产业污染管理知识图谱构建与应用:以江门市为例

随着工业化和城市化的快速发展,产业污染问题日益严峻,对环境和人类健康构成了严重威胁。产业污染数据具有多源性和异构性,需要通过知识提取和融合技术,才能应用于产业污染治理和决策支持。本文提出利用知识图谱技术整合和建模产业污染领域的关键数据、实体和关系,以实现产业污染知识的多维度展示,包括概念、属性和实例等。以中国广东省江门市产业污染为例,本文通过知识提取、本体构建和知识存储,对公司、污染物、产品等信息进行了综合处理,构建了一个较为全面的产业污染知识图谱。实验结果表明,本文提出的知识图谱构建方法不仅能够有效且直观地揭示污染场地数据之间潜在关联,而且能为决策者提供数据支持和决策参考,同时也为相关研究和应用领域提供了共享数据。

ProofsNavigator:基于引导的可解释知识推理方法

让大规模语言模型生成推理步骤有助于构建可解释的知识推理系统。现有的知识推理方法可能生成不可靠并且与目标无关的推理步骤。为解决这一问题,该文提出一种基于引导的逐步推理方法ProofsNavigator。首先,使用通过Beam搜索生成多个候选推理步骤;然后,通过分别对候选推理步骤的有效性以及跟假设的相关性进行验证,挑选高质量的推理步骤;最后,将所选择的推理结论加入知识集中以进行下一轮循环。实验结果显示,该方法在三个难度依次递增的任务上的准确率分别为40.0%、35.6%和7.1%,比先前最优对比方法分别高1.1%、2.3%和0.2%。此外,该方法在标注数据较少的情况下仍能保持较好的性能。

中文大规模谜语问答数据集构建与评测方法研究

为解决目前因谜语问答数据集缺乏导致机器无法很好回答谜语的问题,本文构建了一种中文大规模多类型谜语问答数据集,并对其进行评测.首先从谜语网站上爬取大量中文谜语,然后经过数据清洗、筛选和分类,采用人工结合自动生成的方式为每条谜语问答对生成了4个干扰选项,最后得到一个包含1 000个中文脑筋急转弯问答、300个中文数字谜语问答和16 766个中文汉字谜语问答的谜语问答数据集.在多个基准问答模型上的实验结果显示,现有智能问答模型在该数据集上的准确率最高可达37.56%,与人类77.33%的准确率还有较大差距.该数据集的提出有助于推动谜语智能问答模型的发展.

一种大规模推理用文本知识数据集的构建方法

现有推理用文本知识数据集及其获取方法存在知识数量少、知识过于简单、难以自动获取等问题.因此,本文提出一种从自由文本中自动获取句子形式的推理用知识的方法及数据集.首先对大规模自由文本进行清洗、分句等预处理;采用基于规则的方法从中筛选掉明显不能用于推理的句子,得到候选知识集;其次构建推理用知识获取数据集以及分类器,对候选知识集进行分类,得到初步的推理用知识数据集;最后对该数据集进行去重等后处理,得到最终的数据集.在C4语料库上的实验结果表明,对比GenericsKB知识获取方法及数据集,本文数据集的知识规模为其23.3倍,本文方法获取知识的准确率提升了26.7%,在参照知识库上的召回率提升了10.5%,使用基准方法完成下游问答任务的准确率提升了4.3%.本文的知识获取方法效果更好,所得到的数据集规模更大、质量更高.本文结果有助于推动知识获取、知识推理、自动问答等领域的发展.