基于知识图谱的电网信息搜索引擎的设计与实现

这是一篇关于缺失数据预测,对侧数据,Neo4j图数据库,知识图谱,搜索引擎的论文, 主要内容为着眼于中国的电力发展,从解放初期的蜡烛和煤油灯,到七十年代电灯泡的流行,到现在电视、冰箱、洗衣机的等家用电器的普及,国家飞速发展给我们带来了高质量的物质文化生活,推动了中国电力的快速发展,同时也带来了更多的挑战和考验。如今,随着大数据技术、物联网技术、智能化技术的不断发展,电力行业每天产生的数以亿计的数据量,但并没有得到充分的利用;各地区的电力数据分散管理,电网数据的断层现象也造成数据间的关联性缺失,在进行跨区域电网调度的时候,工作人员无法实时的、准确的获取各地区的电网数据,从而影响下一步的电网调度决策;在调度过程中,电网调度人员如果想获得所需要的信息,需要做多次检索查询人工筛查后才能找到最初想要查询的内容,对工作人员的技能知识要求高。因此,为整体的电网数据搭建一个统一的数据访问平台是提高电网数据利用率和电网调度工作效率的关键一环。针对电网调度全业务数据管理平台的建设这一目标,首先完成数据梳理的工作;其次,将梳理好的数据整合后存入关系数据库中,同时设计电网领域知识图谱,并实现数据转存,生成可视化知识图谱;最后,项目应用落脚于基于电网领域数据知识图谱的搜索引擎设计与实现上,从而完成电网调度全业务数据管理平台建设。本文针对数据处理过程中的传输数据段电量数据预测问题做了预测算法的改进工作,通过对LSTM时序预测算法添加CNN卷积神经网络层提取数据特征,由于某些特殊情况下会导致电量的突变,因此添加修正模块,将联合预测结果与电网对侧数据值加和求均值作为最终预测结果,并通过实验验证了算法的合理性,并降低了预测误差;针对知识图谱的构建问题,本文选择了Neo4j图数据库作为中转库,将设备信息从达梦数据库中抽取出来转存到Neo4j图数据库中已经设计好的节点结构中,并通过业务逻辑完成设备关系的提取和转存,完成知识图谱的构建和展示,实现了电网数据的可视化,将电网内部复杂的关系以图谱的形式更直观的表示出来;为提高项目平台对工作人员的友好性,针对各厂站等设备信息以及设备与设备之间信息的不易获取的现象,设计并实现了电网信息搜索引擎,采用了B/S的模型架构,通过Java编写前端搜索引擎界面,通过输入的查找关键词与后台Neo4j数据库中的节点值进行匹配,将该匹配节点的属性值以及关系度在一度之内的节点核心内容返回,作为此次搜索的结果返回到浏览器,进一步返回给用户,完成此次信息的搜索。该搜索引擎的设计应用可以极大地提高工作人员在获取数据信息这一操作的工作效率,也可以更快速的完成电网的调度。文章最后对项目已完成工作做出总结,也为项目的后续工作做了展望,对项目的下一步研究方向做了进一步的阐述,为项目的后续工作做了一定的推进工作。

基于医疗数据的文本挖掘研究与实现

这是一篇关于糖尿病医学知识图谱,命名实体识别,关系抽取,XLNet,Neo4j图数据库的论文, 主要内容为随着互联网信息技术的突飞猛进,临床医学相关的文本资料数量在网络上激增,医疗文献记载了大量相关研究领域的学术成果,为从事医学研究的科研人员提供了大量有价值的参考。这些医疗文献所记载的知识信息大多是半结构化和非结构化的数据格式,不利于科研人员快速查询所想学习的知识,若采用传统的人工方式去整理信息定会占用人们很多的精力;后来逐渐使用机器学习的方法进行文本挖掘,但是运用浅层模型对文本语句进行向量表示的能力有限,所以导致模型最终的挖掘效果也受到了一定的限制。因此,为了推动医学领域的文本挖掘更进一步迫切需要一种高效的文本挖掘方法。随着近年来硬件设备的升级换代,计算机的性能尤其是算力方面得到很大的改善,加上深度神经网络相关算法的不断提出,学术研究者们在语音识别、图像处理和文本挖掘等任务上运用深度学习相关的算法都取得了不错的研究进展。因此,本研究将以糖尿病为研究对象,利用文本数据挖掘技术中命名实体识别和关系抽取的方法从糖尿病医学文本数据中高效识别并抽取出医疗实体及它们之间的关系,利用图数据库对抽取出的医疗信息进行存储,同时搭建可视化查询系统,成功完成了非结构化文本数据的结构化转变。通过糖尿病知识图谱查询系统的构建可以提高科研人员或医务人员对糖尿病相关知识的查询获取,这对糖尿病的预防和诊治工作提供了巨大的帮助,也为其他领域的文本挖掘研究提供了技术参考。本文主要的研究内容有以下几点:1.提出XLNet-Bi LSTM-Attention-CRF模型对糖尿病相关医学文献进行命名实体识别。首先从文本结构和语言特点的角度对糖尿病相关医学文献进行分析,把命名实体识别任务当作序列标注任务来处理,另外根据模型训练需求构建了糖尿病医学信息语料库。其次,在命名实体识别常用模型Bi LSTM-CRF的基础上,引入预训练模型XLNet对文本语句进行向量化表示,更好地结合上下文的语义信息,充分解决一词多义等问题;通过引入Attention机制,可以让模型对长文本训练语料中的语义特征信息更加充分的提取。通过实验对比,结果表明本研究提出的模型在糖尿病医学文本命名实体识别上优于其他基准模型。2.提出XLNet-Bi GRU-Attention-Text CNN-Softmax模型充分挖掘糖尿病医学文本中医学实体之间存在的关系。首先将糖尿病文本语句输入进XLNet模型,模型利用内部的Transformer-xl模块和相对位置编码机制对文本语句进行编码表示,从而捕捉到更加全面的特征信息;接着采用Bi GRU模型提取上下文特征信息并输入给融合Attention机制的Text CNN模块有选择性的抽取特征;最后,为了优化模型的训练,降低关系类别标签不均产生的影响,本研究选用标签平滑交叉熵作为损失函数进行模型调优。通过设置4种不同关系抽取模型的实验进行比较,验证了该糖尿病关系抽取模型可以获得较高的准确率、召回率和F1值。3.利用Spring Boot框架和Vue框架实现了糖尿病医学知识图谱查询系统的设计与实现。本研究将识别抽取出的15种医学实体和10种医学关系生成csv文件,同时选取合适的数据导入方式将糖尿病知识存放入Neo4j图数据库中。由于图数据库在数据存储、检索和处理等方面上有较强的能力,所以运用Spring Boot框架和Vue框架搭建了糖尿病知识图谱查询系统,该系统的成功搭建可以进一步帮助医疗工作者和科研人员快速便捷的查询糖尿病相关的医学知识并进行可视化分析,对糖尿病的预防、诊治有重要的帮助。

基于知识图谱的高考咨询问答技术研究

这是一篇关于高考咨询,知识图谱,Neo4j图数据库,问答技术,BERT模型的论文, 主要内容为高考是众多高三学子步入大学的一个重要环节,对于学子而言由于高考成绩公布后会立刻进入志愿填报环节,所以迅速了解各大高校以及各个专业的详细情况,了解合适自己的专业,寻找合适自己的院校显得至关重要。但是,如今的网络信息增长迅速,在海量信息中寻找与此相关的信息时难免存在盲目性、耗时性。因此,提升考生及家长了解高校以及专业相关信息的速度和准确度,显得十分重要。而近年来,计算机领域各技术的飞速发展为解决这个问题奠定了良好的基础。如:因中文的自然语言处理技术(NLP)的不断完善而变得更加智能的问答系统,以及2012年被提出的谷歌知识图谱,其以图谱结构存储知识的特点使知识库表达更加简洁、清晰并可提供强大的推理能力。特别是在具体领域,制作领域内知识图谱,可以直观、有效的表达领域内各实体及其间关系。从而,基于知识图谱的高考志愿填报方面的问答式智能咨询有其发展的土壤。其可以使得高考方面信息检索变的更便捷与高效,可以将考生与家长所关心的高校及专业信息以图结构进行存储,以卡片信息形式进行展示,具有更强的直观性。因此,本文对高考咨询领域问答技术的研究着重从作为答案库的知识图谱的制作及考生与家长在咨询时会使用的问句的解析出发进行研究。主要工作有:1.构建高考咨询领域知识图谱所需知识库。运用爬虫技术从多个提供高校录取信息数据的网址及高校官网收集云南省25所本科高校的近3年各专业的录取最底分、平均分、最低位次、录取批次以及录取计划数详情和各院校的招生简章、机构设置。从而形成构建知识图谱所需数据集。2.高考咨询知识图谱的构建。利用获取的相关知识库,提出高考咨询领域知识图谱的模式层构建方案,定义知识图谱节点属性与边关系,并使用Python编程语言调用py2neo连接Neo4j图数据库,将整体知识库按照设计进行存储并展示。3.高考咨询中文问句文本分类模型创新。提出C&W-CNN-BiLSTM-Attention循环神经网络模型构架。基于CNN-BiLSTM-Attention模型,在原模型的基础上进行探索,创新性的在中文高考咨询问句分类领域进行创新,将原模型基于词向量的模式拓展为基于中文句子特点的字、词向量双通道。在原本通过词向量进行语义特征提取的基础上增添字向量分支,使得模型能够更深层次的挖掘中文句子的关键信息。4.高考咨询领域问句实体识别优化。首次使用BERT模型在高考咨询领域问句实体识别任务中与BiLSTM-CRF模型进行融合。形成BERT-BiLSTM-CRF实体识别模型。以BERT模型作为词嵌入方式替代传统Word2vec等方法解决传统Word2vec等词向量无法表征一词多义和考虑上下文语义等局限性。并且以其强大的迁移能力,使命名实体识别任务可以加快词向量训练环节,从而大大节省时间成本。

基于农业病虫害知识图谱的智能问答系统的设计与实现

这是一篇关于农业病虫害智能问答系统,农业病虫害知识图谱,微信小程序,Neo4j图数据库的论文, 主要内容为农业病虫害问题的查询和知识的获取对于农民来说是种植过程中至关重要的部分,但是,农民在病虫害问题咨询上存在咨询专家难、同行交流少的问题,问答系统的出现为农民带来了福音。因此,本文开发了一款基于农业病虫害知识图谱的智能问答系统,该系统通过农业病虫害知识图谱,为用户提供更加准确、便捷与全面的农业病虫害知识问题解答服务。本文围绕农业病虫害智能问答系统的设计与实现开展了如下工作:(1)分析农业病虫害智能问答系统的需求、可行性、层次架构和组成结构。首先,从功能需求和非功能需求分析了该系统的基本功能和影响用户体验的各个因素。然后,从技术和经济两方面判断该系统实现的可行性。最后,从系统的设计原理和功能分析了该系统的层次架构和组成结构,其中,系统的层次架构包括前端层、前后端交互层和服务器层,组成结构包括四个模块,分别为知识图谱模块、人机交互模块、问题理解模块和答案匹配模块。(2)构建了农业病虫害知识图谱。首先,使用网络爬虫技术从病虫害相关网站获取了大量病虫害结构化数据,通过数据清洗,将其整理成“实体-关系-属性”三元组的形式。然后,以Neo4j图数据库为存储媒介,将三元组导入图数据库中构建农业病虫害知识图谱。该知识图谱包含660个农业病虫害实体、1937个关系以及大约4000个相关属性值,其可以清晰地表示实体和属性之间的关系,在数据存储和数据查询两方面具有较大优势。(3)针对传统问答系统问题理解不充分,答案不准确的问题,提出了一种融合中文分词、词性替换、朴素贝叶斯和知识图谱的方法实现该智能问答系统的问题理解与解答功能。首先,对自然语言形式的问题进行分词处理,采用朴素贝叶斯分类算法匹配问题模板,然后,通过词性替换获得问题的抽象化结果。最后,将抽象化结果与Cypher语言相结合,查询相应答案。通过多项技术的结合实现了该系统的主要功能,且其正确回答准确率达到了93%。(4)针对传统后端开发技术代码不整洁、管理不便,前端应用需要下载,使用不便的问题,提出了一种Spring-boot结合微信小程序的系统开发方法。首先,使用Spring-boot完成了智能问答系统后端的开发;然后,使用微信小程序完成了系统的前端开发,实现了清屏、问题提示等功能,并且通过WXML和WXSS语言实现了前端页面的美化。以上两种技术的结合,提高了开发效率,同时降低了用户的使用难度。(5)对该系统做了功能测试和压力测试。首先,将测试问题集依次输入到系统中并将输出与正确答案对比,结果表明该系统的回答正确率达到了93%。然后,模拟多线程并发的环境检验该系统在高访问量情况下所处状态,结果表明,各操作的平均响应时间不到1秒,CPU使用率为75%,内存使用率为68%,可以满足该智能问答系统的正常运行要求。农业病虫害智能问答系统的建立,为广大农民用户提供了一个可以随时查询农业病虫害知识的平台,丰富了农民用户的病虫害防治手段,推动了农业病虫害知识的普及。

基于知识图谱的电网信息搜索引擎的设计与实现

这是一篇关于缺失数据预测,对侧数据,Neo4j图数据库,知识图谱,搜索引擎的论文, 主要内容为着眼于中国的电力发展,从解放初期的蜡烛和煤油灯,到七十年代电灯泡的流行,到现在电视、冰箱、洗衣机的等家用电器的普及,国家飞速发展给我们带来了高质量的物质文化生活,推动了中国电力的快速发展,同时也带来了更多的挑战和考验。如今,随着大数据技术、物联网技术、智能化技术的不断发展,电力行业每天产生的数以亿计的数据量,但并没有得到充分的利用;各地区的电力数据分散管理,电网数据的断层现象也造成数据间的关联性缺失,在进行跨区域电网调度的时候,工作人员无法实时的、准确的获取各地区的电网数据,从而影响下一步的电网调度决策;在调度过程中,电网调度人员如果想获得所需要的信息,需要做多次检索查询人工筛查后才能找到最初想要查询的内容,对工作人员的技能知识要求高。因此,为整体的电网数据搭建一个统一的数据访问平台是提高电网数据利用率和电网调度工作效率的关键一环。针对电网调度全业务数据管理平台的建设这一目标,首先完成数据梳理的工作;其次,将梳理好的数据整合后存入关系数据库中,同时设计电网领域知识图谱,并实现数据转存,生成可视化知识图谱;最后,项目应用落脚于基于电网领域数据知识图谱的搜索引擎设计与实现上,从而完成电网调度全业务数据管理平台建设。本文针对数据处理过程中的传输数据段电量数据预测问题做了预测算法的改进工作,通过对LSTM时序预测算法添加CNN卷积神经网络层提取数据特征,由于某些特殊情况下会导致电量的突变,因此添加修正模块,将联合预测结果与电网对侧数据值加和求均值作为最终预测结果,并通过实验验证了算法的合理性,并降低了预测误差;针对知识图谱的构建问题,本文选择了Neo4j图数据库作为中转库,将设备信息从达梦数据库中抽取出来转存到Neo4j图数据库中已经设计好的节点结构中,并通过业务逻辑完成设备关系的提取和转存,完成知识图谱的构建和展示,实现了电网数据的可视化,将电网内部复杂的关系以图谱的形式更直观的表示出来;为提高项目平台对工作人员的友好性,针对各厂站等设备信息以及设备与设备之间信息的不易获取的现象,设计并实现了电网信息搜索引擎,采用了B/S的模型架构,通过Java编写前端搜索引擎界面,通过输入的查找关键词与后台Neo4j数据库中的节点值进行匹配,将该匹配节点的属性值以及关系度在一度之内的节点核心内容返回,作为此次搜索的结果返回到浏览器,进一步返回给用户,完成此次信息的搜索。该搜索引擎的设计应用可以极大地提高工作人员在获取数据信息这一操作的工作效率,也可以更快速的完成电网的调度。文章最后对项目已完成工作做出总结,也为项目的后续工作做了展望,对项目的下一步研究方向做了进一步的阐述,为项目的后续工作做了一定的推进工作。

基于知识图谱的平面几何推理可视化研究

这是一篇关于知识图谱,自然语言处理,自动解题,平面几何,Neo4j图数据库的论文, 主要内容为知识图谱作为一类重要的科学研究领域,运用图这种基础性、通用性的语言,高保真地演示了各类学科知识演变历程和其结构之间的关系,与各学科领域非结构的文本数据相比,结构化的知识图谱可以一种更加清晰、准确的方式表示人类知识,便于机器读取和应用。目前,在数学几何学习过程中,知识点之间关系的错综复杂、抽象化难以理解是学生普遍反映的问题。如何把知识点进行有效规划,找到一种高效的方法来帮助学生进行有效的理解和学习,是目前教育中面临的最大问题。因此,教育领域的知识图谱越来越受到关注。本论文的研究目标是设计实现一个基于知识图谱的平面几何证明题推理的解题系统。旨在从学习者的角度出发,帮助学生梳理几何推理过程中涉及到的知识点,提升学习效率。主要工作有以下几方面:(1)构建平面几何知识点概念知识图谱。为了解决几何证明题中涉及到的辅助点问题以及保证各种信息的准确性,对从目前广泛使用的人教版初、高中数学科目教材以及网络教辅资料中获取的几何知识采用人工抽取的方式提取实体和关系。人工分析各类几何知识间的从属关系及衍生关系,提取出各种关系并建立实体间的联系,生成概念知识图谱。(2)构建题目知识图谱与实例知识图谱。题目知识图谱的构建涉及到相关辅助点的添加,对题干信息进行分析判断是否需要添加辅助点。若是需要添加相关辅助点,则将添加辅助点后所衍生的辅助信息与题干信息通过自然语言处理提取三元组,生成题目知识图谱;再根据这些已知信息,将解题所需的几何定理规则实例化后自然语言处理提取三元组,生成实例知识图谱。(3)平面几何问题推理系统设计。系统采用三元组图谱匹配的方式进行推理,即对题目知识图谱与实例知识图谱进行三元组的匹配。匹配完成后将对题目知识图谱进行三元组扩充直至出现需要推理的问题三元组,系统解题完毕。完成匹配的前提有:全部实例知识图谱均匹配完成,或出现解题所需的三元组,或是出现超时现象。通过Neo4j图数据库可视化功能对系统推理求解进行可视化展示。采用三元组图谱匹配的方式进行证明题的推理求解更能向使用者简洁明了的展示知识推理的具体过程,呈现出知识间具有的逻辑关系。

基于知识图谱的电网信息搜索引擎的设计与实现

这是一篇关于缺失数据预测,对侧数据,Neo4j图数据库,知识图谱,搜索引擎的论文, 主要内容为着眼于中国的电力发展,从解放初期的蜡烛和煤油灯,到七十年代电灯泡的流行,到现在电视、冰箱、洗衣机的等家用电器的普及,国家飞速发展给我们带来了高质量的物质文化生活,推动了中国电力的快速发展,同时也带来了更多的挑战和考验。如今,随着大数据技术、物联网技术、智能化技术的不断发展,电力行业每天产生的数以亿计的数据量,但并没有得到充分的利用;各地区的电力数据分散管理,电网数据的断层现象也造成数据间的关联性缺失,在进行跨区域电网调度的时候,工作人员无法实时的、准确的获取各地区的电网数据,从而影响下一步的电网调度决策;在调度过程中,电网调度人员如果想获得所需要的信息,需要做多次检索查询人工筛查后才能找到最初想要查询的内容,对工作人员的技能知识要求高。因此,为整体的电网数据搭建一个统一的数据访问平台是提高电网数据利用率和电网调度工作效率的关键一环。针对电网调度全业务数据管理平台的建设这一目标,首先完成数据梳理的工作;其次,将梳理好的数据整合后存入关系数据库中,同时设计电网领域知识图谱,并实现数据转存,生成可视化知识图谱;最后,项目应用落脚于基于电网领域数据知识图谱的搜索引擎设计与实现上,从而完成电网调度全业务数据管理平台建设。本文针对数据处理过程中的传输数据段电量数据预测问题做了预测算法的改进工作,通过对LSTM时序预测算法添加CNN卷积神经网络层提取数据特征,由于某些特殊情况下会导致电量的突变,因此添加修正模块,将联合预测结果与电网对侧数据值加和求均值作为最终预测结果,并通过实验验证了算法的合理性,并降低了预测误差;针对知识图谱的构建问题,本文选择了Neo4j图数据库作为中转库,将设备信息从达梦数据库中抽取出来转存到Neo4j图数据库中已经设计好的节点结构中,并通过业务逻辑完成设备关系的提取和转存,完成知识图谱的构建和展示,实现了电网数据的可视化,将电网内部复杂的关系以图谱的形式更直观的表示出来;为提高项目平台对工作人员的友好性,针对各厂站等设备信息以及设备与设备之间信息的不易获取的现象,设计并实现了电网信息搜索引擎,采用了B/S的模型架构,通过Java编写前端搜索引擎界面,通过输入的查找关键词与后台Neo4j数据库中的节点值进行匹配,将该匹配节点的属性值以及关系度在一度之内的节点核心内容返回,作为此次搜索的结果返回到浏览器,进一步返回给用户,完成此次信息的搜索。该搜索引擎的设计应用可以极大地提高工作人员在获取数据信息这一操作的工作效率,也可以更快速的完成电网的调度。文章最后对项目已完成工作做出总结,也为项目的后续工作做了展望,对项目的下一步研究方向做了进一步的阐述,为项目的后续工作做了一定的推进工作。

基于知识图谱的网络游戏反作弊分析

这是一篇关于网络游戏,关联分析,Neo4j图数据库,知识图谱的论文, 主要内容为网络游戏产业作为一个正在崛起的朝阳产业,兴起于20世纪末。经过近二十年的迅速发展,已逐渐成为中国经济的重要组成部分。但是,网络游戏安全与公平问题已严重阻碍了游戏产业的进一步发展,如何保护游戏安全与公平,维护良好游戏环境,是网络游戏行业迫在眉睫的一项研究课题。传统的反作弊方法试图针对作弊者使用的技术手段进行相应的技术反制,但是效果并不理想。首先,有些作弊方法已非技术手段所能解决,如组织共谋作弊,这种方式可以足够隐蔽而且不破坏游戏规则,从技术上来说几乎无解,当前业内普遍依靠玩家举报-客服处理的方式应对,效率极低而且容易漏判误判;再如网络诈骗,这种现实世界都无法根除的问题在虚拟游戏世界一样无解,除了加强反诈骗宣传别无他法;其次,技术反制手段的推出必然存在一定的滞后性,伤害一经造成往往无法挽回。本文借助深度学习方法,提出一种基于知识图谱的网络游戏反作弊分析技术。其核心思想是:基于本体构建技术制定标准图数据模型并建立图数据库,在用户游戏过程中收集大量用户行为数据,通过对用户行为数据进行关联分析和计算,发现虚拟游戏账号之间的资金流向及现实联系,再辅以其他技术手段,斩断作弊收益的利益输送链条,使作弊成本高企,组织型作弊行为无利可图,从根源上彻底消除作弊动机。本文基于网络游戏用户知识图谱和GRP通用图计算平台,开发了金商关联分析、账号关联分析、作弊监测预警等上层应用,并投入平台运营,极大的缓解了当前运营困境,为后续网络游戏作弊分析提出了一个新的思路。

基于知识图谱的设备隐患管理系统的研究与设计

这是一篇关于设备隐患,知识图谱,知识图谱构建,Neo4j图数据库,知识推理方法,图谱可视化的论文, 主要内容为近年来由于计算机行业的飞速发展,人工智能、大数据等专业名称逐渐成为公众议论的焦点。将人工智能、大数据与传统的各行各业进行结合,早已成为时代的潮流。相比与传统的数据管理方式,它们具有高效、快捷的特点,并且可以快速更新且便于维护。随着工业生产线的自动化、智能化和集成化以及技术水平逐步提高,生产电力设备的机器和电力管理系统也日趋复杂,这就对发电厂内机械设备的维护保障措施提出了更高需求。由于电力装置管理系统是一种融入了计算机、自动控制、测量技术等多学科知识的高技术密集型机电一体化复杂管理系统,单单靠事故表征技术很难迅速地进行事故定位和对事故产生原因的分析,这就大大增加了事故维修时间成本,很大程度降低了电力设备的利用率和日常工作的生产效率;并且电力相关设备多年来来生成的设备隐患历史知识、相关隐患检测专家的建议和实时获取的结构化设备隐患数据无法在行业内实现知识互通,由于关系数据库存在扁平存储形式的缺点,导致了无法即时地对设备隐患间的复杂关系进行有效体现,这导致了设备的隐患排查以及对于设备的维护水平一直还在原地踏步的现状。基于以上的问题本文旨在面向电力设备隐患设计实现设备隐患知识图谱管理系统。主要的研究如下:(1)设备隐患知识图谱构建。通过将电力设备的传统的各个数据库中存储的设备信息相关数据统一获取,并通过ETL的方法抽取、清洗和转换多源数据,实现将分散的数据统一整合起来。通过分析原始数据中的相关字段,采用手工的方式对知识图谱的本体和关系进行定义,最后通过Py2neo中的相关方法将处理过后的数据抽取存入Neo4j图数据库中。(2)设备隐患知识图谱知识推理。通过电力工业领域近年来积累的设备隐患推理的相关经验再结合专家意见,整理生成了 SWRL规则文件。将规则文件连同之前构建的知识图谱一同送入基于Jena框架的推理机中进行推理,将推理生成的设备隐患信息存入图数据库中作为实现设备隐患管理系统的基础。(3)系统功能实现与测试。本文主要采用Django框架进行开发,并且结合前端和后端的开发技术,使用图数据库进行数据的存储。利用Echarts前端可视化技术对设备隐患进行可视化展示,然后利用Neo4j图数据库内的Cypher语言实现对知识图谱内数据的检索和管理功能,最后通过兼容性测试和功能测试对系统进行测试和改进。本文综述了电力设备隐患管理方法,归纳了知识图谱技术的发展,介绍了知识图谱技术在设备隐患分析及管理上的应用,最后对研究现状与发展趋势进行了总结。