能力的基础和关键,各军事大国均竞相发展天域感知能力。随着太空目标的迅速增多和感知技术的快速进步,获取的天域感知数据呈指数级增长,实体关联关系高度复杂化。传统的知识获取和表述方式难以满足天域感知领域应用需求。知识图谱是基于图的知识网络库,具备强大的语义处理能力和开放组织能力。文中在天域感知领域引入知识图谱技术,研究自动化天域感知知识图谱技术架构和构建流程,提出基于本体和三元组模型的领域知识图谱建模技术以及基于RoBERTa-BiLSTM-CRF的领域知识抽取技术,为天域感知上层应用赋能赋慧。

基于 PMI领域知识图谱的完备性检查技术研究

针对产品MBD三维模型PMI标注形式不统一、标注易出错和人工检查难度大等问题,提出了一种基于PMI领域知识图谱的完备性检查技术。该技术采用自顶向下的方法构建了PMI领域知识图谱,利用SWRL规则构建了完备性检查的规则,从标注的冗余关系、标注的取代关系和标注的矛盾性3个方面进行检查,并结合Java Web技术实现了知识推理。最后以船用柴油机的机架为对象,验证了该方法的可行性。该技术极大地缩短了检查时间和降低了设计错误率,提高了工作人员的设计效率。

基于图表示学习的领域知识图谱推理技术研究

现有领域知识图谱推理模型多数是由基于百科类通用知识图谱的推理模型迁移而来,但是领域知识图谱的异构性并未得到妥善处理。同时,现有研究将关系预测与三元组分类视作2个独立的任务而忽视了两者之间的关联,且领域知识在领域模型的建立过程中也未得到充分的利用。针对上述问题,建立基于翻译距离的改进推理模型TransSep,为异构的实体类型分配不同的特征空间。提出一种联合训练的策略,使得关系预测与三元组分类2个任务互相指导对方的负采样过程,并交替地学习实体的嵌入特征,从而提升2个任务的训练效果。以医疗领域知识图谱为例,将领域知识通过元路径的思想引入TransSep模型中,增强模型的表达能力。在由复旦大学构建的精准医学知识图谱上进行实验,结果表明,相比TransE、DistMult、TriModel等模型,TransSep模型在关系预测任务中MR分数至少提高17.4%,三元组分类任务中的F1值提高至0.9286。

基于领域知识图谱的卫星故障辅助诊断与处置方法

本文重点针对传统故障诊断方法能力不足的缺点,开展基于领域知识图谱的卫星故障辅助诊断与处置方法研究,突破卫星故障领域知识图谱构建关键技术,关联固化卫星系统多维专家知识,构建卫星故障领域知识图谱,进而实现结合卫星故障知识信息的卫星故障推理分析和辅助诊断处置,提升复杂故障场景下的卫星故障诊断效率与处置能力。本文提出的方法为保障大气环境监测卫星的在轨长期稳定运行,提供了一种新的故障辅助诊断与处置措施。

一种面向生态环境领域的知识图谱构建方法

面向生态环境领域,提出了一种利用文献文本的领域知识图谱自动构建方法。首先利用机器学习技术抽取生态环境领域的关键词和关键关系;再结合统一建模语言系统构建生态环境领域知识图谱模式层,并以该模式层为指导建立生态环境领域语料库;然后采用深度学习方法从文本文献中自动抽取关键信息,通过来源指数和校验次数保证抽取知识的置信度;最终实现知识图谱的自动化构建与可视化展示。结果表明,利用2000万字规模的文献文本可得到含29490条知识三元组的知识图谱,利用Transformer模型抽取的总体精度为96.27%。

基于多源数据的密码攻防领域知识图谱构建

提高网络空间安全的密码攻防能力,需要形成可表示、可共享、可分析的领域知识模式和知识库。利用自顶向下的构建方法,并通过本体构建方法梳理密码攻防领域的核心概念和关系,可以生成密码攻防领域本体。在领域本体的基础上,通过收集并处理多种来源密码攻防领域的文档资料,利用基于深度学习的训练方法得到可维护、可重用、可共享和可分析的领域知识图谱,并进行存储和应用。

基于电力领域知识图谱的智慧客服系统研究

针对现有知识图谱电力客服系统存在应用数据相对封闭、数据管理低效、图谱表示单一、规则表示困难及抽样本稀少等问题,设计了一个基于电力领域知识图谱的智慧客服系统。该系统由在线客服、信息解析、知识匹配、意图识别、业务处理及交互等模块组成,利用领域知识图谱技术构建电力客服领域知识库,运用结构化方式呈现电力客服中概念、实体、事件之间的关系,并融合自然语言技术和深度学习算法实现系统智能问答,最后通过系统测试验证系统的有效性,为智慧电力客服系统设计与实现提供参考。

融合知识图谱的天气预报节目智能生成技术研究

本文利用人工智能、大数据、知识图谱等新兴技术,构建气象领域知识图谱,设计天气预报生成模板和算法,融合知识图谱实现文案自动生成;构建3D动画场景模型,进行不同场景搭建和录制,生成天气预报3D动画视频,在云平台上搭建天气预报自动生成与管理系统,完成天气预报节目的智能化生成。

领域知识图谱研究进展及其在水利领域的应用

首先总结现有领域知识图谱的研究现状。其次,介绍领域知识图谱的发展趋势。然后,梳理水利领域知识图谱的构建难点,提出包含知识表示、抽取、融合、推理和存储等关键模块的水利领域知识图谱研究框架,并简要概括上述各模块的研究内容。最后,指出领域知识图谱构建存在的表示形式单一、抽取样本稀少、多源知识冲突、规则表示困难和数据管理低效等问题,认为合理化表示、准确全面抽取、实时性融合、可解释推理和高性能存储是下一步水利知识图谱的研究方向。

基于BERT的遥感应用领域知识图谱自动构建技术

随着对地观测技术的快速发展,卫星遥感影像应用场景也日益丰富。然而,由于遥感数据应用门槛相对过高,专业知识储备要求相对严格,遥感应用领域知识缺乏系统化、结构化表示,严重制约了研究者和从业人员在特定行业中快速开发和应用遥感数据资源。文中将高质量的遥感应用领域学术论文和学术专著作为高质量知识库来源,使用引入损失函数Lenloss的BERT-BiLSTMCRF模型作为命名实体识别模型,抽取出卫星实体、传感器实体、分辨率实体、任务实体以及方法实体,进一步将同一篇学术论文摘要中不同实体之间的共现行为用于定义实体之间的关系,抽取出不同实体之间的关系。最后,利用图数据库Neo4j实现遥感应用领域知识图谱的存储管理。

基于EA-LDA算法的领域知识图谱潜在关系扩展

在知识互联的大数据环境下,初步构建的领域知识图谱可展示该领域知识的结构化信息,但实体之间隐含的潜在关系并未在图谱中得到充分表达。为解决领域知识图谱实体关系丰富和扩展问题,提出一种基于实体间关联规则分析与主题分析的关系发现方法。应用与领域实体相关的数据,通过实体间关联规则分析与实体相关数据集间主题分布相似度分析获取领域实体间潜在关系,将新发现的关系融合到初步构建的知识图谱中,实现领域知识图谱的潜在关系扩展。实验结果表明,该方法能够发现部门实体间的共性,挖掘出隐藏在领域实体间的关系,可有效地应用于领域实体间关系发现,丰富领域知识图谱。

领域知识图谱的基本概念与构建特点

知识图谱作为人工智能发展的基础性内核技术,逐渐成为计算语言学与自然语言处理研究的热点问题。对领域知识图谱的基本概念和构建特点进行系统梳理,对领域知识图谱的理论与实践研究具有一定价值。本文对领域知识图谱的基本概念、主要特点、发展历程、构建流程等内容进行了描写和分析。在梳理领域知识图谱取得的研究成果的基础上,总结了目前领域知识图谱构建的主要特点:数据来源和数据处理具有较强的领域特性,关系抽取是领域知识图谱构建的关键技术问题,领域知识图谱构建需要领域知识与构建技术的深度融合。

面向领域知识图谱的实体关系联合抽取

文本数据中的实体和关系抽取是领域知识图谱构建和更新的来源.针对金融科技领域中文本数据存在重叠关系、训练数据缺乏标注样本等问题,提出一种融合主动学习思想的实体关系联合抽取方法.首先,基于主动学习,以增量的方式筛选出富有信息量的样本作为训练数据;其次,采用面向主实体的标注策略将实体关系联合抽取问题转化为序列标注问题;最后,基于改进的BERT-BiGRU-CRF模型实现领域实体与关系的联合抽取,为知识图谱构建提供支撑技术,有助于金融从业者根据领域知识进行分析、投资、交易等操作,从而降低投资风险.针对金融领域文本数据进行实验测试,实验结果表明,本文所提出的方法有效,验证了该方法后续可用于金融知识图谱的构建.

基于属性图模型的领域知识图谱构建方法

随着大数据时代的到来,各个行业领域需要处理的数据之间的关系数量呈几何级数增长,亟需一种支持海量复杂数据关系表示能力的数据模型,即领域知识图谱。虽然领域知识图谱展现了巨大的潜力,但不难发现目前仍然缺乏成熟的构建技术和平台。如何快速构建出领域知识图谱是一个重要挑战。在对领域知识图谱进行系统的研究后,提出了一种基于属性图模型的领域知识图谱构建方法。该方法对于存储在多种原始业务数据库中的结构化、半结构化数据,通过约定图数据库的数据对接协议、多种图实体模式和关系模式配置方案等方式,完成对应的高质量完整的图谱模式构建;然后将原始数据库的实例数据经过抽取、转换后加载到属性图数据库HugeGraph中,完成领域知识图谱的构建。最终,通过对多个数据集进行实验,并使用Gremlin语句对知识图谱数据进行测试,验证了所提方法具有完整性和可靠性。

领域知识图谱研究综述

知识图谱由Google公司提出,作为增强其搜索功能的知识库,在近几年得到了迅速发展.随着知识图谱价值不断地被发掘,各类领域知识图谱也迅速建设起来.本文通过领域知识图谱和通用知识图谱的对比来清晰化领域知识图谱的定义,介绍了领域知识图谱的架构,并以医学知识图谱为例讲解了领域知识图谱的构建技术.最后,本文介绍了当前热门的领域知识图谱的发展状况和应用,对当前领域知识图谱状况进行了较为全面的总结.