An adaptive representation model for geoscience knowledge graphs considering complex spatiotemporal features and relationships

Geoscience knowledge graph(GKG)can organize various geoscience knowledge into a machine understandable and computable semantic network and is an effective way to organize geoscience knowledge and provide knowledge-related services.As a result,it has gained significant attention and become a frontier in geoscience.Geoscience knowledge is derived from many disciplines and has complex spatiotemporal features and relationships of multiple scales,granularities,and dimensions.Therefore,establishing a GKG representation model conforming to the characteristics of geoscience knowledge is the basis and premise for the construction and application of GKG.However,existing knowledge graph representation models leverage fixed tuples that are limited in fully representing complex spatiotemporal features and relationships.To address this issue,this paper first systematically analyzes the categorization and spatiotemporal features and relationships of geoscience knowledge.On this basis,an adaptive representation model for GKG is proposed by considering the complex spatiotemporal features and relationships.Under the constraint of a unified spatiotemporal ontology,this model adopts different tuples to adaptively represent different types of geoscience knowledge according to their spatiotemporal correlation.This model can efficiently represent geoscience knowledge,thereby avoiding the isolation of the spatiotemporal feature representation and improving the accuracy and efficiency of geoscience knowledge retrieval.It can further enable the alignment,transformation,computation,and reasoning of spatiotemporal information through a spatiotemporal ontology.

地球科学知识图谱比较分析与启示:构建方法与内容视角

地球科学(以下简称地学)知识图谱将地学知识以有向图的方式进行形式化表达,具有强大的知识表达能力、开放互联能力和推理预测能力,是地学与人工智能交叉融合发展的基础设施之一,已成为当前地学研究中重要的研究热点。因此,国际上很多科学组织或团队先后开展了地学领域的知识图谱研究,并构建了一系列具有代表性的知识图谱。然而,目前尚缺乏对这些知识图谱的深入研究和分析。文章从基本情况、构建方法、主要内容及特点等方面,对当前国际上主要的地学领域知识图谱进行了系统的比较分析,并在此基础上,指出了对未来地学知识图谱研究的启示:从构建方法上,应构建地学知识图谱统一表达模型,建立融合多源、多模态数据的知识源,研究地学知识表示与计算方法;从内容上,应加强地学知识时空特征描述,考虑地学知识复杂时空关系和推理规则;从应用上,应发展地学知识质量评估和修正方法,提升地学知识图谱应用成效。

地球科学知识图谱一站式共享服务系统

知识图谱作为当前最有效的知识组织和服务方式,已经成为人工智能的基石,在语义搜索、机器翻译、信息推荐等方面得到了广泛的应用。大数据时代下,地球科学(以下简称地学)分散、多源、异构数据的整合集成、挖掘分析及其知识的智能发现等迫切需要知识图谱的支撑。为了促进地学知识图谱的建设与应用,自2019年启动以来,“深时数字地球国际大科学计划”(Deep-time Digital Earth,简称DDE)就将知识图谱作为其重要的研究建设内容,经过3年多的建设,DDE已经建设形成了大量的地学知识图谱,亟需一站式共享这些知识图谱。文章首先介绍了DDE知识图谱内容体系,分析了DDE知识图谱内容组成及其特征;在此基础上,开展了地学知识图谱一站式共享服务系统的设计,包括系统功能体系和架构的设计;最后介绍了系统实现的技术路线及其关键技术。实践证明系统可有效实现DDE知识图谱的一站式共享服务,可为类似的知识共享服务系统提供参考。

遥感智能信息处理的发展及技术前景

遥感信息提取技术虽不断推陈出新,但在智能化、精准实用性方面始终存在巨大的瓶颈问题,有必要围绕遥感智能计算和信息提取这个发展主题进行总结和讨论。从“机理—尺度—数据—智能”4个层面,逐步就遥感信息提取与定量反演路径的发展融合、基于像素和面向对象不同处理单元模式、时空谱数据融合、遥感解译的智能化因素四方面进行剖析,从而提出未来“数据获取知识”和“知识引导数据”双向驱动、遥感大数据和地学知识图谱相融合的遥感智能计算架构,尝试推动遥感科学从经典向现代化的跃迁。

地球科学知识体系编辑平台

随着信息技术和地球科学的发展,地球科学领域数据快速增长,积累了海量数据,亟需建立领域知识图谱促进地球科学大数据的利用。因此深时数字地球(DDE)提出构建地学知识库和知识图谱,为未来的地学研究提供新一代的基础科研工具,促进研究范式的变革。文章回顾了知识图谱的发展历史,对主要知识体系构建工具进行了调研。结合地球科学学科特点,梳理了地球科学知识体系对构建工具的需求,并设计和实现了一个面向地球科学知识体系的专业编辑平台:"地球科学知识体系编辑平台"。平台具有操作简单、协同编辑、协同审核等一系列特点,基本满足地球科学知识体系的建设需求,填补了这一领域的空白。平台上线以来,已经有18个地球科学领域的专业学科人员在线协同构建,极大提高了地球科学知识图谱建设的效率。在此基础上,结合目前地球科学知识图谱建设状况,从技术角度出发,对地球科学知识体系编辑平台的后续发展方向进行了讨论。

Geoscience knowledge graph in the big data era

Since the beginning of the 21 st century,the geoscience research has been entering a significant transitional period with the establishment of a new knowledge system as the core and with the drive of big data as the means.It is a revolutionary leap in the research of geoscience knowledge discovery from the traditional encyclopedic discipline knowledge system to the computer-understandable and operable knowledge graph.Based on adopting the graph pattern of general knowledge representation,the geoscience knowledge graph expands the unique spatiotemporal features to the Geoscience knowledge,and integrates geoscience knowledge elements,such as map,text,and number,to establish an all-domain geoscience knowledge representation model.A federated,crowd intelligence-based collaborative method of constructing the geoscience knowledge graph is developed here,which realizes the construction of high-quality professional knowledge graph in collaboration with global geo-scientists.We also develop a method for constructing a dynamic knowledge graph of multi-modal geoscience data based on in-depth text analysis,which extracts geoscience knowledge from massive geoscience literature to construct the latest and most complete dynamic geoscience knowledge graph.A comprehensive and systematic geoscience knowledge graph can not only deepen the existing geoscience big data analysis,but also advance the construction of the high-precision geological time scale driven by big data,the compilation of intelligent maps driven by rules and data,and the geoscience knowledge evolution and reasoning analysis,among others.It will further expand the new directions of geoscience research driven by both data and knowledge,break new ground where geoscience,information science,and data science converge,realize the original innovation of the geoscience research and achieve major theoretical breakthroughs in the spatiotemporal big data research.

“地学知识图谱”课程教学实践与探索

“地学知识图谱”是地球信息科学与技术专业的高阶选修课,也是地球科学、信息科学和数据科学的交叉学科。探索“地学知识图谱”课程的教学实践,对于指导地球科学相关领域专业课程体系建设具有一定的意义。通过梳理“地学知识图谱”的课程特点,制定了“地学知识图谱”课程的教学目标,在教学实践中构建了“地学知识图谱”课程体系,以增强学生数据与知识双重驱动的地学创新能力,培养具有正确地球观的专业人才,以期为地球科学相关领域专业在“地学知识图谱”课程的建设与实践提供一定的借鉴。

我国地学可视化研究的热点分析及演化路径

为探讨我国地学可视化领域相关研究进展及概况,掌握新时代地学可视化研究热点,以2000—2019年CNKI数据库地学、测绘类相关论文为数据基础,运用CiteSpace文献计量方法,对我国地学可视化研究的知识图谱结构进行可视化分析,绘制出国内地学可视化研究的发文作者、合作网络、发文机构、聚类关键词等知识图谱,梳理可视化领域的发展现状、发展趋势和方向。分析结果显示:国内地学可视化研究群体呈现小聚集、大分散的特征,已形成了一大批学术代表;研究机构分布较为集中,合作关系较为密切,呈现出中心高度集中、边缘零星分布的特征;国内可视化领域紧跟时代潮流,研究多集中于最新科技领域,如动态可视化、虚拟现实、裂缝消除、大数据等,具有明显倾斜性,这也是地学可视化研究分析的热点和前沿领域。

The GeoLink knowledge graph

GeoLink has leveraged linked data principles to create a dataset that allows users to seamlessly query and reason over some of the most prominent geoscience metadata repositories in the United States.The GeoLink dataset includes such diverse information as port calls made by oceanographic cruises,physical sample meta-data,research project funding and staffing,and authorship of technical reports.The data has been published according to best practices for linked data and is publicly available via a SPARQL Protocol and RDF Query Language(SPARQL)end point that at present contains more than 45 million Resource Description Framework(RDF)triples together with a collection of ontologies and geo-visualization tools.This article describes the geoscience datasets,the modeling and publication process,and current uses of the dataset.The focus is on providing enough detail to enable researchers,application developers and others who wish to lever-age the GeoLink data in their own work to do so.

遥感影像地学分析的地理学原理及等级斑块建模框架

单纯借鉴图像处理、计算机视觉技术,难以从根本上解决遥感地学分析问题。为此,以面向对象影像分析范式为例,剖析区域、尺度、格局与功能的地理学原理,将遥感影像地学分析视为基于遥感影像信息的精细尺度下地理空间区域划分、等级结构表达、空间结构推断空间功能的过程。在此基础上,提出基于等级斑块建模的循环迭代式遥感影像地学分析框架。该框架,首先由遥感影像与其它地理信息数据和知识共同构建能够表达地理空间的等级斑块模型;然后,依托等级斑块模型的上下层次关系和遥感影像特征,协同实现对象的精准识别;进而,使用精准识别结果更新等级斑块模型,提供更为精准的上下层次关系特征,从而实现后续迭代过程中更高精度的识别。此外,还提出了实现该框架的10条建议,例如为不同地理要素构建不同的等级斑块模型。该框架提供了一种地学知识引导下的遥感大数据智能解译思路,有望实现地学知识自动积累更新和遥感智能解译精度提升的协同互促。

构建青年编委知识图谱,助推期刊发展、人才成长

青年编委是期刊发展的生力军,是提升期刊质量和竞争力的重要力量。如何深入了解青年编委,把握青年编委的研究方向,是当前科技期刊发展面临的重要问题。知识图谱是通过可视化技术描述数据资源,分析数据内在联系的大数据分析技术。本文详细阐述了《地球科学》青年编委多维知识图谱构建和信息维护的技术流程,实现期刊建设过程“数据—信息—应用”一体化。在当前大数据和人工智能背景下,《地球科学》采用构建青年编委知识图谱的方式,挖掘青年编委人物关系、研究领域、学术成果和合作单位,了解青年编委学术专长和科研合作网络。实践表明,知识图谱有效促进了青年编委会“智能化”建设,实现了期刊对青年编委从感知到“认知”的跨越,使青年编委更好融入期刊中,在助推期刊发展的同时,促进青年人才成长,从而促成期刊和青年编委共同发展的双赢局面。

大规模地球科学知识图谱构建与共享应用框架研究与实践

地球科学(以下简称地学)知识图谱具有强大的知识表示和语义推理能力,已成为地学大数据和地学人工智能发展必要的基础设施。然而,目前的地学知识图谱研究主要面向实验场景,缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究,导致尚未真正在地学领域现实应用中得到使用。为此,本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求,首先研究了大规模地学知识图谱的构建技术,在此基础上,提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后,以“深时数字地球(DDE)”国际大科学计划为例,开展了面向实际应用的知识图谱平台研发实践。最后,利用该平台,构建了DDE大规模地学知识图谱,开展了知识图谱开放共享,有效实现了知识图谱应用,证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。