基于属性图的社区搜索模式及其分类体系

当前在属性图中的社区搜索方法较多、类型繁杂,没有系统的分类方式,约束了社区搜索的应用。为明确属性图社区搜索的类别,对属性图社区搜索分类方法进行研究。首先,首次提出属性图社区搜索模式的概念,深入分析属性图社区搜索模式之间存在的联系,提出属性图社区搜索模式的等价、从属、交叉、全异4种关系;其次,以搜索模式的输入图属性、输出图拓扑结构和各属性图社区搜索模式的实际意义为基础,构建两层分类体系,第1层是由输入属性图相同的模式集合构成的集族,这里的输入属性图包括时序、空间、关键字、权值、空属性图,第2层是由输出图拓扑结构及实际意义定位到的每一个具体的属性图社区搜索模式;然后,针对第2层中每一种模式,给出对应社区搜索算法的对比分析结果;最后,对所有属性图社区搜索模式的特性集中分析。总体而言,属性图社区搜索模式不仅为理解和分析复杂网络结构提供有力工具,也为解决实际问题提供新的视角和方法。

基于语义增强模式链接的Text-to-SQL模型

为优化基于异构图编码器的Text-to-SQL生成效果,提出SELSQL模型。首先,模型采用端到端的学习框架,使用双曲空间下的庞加莱距离度量替代欧氏距离度量,以此优化使用探针技术从预训练语言模型中构建的语义增强的模式链接图;其次,利用K头加权的余弦相似度以及图正则化方法学习相似度度量图使得初始模式链接图在训练中迭代优化;最后,使用改良的关系图注意力网络(RGAT)图编码器以及多头注意力机制对两个模块的联合语义模式链接图进行编码,并且使用基于语法的神经语义解码器和预定义的结构化语言进行结构化查询语言(SQL)语句解码。在Spider数据集上的实验结果表明,使用ELECTRA-large预训练模型时,SELSQL模型比最佳基线模型的准确率提升了2.5个百分点,对于复杂SQL语句生成的提升效果很大。

基于智能映射推荐的知识图谱实例构建与演化方法

随着大数据技术的深入发展,各领域产生了海量异构数据,构建知识图谱是实现异构数据语义互通的重要手段。通过将结构化数据与本体模型映射匹配来生成实例模型是图谱实例层构建常用的方法。然而,对于复杂异构的领域数据来说,现有映射式实例构建方法大多需要用户手动完成全部映射匹配,映射操作繁琐,无法进行智能匹配,费时费力且容易出错。除此之外,现有方法对实例导入后的增量更新也支持不足。针对现有模式匹配和实例构建方法的映射操作繁琐的问题,提出了基于智能映射推荐的实例构建与演化方法。其中,智能映射复用推荐机制,在用户手动映射之前进行数据模式匹配计算,对元素级相似度、表级相似度和表间传播相似度进行多级相似度综合计算,根据数据模式匹配度仲裁排序后生成推荐映射。另外,增量发现机制通过自动发现冗余实例和冲突实例,生成系统后台任务进行处理,可实现实例的高效无重复导入。在山东市政府开放数据集和深圳市医疗急救数据集上进行了实验,在映射复用推荐模块的辅助下,交互时间缩短为传统模式的约26%,字段推荐匹配准确率达到98.1%;在增量发现模块的实验中,导入了1 394万个实例节点以及2 158万条关系边所需的时间由31.21 h缩短至2.23 h,验证了智能映射复用推荐的可用性和匹配准确率,提高了实例层构建与演化的效率。

一种增量式本体模型与数据模式映射的图谱实例模型构建演化方法

在智慧城市领域中,随着信息化技术的不断深入,各信息系统产生的海量数据不断增长,这些多源异构数据之间的语义互通成为了城市智能应用开发需要解决的重要问题之一。构建知识图谱是解决数据语义互通的常用手段之一。在建立知识图谱本体模型后,图谱实例模型的构建演化就成为支撑基于图谱的各类应用的关键技术。为此,如何将不断更新的数据源中的知识实例尽可能自动化地扩充到知识图谱中,成为了图谱构建的首要问题。现有的一些知识实例生成工具对数据导入的支持力度不足,用户需要对源数据进行复杂的预处理,将其转化为符合平台支持的导入数据格式。这导致预处理工作量大,且不能迅速地应对数据不断更新增长的情况。由于智慧城市领域中信息系统所产生的数据多为结构化或半结构化数据,文中提出一种增量式本体模型与数据模式映射的图谱实例模型构建演化方法,面向结构化或半结构化数据生成实例,并随着数据的更新,实现图谱实例模型的增长与演化。文中方法结合机器推荐与人机协同交互设计,针对不同数据源的特征抽取知识并将其正确地映射到本体模型中的概念实体上,实现领域知识图谱实例模型的增量扩充;并通过实体对齐、关系补全等方法,支持实例模型的持续演化。文中方法在企业信息领域知识图谱的构建场景中得到了验证,通过机器推荐和不去重,实现了实例高效且准确的生成,其有效性也得到了证实。

面向学科核心素养发展的学生学科认知图谱构建研究

学生学科核心素养发展的有效刻画对于落实立德树人根本任务、促进教学提质增效有重要作用。当前学生学科核心素养发展刻画的粒度过大且零散,尚未有效实现结构化、语义化和可视化。文章运用理论分析方法,在广义知识视角下的认知结构与核心素养刻画关系论证的基础上,以学生学科核心素养刻画为目标,以学生学科认知结构为中介客体,以知识图谱技术为工具,厘定了学生学科认知图谱的内涵与外延,构建了学生学科认知图谱结构和图式,并从刻画学生学科核心素养生成、发展以及学业质量水平达成的视角给出了图谱构建的实践示例,以期为全面、精准刻画学生学科核心素养发展提供支撑与参考。

PKS体系下基于知识图谱的政务问答机器人研究

提出了一种基于国产PKS环境上政务知识库问答机器人。该系统基于多源异构数据,利用深度学习模型,以流水线工作方式,由Schema设计、知识抽取、知识融合、知识存储、知识更新5部分组成,自动完成知识库建立,同时自动对用户问题进行分类,意图识别,利用知识图谱检索、分析计算技术形成答案提供给用户。该机器人系统能够大大提高政务工作人员的工作效率。

基于代价模型的联邦知识图谱查询方法

研究基于代价模型的联邦知识图谱查询方法,有效查询联邦数据库知识图谱,为查询用户提供更为舒适的查询体验。设计以数据源、控制端为主要构成的联邦知识图谱查询方法架构,查询用户发出查询请求后,控制端通过各类RDF数据源提供的SPARQL查询性接口,访问各类RDF数据源,并抽象出相应的模式图,之后利用现有SPARQL引擎全文性搜索接口,找到对应用户输入关键字的候选性类点队列,并将各个关键字向模式图映射。然后,将映射到模式图的关键字当作出发点,使用最短路径法划分模式图,获得最短联通性模式子图,并对其执行SPARQL查询语句集合构建操作,而后利用代价模型寻找代价最小SPARQL查询语句执行计划,将多个SPARQL查询语句,传输至相应RDF数据源SPARQL查询接口,获取查询结果。实验结果表明:该方法能够使查询用户以较快的速度获取到更为准确的联邦知识图谱查询结果,在实际工作中优势显著。

基于双向迭代的航空发动机试验知识图谱构建方法研究

针对航空发动机试验领域的知识特征所具有的应用难点,设计了面向航空发动机试验领域的知识图谱框架结构;并在对知识自动化获取关键技术研究的基础上,提出了基于双向迭代的领域图谱构建方法。以涡扇发动机整机试验相关知识及其文档作为方法验证对象,通过实现不同类别知识图谱数据模式设计和专题图谱漫游检索,验证了所提出方法的可行性和有效性。

一种查询XML异构数据源的新方法

由于异构数据源存在结构差异和结构不兼容等问题,在其上进行查询是一个挑战。本文根据XML树的特点,对其进行了外延,设计了一种新的XML树的查询方法。通过样式图获得XML树的结点间的语义关系,查询条件可以表示为XML样式图模式,查询不被限定于特定的XML树,给出了基于样式图模式的查询算法。用例说明了该方法如何应用于异构数据源的查询。

半结构化数据的模式研究综述

1 引言 近年来,Internet的飞速发展已经给人类的生活带来了翻天覆地的变化,网络迅速成为一种重要的信息传播和交换的手段.在Internet上,存在着大量的各种形式的数据,如文本文件,HTML文档,各种数据库等,如何快速准确地在网上查找所需的信息,成为一个重要的问题.为了解决这个问题,各种搜索引擎维护了大量网站和网页的索引信息,主要采用关键字匹配的方法为用户提供查询服务,但关键字匹配技术存在一些很明显的缺陷,如返回的结果集过大,不能对语义内容和结构进行查询等,这些缺陷决定了搜索引擎所能提供的查询能力是极其有限的.为了更好地对Internet上的数据资源进行管理和查询,数据库界的研究人员开始考虑将数据库的概念和技术引入到该领域.数据库中已有的许多比较成熟的思想和技术,在WWW的新环境下,需要进行扩展和调整,以适应其特点.

基于RDFS的本体集成方法

现实中的数据源一般具有半结构化、异构性和分布性等特点,而许多应用需要对不同的相关数据源进行联合操作。本体集成是解决知识共享、异构数据源语义互操作的有力工具。首先分析了本体集成的原因,提出了本体集成时应遵循的4条基本原则;然后提出了一种基于RDFS图闭包的本体集成方法,该方法将RDFS本体抽象为图模型,根据RDFS推理规则和扩展规则生成RDFS本体的图闭包,在此基础上进行本体集成,同时提出了几种计算实体间相似度的方法。最后,将该方法与FCA-merge和COMA++进行实验对比。

一种多策略通用模式匹配方法

模式匹配问题即寻找不同模式元素之间的语义对应关系,在数据仓库、异构数据源集成及语义Web等领域都是非常重要的研究基础。目前模式匹配仍大多主要由人工来完成,因此有很大局限性。提出了一种多策略通用模式匹配架构,可以方便地兼容其他匹配策略。采用了一种基于词语间语义距离的方法来计算其语义相似度;提出了一种基于相似度传播的结构匹配算法,有效地考虑了相邻相似节点间的相互影响。实验结果表明这种匹配方法在处理模式匹配任务时能达到较高的精度。

从多个RDFS本体中抽取子本体

RDFS本体提供了用于表达语义信息的通用框架，是语义网的基础。本体规模的增大使得对于特定领域知识利用的效率降低，从中抽取领域子本体可解决此问题。单个本体中包含的领域知识有限，从多个本体中抽取子本体可获取更多的领域知识。将RDFS本体抽象为图模型，根据RDFS推理规则和本体间映射，生成多个RDFS源本体的联合闭包。应用图理论构建抽取算法，生成以领域概念为节点的子图，得到所需的领域本体。该方法对于RDFS层次的领域本体抽取有一定的适用性，可快速有效地构建领域本体。

基于模式图的规范化XML模式设计

在给定关系模式的属性集及其函数依赖最小覆盖集的基础上,提出一种基于模式图的规范化XML模式设计方法。定义了模式图,在模式图中增加了Keys的描述信息,给出由函数依赖集构造模式图的算法。该模式图独立于具体的XML模式语言,经分析证明,所设计的模式满足XNF。

基于图模型的RDF/RDFS本体抽取方法

为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法。将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体。抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体。

不确定模式集成中领域知识应用模型的研究

结合关系模型、产生式规则和自主计算三者的优点,提出了一个任务驱动的自主推理的动态领域知识应用模型。在该模型中,将领域知识按需要进行聚类,根据任务进行规则映射和推理模块中不同处理器的选择,运用证据组合方法合并各处理阶段的不确定度,采用基于自适应控制策略的自主计算技术进行知识推理。推理结果被应用到不确定模式集成模型的其他模块中,辅助解决模式集成中存在的不确定性问题。经实例验证该模型是可行的。

城市燃气管网泄漏事故分析知识图谱构建及应用研究

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。

一种有效的贪婪模式匹配算法

模式匹配问题是意图获得两个模式中所包含个体对象之间的语义匹配和映射,其结果表示源模式的个体对象与目标模式的个体对象之间存在特定的语义关联.它在数据库应用领域起到关键性的作用,例如数据集成、电子商务、数据仓库、XML消息交换等,特别地,它已成为元数据管理的基本问题.然而,模式匹配很大程度上依赖人工的操作,是一个费时费力的过程.模式匹配问题可以归约为一个组合优化问题:多标记图匹配问题.首先,将模式表示为多标记图,将模式匹配转换为多标记图匹配问题.其次,提出多标记图的相似性度量方法,进而提出基于多标记图相似性的模式匹配目标优化函数.最后,在这个目标函数基础上设计实现了一个贪婪匹配算法,其最显著的特点是综合多种可用的标记信息,灵活准确地获得最优的匹配结果.

构建归档历史数据的XML模式

分析了数据仓库历史数据归档的关键问题,提出了将XML技术应用于数据仓库历史数据的归档。给出了从数据字典获得构建XML模型信息以及构建XML模型层次有向图的算法。实现了基于层次有向图的数据库结构及数据信息映射为XML模式的算法。同时,提出了保证XML语义完整性的方法。

集成环境下产品文档信息管理

分析集成环境下对产品文档信息管理的需求。描述基于业务对象、数据对象和物理文件的文档数据模型 ,并采用超图模型对三者之间的逻辑关系进行形式化表达。参照 STEP PDM模式给出文档信息的通用表示模式。在以上分析基础上详细阐述集成环境下文档信息的共享、版本和安全性以及存储管理。