中文影视知识图谱构建研究

采用半自动化的方法构建中文影视知识图谱。以国内影视领域数据为研究对象,对豆瓣网、百度百科和时光网的数据进行本体对齐,使异构数据源语义描述一致。在知识融合方面,借鉴并优化了Similarity Flooding算法的核心思想,实验结果表明,实体匹配的准确率基本保持在85%以上。建立了中文影视知识图谱可视化平台,并提供开放性的数据访问和查询接口。     

基于多源数据的中文产科知识图谱构建

以产科专业叙词表、临床路径和诊疗规范等为数据来源构建了中文产科知识图谱(Chinese obstetric knowledge graph, COKG)。以产科疾病为核心,依据术语标准及已有主题词表,确立了概念分类体系及关系描述体系,形成了COKG模式层;在Bi-LSTM-CRF和PCNN模型的基础上,通过医学专家的指导对多来源的200余万字非结构化文本进行人工校对,并对多源数据进行知识融合,形成了COKG数据层。所构建的COKG包括2 343种疾病、15 249个实体关系,可以为医疗问答系统和智能辅助诊疗等应用提供结构化的知识支持。     

表示学习知识图谱的实体对齐算法

与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.     

传统村落知识图谱构建方法研究

传统村落是指形成较早,具有较高的社会经济价值的古村落,具有不可再生性,应给予保护.首先提出一套构建传统村落知识图谱的方法,完成了传统村落相关概念、概念间关系以及属性的领域本体库构建.在上述研究的基础上,对辽宁省国家级传统村落的数据进行收集,并利用Neo4j图数据库存储传统村落知识图谱数据,完成传统村落知识图谱的构建工作,并在此基础上开发了图谱可视化展示平台,用于自主查询和动态展示实体和实体间关系等信息.通过传统村落的知识图谱的构建,为传统村落数字化传承与保护提供了一套较为完整的方案.     

双语影视知识图谱的构建研究

提出一种双语影视知识图谱(BMKG)的构建流程。通过半自动化的方法构建了双语影视本体(BMO), 将各个影视数据源对齐到BMO, 以保持异构数据源的语义描述一致性。在知识链接方面, 在充分挖掘和利用领域特征的基础上, 采用基于Word2Vec 和TFIDF 两种向量模型的实体相似度计算方法, 使相似度特征增加一倍, 大大提升了模型的链接效果。在实体匹配方面, 提出基于相似度传播算法的实体匹配算法, 并利用影视数据源之间的内在联系, 克服了跨语言实体之间计算相似度的语言障碍。实验结果表明, 当阈值取到0.75 以上时, 实体匹配的准确率都能达到90% 左右。此外, 还建立了影视知识图谱共享平台, 并提供开放性的数据访问和查询接口。     

网络安全知识图谱研究综述

针对多源异构的网络安全数据的离散分布问题,总结了知识图谱构建需要的网络空间战技术、攻击模式、漏洞及网络设备等基础数据,提炼了数据之间的关联关系.在此基础上,综述了网络安全知识图谱相关技术的国内外研究现状,包括多源异构的安全情报数据、网络安全知识表示、网络安全知识图谱的本体构建、信息抽取和知识图谱推理.同时,对网络安全知...     

范钦生平知识图谱构建与应用

以天一阁主范钦这一历史人物为主题,提出范钦生平知识图谱模型,对范钦生平知识图谱所涵盖的人物、事件、作品、组织机构、地理文化等多个本体进行了分类、概念定义及关系定义.然后基于该数据模型,采用自顶向下与自底向上相结合的方式构建了范钦生平知识图谱,最后基于构建成果开发了范钦生平主题知识展览系统.研究成果是天一阁藏书文化面向全国观众传播、展示的一次探索,也为博物馆、图书馆等进行文化遗产领域知识图谱构建提供了一种参考.     

基于叙词表的油藏构造知识图谱

为采用知识图谱技术实现对油藏构造知识的整合,解决在本体建模过程中,很少将标准融合到本体模型 中,且在转换过程中存在对叙词概念粒度划分较粗或完全不对叙词进行类型划分等问题,提出一种基于叙词表 构建知识图谱的新方法,即标注原叙词表,建立映射规则,构造转换算法和生成知识图谱。其中标注、映射规 则建立与转换算法定义了构建知识图谱标准化过程。最后,选取油藏构造领域的部分知识,采用所提方法构建 知识图谱,其结果表明了该方法的可行性。     

基于知识图谱的石斛研究可视化分析与构建

石斛作为一种中药材因具有良好的药用价值和市场价值而被广泛地研究与应用.本研究主要基于知识图谱的石斛研究可视化分析与构建,预测其未来发展趋势,为后续研究和临床应用提供重要参考依据.研究选取中国知网数据库中近20年有关石斛研究的文献,利用Citespace软件对作者、机构和关键词进行可视化分析,结合半监督训练等算法来实现石斛领域的知识图谱构建.实验结果表明：1)作者与机构存在较强地域性,合作关系较为密切;2)研究重点主要围绕提取工艺、临床应用和数据挖掘等方面,体现了研究的广度和深度;3)研究热点变化与市场需求联系紧密;4)构建的知识图谱与石斛研究领域结果相符合.     

基于本体建模的动态知识图谱构建技术研究

目前知识图谱领域构建的图谱多以静态知识图谱为主,数据集较大时,构建出的静态知识图谱的规模会非常大,且存在可读性差、交互性低等问题,非常不利于信息的动态浏览和筛选.为解决这一问题,应以增加知识图谱的动态交互性为目标来完成动态知识图谱的构建.将从知识图谱的体系架构、本体建模等方面进行系统探索,给出基于本体建模的动态知识图谱...     

基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks, QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。     

基于半完全图在数据融合中的元搜索研究

基于对Web图的特性和性质的介绍，探讨了一个Web演化生成的模型；论述了结舍Web图论以及社会网络分析等思想，在研究Web上的搜索引擎中的应用，从社会选择理论提出了基于半完全图的融合模型，并结合堆排序给出了一个高效的元搜索融合算法，并且和其他融合算法做了一定比较，发现半完全图融合这一方法的性能最好。     

基于标记的图数据关键词查询方法研究

图数据关键词查询技术在结构化数据、半结构化数据和非结构化数据等领域具有良好的应用前景。随着需要解决问题规模的不断扩大,寻找top-k结果所花费时间将会增多。针对该问题,提出了一种基于标记查询优化的方法。该方法首先引入路径索引,通过输入一组关键词遍历路径索引,找到与关键词相关的结构子图;然后基于结构子图,找出当前最优结果,对当前最优结果,选择需要处理的路径进行标记;并设置该路径为无穷大,实现对当前最优结果的屏蔽,再在此基础上查找次优结果,直到top-k结果查询完毕;最后,基于测试数据集,验证该方法的有效性。     

人工智能时代知识图谱表示学习方法体系

 总结了不含辅助信息的知识图谱表示学习方法,主要是基于距离和基于语义匹配2类主流方法;研究了包含文本辅助信息和类别辅助信息的知识图谱表示学习方法;通过对比各类表示学习方法的优缺点,发现引入辅助信息能有效表达知识图谱中新实体,但时空开支大幅上升,因而在现阶段,不含辅助信息的方法更易应用于实际场景中。分析了知识图谱嵌入如何应用于三元组分类、链路预测、推荐系统等下游任务,整理归纳了应用于不同任务的数据集和开源库的集合,并展望了大规模、动态知识图谱等具有广泛应用前景的研究方向。     

基于图分析的领域知识获取技术

知识获取技术制约着知识系统的研究和应用,有效地从文本中提取领域知识成为知识获取的重要途径.本文提出了基于本体和图分析的领域知识获取技术,分析了本体数据结构、本体概念的实例化以及基于图分析的语义场构造方法.建立了具有广泛适用性的文本知识获取系统框架,实现了原型系统.通过针对中医医案的中医领域知识获取实验验证,取得了较好的效果.     

基于文献计量学的智能建造知识图谱构建

近年来,智能建造研究受到学者和政府的广泛关注。通过选取2000—2021年CNKI和Web of Science(WOS)数据库中智能建造相关文献,采用文献计量学方法,利用SPSS、VOSviewer等软件进行统计处理,构建中外智能建造研究领域发文量时序分布、发文机构、学科分布、研究热点演变的各类知识图谱。研究表明：中外发文量逐渐增加,但CNKI数据库相比WOS数据库存在明显差距;CNKI数据库中发文机构主要分布在高校和企业,WOS数据库中发文机构有中外高校,跨国机构合作相对较少;CNKI数据库智能建造研究领域主要集中在理学、工学等基础学科领域,WOS数据库在传统学科的基础上还涉及教育、心理学、绿色与可持续发展等交叉学科;中外智能建造研究热点各有侧重,现阶段,中外研究热点都集中在人工智能与建造的集成应用。最后,提出中外智能建造研究未来展望,以期为智能建造实践提供借鉴。     

Extracting multiple layers from data having graph structures

Much data such as geometric image data and drawings have graph structures. Such data are called graph structured data. In order to manage efficiently such graph structured data, we need to analyze and abstract graph structures of such data. The purpose of this paper is to find knowledge representations which indicate plural abstractions of graph structured data. Firstly, we introduce a term graph as a graph pattern having structural variables, and a substitution over term graphs which is graph rewriting system. Next, for a graph G, we define a multiple layer (g, (θ1,…,θk)) of G as a pair of a term graph g and a list of k substitutions θ1,…,θk such that G can be obtained from g by applying substitutions θ1…,θk to g. In the same way, for a set S of graphs, we also define a multiple layer for S as a pair (D,Θ) of a set D of term graphs and a list Θ of substitutions. Secondly, for a graph G and a set S of graphs, we present effective algorithms for extracting minimal multiple layers of G and S which give us stratifying abstractions of G and S, respectively. Finally, we report experimental results obtained by applying our algorithms to both artificial data and drawings of power plants which are real world data.     

Extracting multiple layers from data having graph structures

Much data such as geometric image data and drawings have graph structures. Such data are called graph structured data. In order to manage efficiently such graph structured data, we need to analyze and abstract graph structures of such data. The purpose of this paper is to find knowledge representations which indicate plural abstractions of graph structured data. Firstly, we introduce a term graph as a graph pattern having structural variables,and a substitution over term graphs which is graph rewriting system. Next,for a graph G,we define a multiple layer (g,（θ1, …,θk)) of G as a pair of a term graph g and a list of 4 substitutionsθ1, …,θk such that G can be obtained from g by applying substitutions θ1, …,θk to g. In the same way,for a set S of graphs, we also define a multiple layer for Sas a pair (D,@) of a set 5 of term graphs and a list 6 of substitutions. Secondly,for a graph G and a set S of graphs,we present effective algorithms for extracting minimal multiple layers of G and S which give us stratifying abstractions of G and S,respectively. Finally,we report experimental results obtained by applying our algorithms to both artificial data and drawings of power plants which are real world data.     

基于知识图谱的文本观点检索方法

文本观点检索旨在检索出与查询主题相关并且表达用户对主题观点的文档。由于用户查询时输入通常很短,难以准确表示查询的信息需求。知识图谱是结构化的语义知识库,通过知识图谱中的知识有助于理解用户的信息需求。因此,提出了一种基于知识图谱的文本观点检索方法。首先由知识图谱获取候选查询扩展词,并计算每个候选词扩展词分布、共现频率、邻近关系、文档集频率,然后利用4类特征通过SVM分类得到扩展词,最后利用扩展词对产生式观点检索模型进行扩展,实现对查询的观点检索。实验表明,在微博和推特两个数据集上,与基准工作对比,所提出的方法在MAP、NDCG等评价指标上均有显著的提升。