面向事实问答系统的推理关键技术研究
这是一篇关于事实问答系统,常识推理问答,知识推理,KGALBERT,知识图谱的论文, 主要内容为受益于计算机软硬件日新月异的发展以及数据的爆炸性增长,基于深度神经网络的自然语言处理技术,已经在信息检索、机器问答等领域得到了广泛的应用,并取得了良好的效果。目前的智能问答技术已经超越传统问答系统在多个问答任务数据集上的表现,但现有的智能问答仍主要基于数据来计算答案的匹配程度,对知识以及常识的应用相对还比较匮乏。基于此,本论文开展面向事实问答系统的推理关键技术研究。事实类问题具有准确的、基于客观事实的答案。提升解答事实类问题所需的常识推理能力是研究的难点。本论文基于预训练语言模型设计并实现事实问答系统。通过增强预训练模型常识语义理解、增加与改善知识来源等方法来提高系统的常识推理能力,进而提升事实问答系统在常识推理问答数据集上的表现。本论文的研究工作如下:(1)提出了一种利用开放语料增强常识语义的方法。首先对词典英文定义语料进行分析,确定该语料中问题与回答单词存在共现关系。然后提出了一种开放语料的获取筛选方法,该方法结合推荐引擎和Elastic Search模糊搜索补充单词定义缺失问题,并筛选排除了无益于常识语义增强的部分语料。最后,基于预训练模型ALBERT,论文设计并实现了融合开放语料的常识推理事实问答系统,通过实验分析验证了增强常识语义的有效性。(2)提出了一种利用预训练模型进行知识图谱补全的方法。知识图谱的不完备性削弱了其作为问答系统知识来源的优势。为改善知识来源,本论文提出了一种实体预测模型KGALBERT,利用实体描述中的语义信息提升模型的泛化能力。经过多个数据集进行实验验证,证明该模型能够有效改善知识图谱不完备性。(3)提出了一种利用知识图谱提升事实问答系统常识推理能力的方法。首先,提出了一种面向Concept Net知识图谱的知识选择方法。该方法基于置信度为常识问答数据集提供最相关的Concept Net常识三元组。同时,提出了一种基于KGALBERT的Concept Net实体预测方法,补充了Concept Net的常识性知识。最后,基于预训练模型,论文设计并实现了融合知识图谱的事实问答模型。实验结果表明,相比其他模型,该方法能更有效地利用知识图谱进行常识推理。
基于知识图谱的船用柴油机关键件智能数控编程技术研究
这是一篇关于船用柴油机,数控编程,知识图谱,知识推理,语义规则的论文, 主要内容为数控编程作为产品设计制造的重要一环,其编程效率与编程质量往往直接影响零件实际加工合格率和生产周期。船用柴油机关键件作为船舶动力机构的关键组成部分,其结构特征复杂、数控工艺步骤繁琐,然而大量的工艺文档和数控编程信息却得不到合理的储存和管理,导致无法深入挖掘企业案例中的知识;同时传统数控编程方法效率低下,过于依赖专业编程人员。如何进行知识建模和管理数据、挖掘案例经验成为了企业实现智能制造核心问题之一。为了实现数控编程领域的知识建模和数据管理,提高数控编程智能化程度,本课题以知识图谱技术为核心,围绕船用柴油机关键件,开展了数控编程知识图谱构建技术与知识推理技术的研究,并开发了船用柴油机关键件的智能数控编程系统。主要的研究内容如下:(1)数控编程领域知识的分类。通过分析现有的数控编程案例,提取数控编程过程中所有相关的信息,构建CAM信息模型,同时对CAM信息模型中的知识进行分析和归类,为数控编程知识图谱构建奠定基础。(2)面向数控编程领域的知识图谱构建技术研究。将数控编程知识图谱的本体模型分为多个单一概念的本体模型,通过对象属性和属性类型详细描述单一概念的本体模型,以加工工步为桥梁,利用对象关系连接各个单一概念的本体模型,从而构建出知识图谱模式层。基于随机森林算法提取CAM模板,将非结构化的编程文件转化为可复用的结构化数据;然后利用短文本相似度计算进行知识融合,规范数据库中的术语;运用映射协议实现数据的三元组形式转化,最后确定数据储存方式,建立映射规则储存三元组数据,完成知识图谱数据层的构建。(3)基于混合推理的智能数控编程生成技术研究。以知识图谱本体模型为基础,利用SWRL语言描述语义型知识和简单的数值型知识,构建SWRL规则,为知识图谱扩展了推理能力。针对复杂的数值型知识,运用改进的BP神经网络学习历史经验,构建了预测模型,实现了复杂数值型知识的推理。从工艺信息模型快速提取输入信息,结合两种知识推理方法,智能化地生成数控编程参数及刀轨,通过VERICUT仿真软件进行刀轨验证和优化。(4)船用柴油机关键件智能数控编程系统开发。基于上述的技术研究成果作为理论基础,根据企业的需求设计了智能数控编程系统,开发了知识管理、数控编程等模块,并通过实例验证了系统的可行性。
基于本体的徽派建筑知识图谱构建研究
这是一篇关于徽派建筑,本体,知识图谱,SWRL,知识推理的论文, 主要内容为近年来,随着互联网技术的快速发展,信息技术的迅速兴起,网络中的数据量呈指数式增长,数据也更加多源异构。在此背景下,知识图谱应运而生。与通用知识图谱相比,特定领域的知识图谱在知识的深度和完整性、结构的严格性以及数据的可靠性等方面更具优势,可用于进行各种复杂的数据辅助分析和相关领域的决策支持。在特定领域知识图谱构建过程中,本体建模技术是最常用的知识图谱构建方法。通过对徽派建筑领域知识的研究分析,发现其形式多样且多源异构。因此,为了有效地组织和管理徽派建筑领域知识,实现徽派建筑的保护利用以及徽文化传承,本文在对知识图谱构建技术研究分析的基础上,以构建徽派建筑领域知识图谱为依托,对本体建模技术和知识推理方法进行了深入研究。具体工作内容如下所示:(1)徽派建筑知识图谱构建方法知识图谱分为模式层和概念层,本文利用本体建模技术构建出徽派建筑知识图谱的模式层。通过对常用本体构建方法进行详细地对比分析,对“七步法”进行改进,加入“骨架法”的本体评价标准,结合徽派建筑领域知识的特点,提出了适用于徽派建筑领域的知识本体构建框架。首先,通过对徽派建筑知识搜集整理,提取出徽派建筑领域的专业术语,将提取的术语进行抽象化,构建出徽派建筑本体的概念类和实例属性。利用本体建模工具protégé对概念类逐层细分形成徽派建筑本体的概念层次结构。然后,定义徽派建筑的对象属性和数据属性,构建出本体中概念类之间或实例之间的限定关系。紧接着,对所构建的本体进行一致性检验,识别概念类之间的属性关系是否存在逻辑冲突。然后,对徽派建筑本体进行实例化,完成徽派建筑知识图谱数据层的构建。最后,采用图数据库Neo4j实现徽派建筑知识图谱的存储和可视化。(2)徽派建筑知识推理针对初步构建的徽派建筑知识图谱存在知识不全的问题,本文利用基于产生式规则的知识推理方法,对构建的徽派建筑知识图谱进行了扩展和补全。通过对徽派建筑领域知识特点的研究与分析,基于SWRL规则语言构建出一套适用于徽派建筑知识推理的规则集。利用Jena推理机的模式匹配算法完成了从已知的徽派建筑知识推出未知的隐含信息的推理任务,实现了对初始徽派建筑知识图谱的扩展和补全。最后,通过徽派建筑数据实例展示了推理引擎中推理模块的运行过程。图[36]表[16]参[68]
基于目标检测和知识图谱的古文字识别研究
这是一篇关于目标检测,古文字检测,知识图谱,位置关系判定,注意力机制,特征融合,知识推理的论文, 主要内容为古文字是历史研究的重要材料,它们历史悠久,在汉字的发展过程当中起到了重要的作用。古文字的识别一直以来都是研究者们致力研究的问题。虽然现代技术和方法不断进步,但是在古文字识别方面,长尾效应、样本量不足和字形复杂等多种问题仍然存在,这些问题给古文字识别带来了诸多挑战。多数研究主要采用深度学习的分类算法或检测算法对于古文字进行识别,然而这些研究都忽略了以下问题:(1)古文字字形复杂,字符之间差异较大,字符之间缺少联系的同时缺乏对于共同特征的探索。此外,组成古文字的部件之间粘连重合较多,基于普通深度学习的检测或者分类方法均难以取得理想的准确率;(2)由于古文字距离现代久远,大多字符有且仅有一张图片,样本量不均衡导致长尾效应问题严重,同时部分古文字知识库构建不完善,许多字体没有与现代汉字相对应的字体以及相应的文字信息。为了解决上述问题,本文提出了集目标检测和知识图谱于一体的网络框架,并主要在甲骨文拓片上研究古文字部件识别,字符识别和知识库构建等问题,本文的主要研究内容和贡献如下:1.本文首先构建了一个全面的甲骨文检测数据集。针对古文字字符间联系较少和共同特征不明显等问题,本文将字符识别问题转化为细粒度部件识别问题,提出了一个用于古文字部件识别的检测网络。结合甲骨文数据集的特点,本文提出了部件注意力模块(Radical Attention Block,RAB),增强对于甲骨文部件特征的提取。通过对比了不同先进的注意力机制模型后,选取SE(Squeeze and Excitation)注意力机制加入网络当中,缓解甲骨文字符中部件粘连,重叠等问题。在已有的金字塔网络基础上,改进特征融合网络为自适应尺度特征融合网络(Adaptively Spatial Feature Fusion,ASFF),有效的融合模型不同尺度的特征图。在损失函数和非极大值抑制方面,使用SIOU损失函数和SIOU-NMS非极大值抑制算法替换原有的损失函数和非极大值抑制算法。此外,本文提出了一个轻量级的检测网络应用于移动端等场景。通过大量的对比实验表明,本文提出的方法对于部件识别具有很好的效果,全面提升了甲骨文部件识别的性能,增强了字符之间的联系,为后续的甲骨文字符识别提供了良好的基础。2.针对甲骨文数据集长尾效应问题,本文提出了集目标检测和知识图谱一体的网络结构(Knowledge Graph Oracle Recognition,KGOR),以此提升甲骨文字符识别数目。整个网络模型由三部分组成,包含部件检测模块,位置关系判定模块以及知识图谱推理模块。针对甲骨文知识库不完善的问题,本文基于甲骨文已有的文字信息构建了一个全面甲骨文知识图谱,并提出了一个位置关系判定模块,该模块以位置坐标和检测出的部件作为输入,以甲骨文文字的结构作为输出。最后利用部件和文字结构等其他文字信息,结合知识图谱推理得出所识别的字符。通过实验发现,本文提出的网络模型相较于其他甲骨文分类模型效果提升明显。对于未释的甲骨文图片,本文的方法能够构建出甲骨文所对应的现代汉字字体。本文对于甲骨文知识库的保护和其他古文字的研究起到了一定的推动作用。
物联网能力知识模型与知识图谱推理的研究与实现
这是一篇关于知识图谱,物联网,知识推理,物体能力,潜在概率的论文, 主要内容为随着物联网技术在信息时代的迅速发展,与其相关联的研究和应用也正在进行中。物联网中的物体都具有各自相对应的能力,并且这些能力之间也存在一定的关联关系。为了更加全面深入地了解物联网中的能力,本课题引入了在语义理解方面有很强能力的知识图谱技术。本文首先根据物联网领域的特点提出了一种基于物联网中物体能力的知识模型的构建方法。在知识模型的实际构建中使用以自顶向下为主,自底向上为辅的联合构建方法,并利用网络爬虫技术实现数据层的构建。然后本文研究并实现了一种基于关系路径的负三元组潜在正确概率的知识推理算法,并针对基于关系路径的负三元组潜在正确概率生成算法已知的问题提出了线性平滑潜在正确概率和动态变换潜在正确概率两种解决思路。通过在FB15k、FB15k-237、WN18、WN18RR四个公共数据集和本文构建的基于物联网中物体能力的知识图谱数据集上的实验证明,计算知识图谱中负三元组的潜在正确概率并引入到后续的计算中,可以提高知识推理算法在链接预测任务的Mean Rank和Hits@10两个评价标准上的表现。最后本文设计并实现了一个包含用户管理、知识图谱管理、知识图谱可视化、数据编辑、知识推理等功能的物联网能力知识管理及展示的原型系统。系统采用Neo4j图形数据库作为数据底层存储工具,使用Bootstrap框架和Spring Boot框架完成系统前后台搭建,并利用d3.js可视化JavaScript库来实现知识图谱的可视化功能。
基于情景元知识推理的多源网络舆情事件智能监管
这是一篇关于事件情景元,事件监管,舆情治理,知识推理,命名实体的论文, 主要内容为互联网生态发展迅速,网络平台凭借其强大的即时交互能力,已成为最广泛、最活跃的舆论场。网络舆情事件是现实事件的舆情在网络上的映射,具有复杂性、隐蔽性、多样性特征,网络舆情事件的监管采用原有基于应急管理学逻辑的人工治理难以应对。如何在多源海量数据中有效识别、评估、治理舆情事件,是当前研究热点之一。针对上述问题,结合应急管理学理论,本文提出一种基于情景元知识推理的多源网络舆情事件智能监管系统,从舆情事件的情景识别、风险评估与智能治理着手,具体如下:第一,针对具有复杂、隐蔽、多样等特征的舆情事件难以融合、理解与研判的问题,本文设计并实现了基于舆情事件情景元的中文命名实体识别模型。该模型结合情景理论与知识元理论构建“网络舆情事件情景元”,基于此训练并调整了 BERT-BiLSTM-CRF中文命名实体模型,最后通过对比实验验证其相对其他模型具有比较优势。第二,针对缺乏舆情事件动态情景下有体系的、可量化的风险评估的问题,本文设计并实现了舆情事件风险评估模型。构建事件风险评估知识库,引入BERT中文预训练模型实现对事件该情境下的具体类别划分,并通过对比实验验证其有效。第三,针对舆情事件监管智能化闭环的实现问题,本文设计并实现了舆情事件治理参考方案生成模型。基于应急管理理论和舆情治理先验知识,构建网络舆情事件治理知识库,包含事件信息库和治理策略库两部分内容,结合情景元特征要素引入案例推理技术,实现对当前事件治理参考方案的生成,并通过实例验证该模型可行性。第四,整合上述三个模型,设计并实现了基于情景元知识推理的多源网络舆情事件智能监管系统,涵盖事件情景识别展示、事件风险评估、事件治理参考方案生成等事件监管治理全流程。综上,本文提出的识别、评估、治理方法能够有效、完整地实现网络舆情事件监管与治理闭环,为舆情治理者提供智能化有效治理支撑。
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：源码码头网 ，原文地址：https://bishedaima.com/lunwen/46384.html
