面向盾构机智能维护的知识图谱构建
这是一篇关于盾构机维护,知识图谱,本体模型,图数据库,查询的论文, 主要内容为随着国内隧道交通建设需求的不断增加,盾构机作为隧道建设的重要工程装备开始被广泛应用于各种建设场景。复杂的应用环境导致盾构机在使用过程中经常发生故障,此时需要具有丰富维护知识的工程师对盾构机实施维护,相关的维护知识大多只存在于工程师的大脑及非结构性维护资料中,盾构机维护企业迫切需要将非结构性的维护知识转化为更加数字化、结构化及规范化的维护知识。知识图谱作为一种描述数据知识间关联关系的技术方法越来越受到重视,通过知识图谱技术不仅能有效地组织数据知识结构还可以进行知识查询并直观地展示查询结果。基于以上背景,本文将知识图谱技术应用于盾构机的维护知识获取和重用上,开展了面向盾构机智能维护的知识图谱构建研究。希望通过该研究,构建比较合理的盾构机维护知识图谱,并在此基础上进行知识图谱的查询应用,初步实现简单实例问句对应维护方案的智能推荐,使得盾构机的维护更加智能,具体的研究工作如下:(1)完成盾构机维护的本体模型构建。首先对盾构机结构进行分解来构建盾构机的机械结构模型。然后利用七步法并结合盾构机的维护知识构建盾构机维护的本体模型,主要步骤包括明确本体领域及范围、分析复用该领域已有本体的可能性、获取领域知识等,通过以上步骤,最终构建完成了盾构机维护的本体模型。(2)盾构机维护的知识图谱构建与存储。若要构建完整的知识图谱,需要将实体与关系填充到构建完成的本体模型中。本文采用基于Bi-LSTM+CRF模型的命名实体识别方法来完成实体识别,通过和其它模型进行对比实验发现该模型实体识别的准确率更高。本文采用基于神经网络与依存句法分析方法进行关系抽取,在特征提取层采用Bi-LSTM模型,同时在其它条件不变的情况下,用其他模型替换该模型进行对比试验,结果表明该模型的准确率更高。本文采用图数据库Neo4j对盾构机维护知识进行存储,最终构建了完整的盾构机维护知识图谱。(3)盾构机维护知识图谱的查询应用。对于知识图谱的查询,首先提取出问句中的语义信息,该过程利用NLPIR进行分词,并采用命名实体识别和关系抽取方法完成语义信息的提取。然后构建盾构机维护的问题模板及对应的Cypher查询语句模板。最后对简单实例问句进行问题模板归类并生成对应的Cypher查询语句,通过查询语句完成盾构机维护知识图谱的查询。该查询过程实现了简单实例问句对应维护方案的智能推荐,并间接验证了盾构机维护知识图谱构建的合理性。
基于知识图谱的医疗专家系统
这是一篇关于知识图谱,命名实体识别,关系抽取,图数据库,知识图谱可视化,语义搜索,问答系统的论文, 主要内容为随着互联网的发展,互联网医疗科普搜索需求急剧增加,但互联网上现有的医疗科普网站不仅导航过于专业,让普通用户无法快速找到所需的内容,而且缺乏针对性,无法根据用户的不同问题给出针对性的回答。为了缓解这一矛盾,基于知识图谱技术,本文设计并开发了一种基于知识图谱的医疗专家辅助系统,通过运用自然语言处理相关技术,对医疗电子病历中的自有文本提取知识,构建知识图谱;在知识图谱基础上运用语义搜索和问答系统相关技术,提供医疗语义搜索和医疗智能问答服务。使得本系统可以直接理解用户的意图,用户不用在专业网站中寻找自己所需的信息;同时可以根据用户的不同输入做出针对性的回答。本文的贡献有:1)设计并实现了针对非结构化数据的医疗知识图谱构建系统,从命名实体识别、关系抽取和知识融合三个方面进行了详述。2)设计并实现了基于知识图谱的医疗语义搜索和问答模型,从问答数据集构建、算法选择和结果展示三个方面进行了详述。3)设计并实现了基于知识图谱的医疗问答系统,提供医疗命名实体识别、医疗关系抽取、知识图谱可视化、医疗语义搜索和医疗智能问答服务。
面向智能家庭的多源能源管理知识图谱构建研究
这是一篇关于知识图谱,实体抽取,关系抽取,Neo4j,图数据库的论文, 主要内容为推崇自动化、智能化的当下,各行各业夜以继日的工作产生着数以亿计的数据量。为了提高行业数据的有效利用,对于人工智能与特定领域的结合的研究成了新的前进方向。语义互联热度居高不下的时代,知识图谱以其自身出色的语义表达能力,以及知识存储和推理的能力,有效解决了数据的知识化组织和智能应用。而知识图谱的构建应用相关的技术也成为学者们热衷的研究内容。全球化石能源的储量有限,以及化石能源污染环境和影响气候的问题,使得人类的可持续发展之路异常艰难。开发与利用可再生能源以降低化石能源消耗配比是实现社会绿色健康发展的有效途径。智能电网发展的大背景下,催生了电力用户保证自身用电需求前提下通过调度电力辅助解决电力需求获得利润的行为。城乡居民作为电力用户不容忽视的一部分,居民侧分布式可再生能源发电可使居民侧实现与电网的高效互动,并且可再生能源的利用率也随之大大提高。家庭能源管理系统将家庭与智能电网连接起来,并通过将能源需求引导到非高峰时段和提高能源节约来增加可再生能源的整体使用。但是,家庭用电每天产生的海量系统相关数据所蕴含的有效信息并未得到完善挖掘利用,造成数据资源的浪费。知识图谱强大的知识表达能力和存储推理能力为这一问题提供了解决的方向。本课题面向智能家庭构建能源管理的知识图谱,研究内容涵盖知识图谱构建和电力领域专业知识,具体包括以下几个方面:(1)对于知识图谱构建研究的知识抽取部分,首先设计使用结合BERT与Bi GRU-Attention-CRF模型完成对电力实体的识别任务。引入BERT模型生成顾及上下文信息的高质量词向量表征,采用双向门控单元-注意力机制-条件随机场(BiGRU-Attention-CRF)对前一层输出的语义编码进行序列标注与解码。通过该模型及使用频率较高的几种模型同时在本课题所设计数据集及MSRA数据集上实验对比结果证明,该模型对于实体抽取的任务完成效果较好。电力知识抽取结果的校正参照电网行业名词规范、电力系统专业表述和中文实体分类标准等内容。另外提出使用基于多类关系注意力机制的关系抽取模型,以远程监督多示例学习的思想为出发点,减少模型对人工标注的依赖。通过与其他几种模型的对比实验验证了模型的效果。(2)在知识存储部分,本课题综合多方面原因选定Neo4j进行知识图谱的存储。本文基于电力知识抽取任务获取到的由实体和实体关系组成的三元组数据,在此抽取好的内容基础上进行三元组的知识融合,对实体同义词挖掘,开展歧义实体区分、同义实体共指消解等工作。融合后的知识三元组存入选定的Neo4j中完成最后的知识图谱绘及存储,涵盖了电力实体、实体属性及实体间的关联等内容。另外语言Cypher可查询验证知识图谱内容,同时Neo4j的可视化平台可完成知识图谱的展示。(3)为实现知识图谱的有效使用,本文还在构建好的知识图谱基础上采用B/S模型架构,实现了一个与Neo4j数据库连接的知识平台系统,将数据库中匹配的结果返回到知识平台页面,最终通过对系统的测试,完成基于知识图谱的知识平台的构建。
基于知识图谱的在线教学资源库智能化改造关键技术研究与实现
这是一篇关于知识图谱,图数据库,数据库转换,实体链接的论文, 主要内容为规模化的个性化学习需求,使得智能化的自适应学习系统研究与构建成为一个热点问题,其核心是需要完成学习资源的智能化组织和学习服务的个性化推荐。就学习资源的智能化组织而言,由于近年来各级政府和教育部门投资产生的海量数字教育资源的存在,为充分发挥数字教学资源的效益,对其开展智能化改造则成为智能化学习资源建设的重要途径之一。另一方面,为实现自适应个性化学习的资源结构化组织,需要使用知识图谱对其结构化,但在工程实现上仍以手工构建的方式为主。因此,使用智能化的方法实现对现存资源的知识图谱构建则成为一个重要的关键技术问题。本文首先利用数据库转换技术,并设计针对属性图数据模型的映射方法,完成原来的关系型教学资源数据库向图数据结构的转变,实现基于知识图谱的教学资源语义化组织。在知识图谱的构建过程中,利用基于实体链接技术的教学资源与知识点自动化关联模型,通过分析教学资源的字幕文本数据,识别出文本内容中隐含的知识点词汇,将其链接至知识点库中相应的知识节点上,构建知识点与教学资源间的关联关系,从而能够依托知识点实现细粒度的教学资源组织。在上述研究和设计的基础上,设计和实现教学资源库智能化改造原型系统,集成ETL数据库转换模块、知识资源自动化关联模块和知识资源关联可视化管理模块等功能模块。实验证明,本文所实现的教学资源库智能化改造系统技术路线可行,功能基本达到了需求目标,可应用于大规模的在线教学资源库智能化改造,形成包含有教育资源之间、教育资源与知识点之间关联关系的知识图谱,为自适应个性化学习系统实现提供底层支撑。
面向可视化的数据模型质量分析系统
这是一篇关于知识图谱,可视化图表,图数据库,数据质量分析的论文, 主要内容为随着我国进入人、物、网络紧密互通的大数据时代,各行各业的人员结合大数据根据业务需求通过自主构建数据模型,以可视化图表方式展示数据汇总分析的结果。然而数据模型所使用基础数据的质量是支撑做出准确决策的基础,如果缺失了准确的数据,最终的结果实属让人难以信服。因此需要关注数据质量问题,向用户提供决策的时候,能够确信使用的数据安全可靠。基于上述的大环境需求,本文将设计与实现一套面向可视化的数据模型质量分析系统。本系统的核心是实现数据模型的质量管理。首先通过溯源信息功能用来管理数据对象之间的关联关系,同时为模型相似性分析和指标规约分析提供技术支撑。接着从数据模型的相关性维度进行相似性分析,从指标的规范性维度进行指标的相似性分析,并且将相似的指标进行规约,然后通过对基础数据表的数据更新变化进行数据表的质量分析,最后将数据表分析得出的数据质量指数、指标相似性分析得出的规范指数和模型的相似度指数作为综合评定因素进行数据模型的质量分析。前端主要用到Echarts,知识图谱三元组的形式进行数据的展示。后端采用Java语言进行系统的编写,框架搭建使用Spring Boot,数据库分别使用了关系型数据库MySQL和图数据库HugeGraph。本系统主要分为五个功能模块:元数据管理模块、溯源信息管理、模型相似性分析、指标规约分析和质量分析。最后对系统功能进行页面展示和相关功能测试。本系统通过简洁直观的可视化界面设计,显示数据的同时分析数据来源的可靠性。系统结合当下热门的机器学习和深度学习,将算法理论与系统实际开发进行紧密结合。
面向医学影像智能化诊断的胸片三层结构模型读片知识图谱研究
这是一篇关于智慧医疗,读片知识图谱,三层结构模型,医学影像,图数据库的论文, 主要内容为1目的为了提升医学影像诊断效率和报告规范性,本研究通过模拟医生的读片思路,提出并构建基于三层结构模型的读片知识图谱,将其应用到医学影像智能化诊断的任务中,提升检查报告书写效率、规范性和可解释性,减轻医生的负担,并为医学影像智能化诊断研究的瓶颈问题提出新思路。2方法(1)三层结构模型读片知识图谱的提出和构建本文为了提升智能化诊断的准确性与可解释性,吸取知识图谱图谱参与生成检查报告的经验,增加了病变位置,并且细化了病变特征,从而提出了一种新的知识表达方法,即“病变区域-病变特征-细节特征”三层结构模型读片知识图谱(Radiologic Interpretation Knowledge Graph,RIKG),该方法的提出,重新梳理并细化了专业医学知识,使其表达更加清晰,更加全面。(2)诊断报告生成检查所见的规范化生成,是通过算法分析医学图像,结合读片知识图谱的内容得到结构化的标签,利用设计的规则调用接口,将结构化数据与Neo4j图数据库中的图谱节点进行交互得到规范化检查所见。检查印象生成,我们将规范化检查所见和原始检查印象作为训练数据,并将数据集按照7:2:1的比例划分数据集,再通过检查印象生成模型预测生成结果。结合规范化检查所见和生成的检查印象即可得到一份具有规范性检查报告。3结果在规范化检查所见生成的结果中:对随机抽取的1200条数据,经由专业影像科医生,对其准确性和流畅性进行评价。准确性评价中“合格”的数据占比100%;流畅性评价中“合格”的数据占比99%,“不合格”的数据占比1%。在检查印象生成的结果中,随机抽取300条,经由影像科医生对其的准确性进行评价。其中“合格”数据占比61.34%,“不合格”的数据占比38.66%。4结论本文提出基于三层结构模型的读片知识图谱,将其应用到医学影像智能化诊断任务中,并通过专家在实际应用中对结果进行评价。结果证明了以知识图谱为驱动的智能化诊断研究,提升了诊断结果的专业性、准确性与可解释性,在一定程度上可以为临床医生提供较为专业的辅助决策,并为其落地应用进行了有效的探索。
基于知识图谱的电网新设备启动方案智能编制
这是一篇关于电网新设备启动方案,知识图谱,图编辑距离,最大公共边子图,图数据库的论文, 主要内容为电网新设备投运是电力系统运行管理的重要工作。随着国家经济水平的不断提高,电力系统规模不断扩大,电网新设备启动方案编制工作繁重。依赖专家经验的方法难以在短时间内准确高效地编制大量电网新设备启动方案。本文依托于知识图谱技术,旨在构建以电网拓扑编辑距离和最大公共边子图为核心的电网新设备启动方案智能编制模型,实现启动方案智能编制。针对新设备启动方案为非结构化数据,无法直接利用的问题,本文首先提出基于多分类双向长短期记忆网络-条件随机场模型的电网新设备启动方案结构化数据模型。该模型利用电网新设备启动方案文本规则性,提高了电网新设备启动方案命名实体识别准确率。然后构建电网新设备启动方案结构化数据模型,将已标注的电网新设备启动方案文本转换为结构化数据表,从而为构建电网新设备启动方案知识图谱提供数据基础。历史启动方案中的先验知识对于智能编制新设备启动方案具有重要意义,本文构建基于RDFS的电网新设备启动方案知识表示框架,并通过电网新设备启动方案知识图谱数据库模型,将启动方案知识图谱存储在Neo4j图数据库中。为搜索启动方案知识图谱库中相似电网拓扑,本文提出基于电网拓扑编辑距离的相似度比较模型,通过定义电网拓扑编辑距离准确判断电网拓扑间的相似度。然后针对求解精确电网拓扑编辑距离耗时较长的问题,提出基于反时限交互式深度优先算法的电网拓扑编辑距离求解模型,提高了电网拓扑相似度排序求解效率。最后,本文提出电网新设备启动方案智能编制模型。为搜索电网拓扑中具体设备对应关系,定义电网拓扑最大公共边子图。通过整数规划方法,将电网拓扑图搜索问题转换为数学优化问题,降低了求解难度。继而利用电网拓扑最大公共边子图和电网拓扑相似度排序,实现电网新设备启动方案智能编制。本文以编制某省新建220k V变电站的启动方案为例,验证了模型可靠性,为运行人员智能编制新设备启动方案提供参考。
转子系统故障的图谱辅助决策方法
这是一篇关于故障诊断,降维,知识图谱,图数据库,.NET的论文, 主要内容为在旋转机械必须向优质高效运行方向发展的大背景需求指引下,机械装备日趋大型化、复杂化与智能化,其产生的状态数据也呈指数增长,这给目前进行振动信号分析的故障诊断方法带来了巨大困扰,因为海量的数据中夹杂着大量的冗余信息。这种单一地依靠振动信号来辨识故障模式的诊断手段对振动故障数据集有着较高的要求,同时在智能化的人机交互研究上也迟迟未能有重大突破。一个主要问题是我们人类更容易接受和理解文本数据,而不是一堆看不出规律的数字。这种现象更深层次地表现在故障诊断软件的设计上,通俗地讲就是目前大部分故障诊断软件只能依靠故障数据实现故障辨识功能,对于人们期望的具有故障决策功能的智能化系统还停留在理论层面。值得注意的是在其他领域,研究人员利用知识图谱技术实现了人机交互的革命性突破。基于上述缘由,本论文在研究降维算法得到故障辨识结果的基础上,将知识图谱模型应用于转子故障模式辨识的可视化及辅助决策领域,主要工作概况基本如下:(1)针对旋转机械高维故障数据集中特征属性冗余导致的故障分类困难问题,提出一种局部Fisher主成分判别分析(LFPCDA)的故障数据集降维方法。该方法利用Laplacian得分算法过滤高维故障特征集中的冗余特征,又将主成分计算融入局部Fisher判别分析(LFDA)中,可自适应地选取出最能反映故障本质的主成分来构成投影矩阵,使用双跨转子实验台模拟的转子故障数据集证明了所提算法具有剔除冗余特征属性与提高故障分类准确率的效果,并验证了其可靠性与泛化性。(2)针对神经网络模型对故障识别过程具有“黑箱”特点的问题,构建了转子故障数据与故障机理图谱,该图谱清晰地展现了各类故障之间的内在联系,可供操作人员追溯设备故障根源与设备维护方向。(3)针对先进转子故障诊断技术难以应用到实际工程问题,开发一种基于.NET的转子故障诊断及辅助决策的桌面应用程序,该程序嵌入本文所提LFPCDA数据降维算法与转子故障图谱。该程序包含转子故障辨识模块与故障辅助决策模块,使用双跨转子实验台模拟的转子故障数据集验证了该程序的可行性。
基于知识图谱的骨科康复医疗领域的问答系统
这是一篇关于知识图谱,问答系统,图数据库,骨科康复的论文, 主要内容为随着互联网和人工智能的发展,设计智能化专家系统,实现网上自动寻诊,成为互联网智慧远程医院的一个发展方向。本论文的目标是设计一个基于知识图谱的医学自动问答系统,帮助人们更有效的获取以骨科康复为主的医疗健康知识。由于图数据库Neo4j的易操作、速度快、可视化等特点,我们利用Neo4j建立知识图谱。我们通过互联网采集半结构化数据、对书籍归纳整理和咨询医生三种方式采集数据,其中由于互联网采集方式速度快、数据量大等特点,主要采取此种方式。我们用基于Scrapy框架的python网络爬虫抓取网络上的各种医学信息,特别是针对骨科康复治疗知识进行系统抓取,将这些医学数据通过数据清洗,整合成以疾病为中心的结构化知识,存入图数据库Neo4j中,该知识图谱共有七类约9.6万实体节点,十类约109万的关系量级以及九类属性类型。问答系统则以中文分词、实体识别、语义识别、关键词匹配等方式实现。同时,为减少错别字对答案查询的影响,借鉴中文分词中的双向最大匹配算法来执行模糊查询。骨科康复是各类骨伤病整体治疗方案中不可缺少的环节,对于术前准备和术后恢复相当重要,而现阶段对于此类的研究却相对较少。因此我们在知识图谱构建中,重点加入骨科康复治疗的系统化知识,形成一个以一般医学知识为背景,骨科康复治疗疾病知识为主要内容,可进行专业化深入查询的问答系统,为骨科康复的互联网远程诊疗打下基础。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码向导 ，原文地址：https://bishedaima.com/lunwen/46205.html
