分享5篇关于知识查询的计算机专业论文

今天分享的是关于知识查询的5篇计算机毕业论文范文, 如果你的论文涉及到知识查询等主题,本文能够帮助到你

基于Neo4j的煤矿领域知识图谱构建及查询方法研究

这是一篇关于煤矿安全,知识图谱,知识查询,Neo4j,朴素贝叶斯的论文, 主要内容为随着矿山信息化的迅速发展,以物联网、云计算、移动通信、人工智能为代表的新一代信息技术已在煤矿领域得到了广泛地应用。尽管科技的创新与普及推动着煤矿建设稳步前进,但对煤矿领域中分布广泛、关系复杂的数据信息如何进行统一管理和准确查询仍然是一个难以解决的问题。因此将知识图谱技术创新性地引入煤矿领域,通过图的形式直观地描述各类数据信息及其之间的关系,优化信息查询的准确性和高效性。本文主要基于煤矿学科知识构建煤矿领域知识图谱,利用图数据库Neo4j改善知识图谱存储方式,同时提出了精准快速的智能查询方法,为煤矿领域知识图谱构建及智能化应用做了有益探索。具体研究内容如下:(1)构建煤矿领域知识图谱。首先分析了煤矿学科知识的结构特点,对领域内的实体和关系划分类型,提出煤矿知识库的模型结构。随后基于当前主流图谱构建方法,改进并设计了符合煤矿知识特性的知识图谱构建方法。然后引入基于BiLSTM-CRF改进的网格结构模型Lattice-LSTM进行煤矿领域知识抽取。最后为了弥补关系数据库存储知识的缺陷,使用图数据库Neo4j以属性图形式储存煤矿知识图谱。实验结果表明,Lattice-LSTM模型能够利用显性的词信息有效提高实体识别性能和分词精度,完成煤矿领域内实体关系的抽取。(2)提出一种基于Spark的并行朴素贝叶斯知识查询方法,通过对传统的知识库查询方法分析发现,利用输入待查实体名称的关键字在数据库中进行机械地匹配检索,容易因用户检索词不当而导致查询结果偏差的现象。提出一种基于Spark的朴素贝叶斯分类器来改进知识查询方法,首先预定义煤矿领域内常见问题的表达语句及其特征词作为训练样本;然后借助Spark平台训练问题分类模型;最后,通过查询语句的特征词和分类标签生成Cypher查询语句从Neo4j中搜寻答案。实验结果表明,基于Spark的朴素贝叶斯分类算法能显著地提高模型的训练效率,且保证了问题分类的准确率,提高了煤矿知识图谱查询方法的高能性和多样性。(3)煤矿领域知识图谱系统设计与实现。通过需求分析和架构设计,使用Spring Boot框架完成煤矿领域知识图谱系统搭建,实现了知识管理、知识查询、知识可视化等功能。通过实例说明,该知识图谱系统不仅能对煤矿知识进行修缮和补充,还能准确查询知识并可视化展示,验证了系统的可靠性和实用性。

基于Neo4j的煤矿领域知识图谱构建及查询方法研究

基于知识图谱的输电规程知识查询系统设计

这是一篇关于知识图谱,自然语言处理,关系抽取,命名实体识别,知识查询的论文, 主要内容为架空输电线路规程文本主要用于指导电网工作人员对输电线路的安全维护,规程文档的存储和查询对输电线路安全施工与规范作业具有重要意义。本文基于知识图谱技术,结合自然语言处理与图数据库技术,构建了知识查询系统,实现了规程规范的准确查询。以下是本文的主要工作:(1)根据输电规程文本的特点,采用了自底向上的知识图谱构建方法。首先设计了知识图谱语义关系,然后人工标注了训练数据,为知识图谱构建工作做了前期的准备。在知识图谱构建过程中,采用关系抽取模型进行知识抽取,抽取后的知识经过人工审核后存入图数据库。最终输电规程知识图谱以三元组形式存储在图数据库中,实现了输电规程知识的存储。(2)关系抽取模型用于知识图谱构建过程中的知识抽取,命名实体识别模型用于知识查询过程中查询语句的电力专业术语识别。一方面,通过搭建基于Seq2seq的半指针半标注模型以解决关系抽取中实体边界模糊的问题,实验结果表明该模型在输电规程文本三元组测试集中的F1值为0.8376;另一方面,将基于BERT-Bi LSTM-CRF模型用于命名实体识别,实验结果表明该模型在电力专业术语测试集中的F1值为0.8145。(3)本文创新地提出了三元组查询法用于知识查询,主要在三元组数据集的筛选与排序时采用了一种查询匹配系数算法。一方面,通过与编辑词距等算法对比,证明了查询匹配系数算法更适用于三元组的筛选排序;另一方面,为了验证三元组查询法的优越性,以查准率和查全率为评价指标,实验表明三元组查询法优于节点查询法。(4)在构建完成知识图谱和知识查询系统的基础上,通过Python语言和相关的功能库,完成了输电规程知识查询系统的软件开发。系统实现了知识抽取、图数据导入、知识查询和知识可视化功能。

辅助医疗系统中的知识库构建及应用研究

这是一篇关于慢性病,本体知识库,语义相似度,知识查询的论文, 主要内容为近年来,慢性病位列我国居民疾病谱的首位,慢性病医疗系统出现了蓬勃发展的态势,相应的医疗领域本体知识不断更新,知识量随之骤增。传统的医疗系统缺乏知识查询能力,不能满足医患用户日益增长的知识需求。本研究将零散的慢性病医疗领域知识通过本体工具加以组织和表达,设计了慢性病辅助医疗知识库管理系统,提供了基于语义相似度计算的冗余检测功能和自然语言查询接口。本文主要工作如下:1.设计了慢性病医疗领域本体知识模型。分析医学知识与领域本体之间关系,从领域本体的组织表示和医学知识层次结构确定基于本体的知识建模过程,参照本体构建“七步法”,利用本体组织工具protege,完成慢性病领域本体模型的构建。2.设计了基于概念相似度计算的冗余检测功能。计算待录入知识关键词与本体语义树概念之间的语义相似度,相似度低于系统阀值并且通过审核方可录入知识库系统。综合分析节点深度、节点密度对于语义相似度计算的影响,改进了传统语义树的概念相似度计算方法,并验证了该算法的正确性。3.提供了基于知识库的自然语言查询接口。对用户输入进行自然语言处理,运用正向最大匹配算法将输入语句切分为医学关系词典中的关键词,并实现符号过滤和同义词处理,将最终的关键词与查询字典树逐步匹配并返回知识查询结果。4.设计并实现了慢性病知识库管理系统。系统采用SpringMVC框架,以Jsp为主要前端展示,在后台服务器上实现了知识查询和录入功能。通过分析典型用户输入和可视化结果测试系统的运行效果,验证该系统功能设计的正确性。