基于形式概念分析的气象灾害事件语义理解
这是一篇关于气象灾害,知识图谱,气象灾害本体,形式概念分析,主题检测的论文, 主要内容为在全球变暖的大气候背景下在,局地区域气象灾害频发,日益引起人们的关注。精准的灾情信息,对灾害应急响应至关重要。但是传统气象灾害等观测数据存在数据稀疏性、滞后性以及高成本特性,在社会感知中,每个居民个体都扮演着传感器角色,利用微博等社会感知数据的高分辨特性、泛在性等特性,为探索灾害性天气条件的事件主题与群体时空行为模式提供了新视角。本文以“气象灾害知识图谱—气象灾害本体库构建—灾害事件主题检测”为研究主线,依次开展了基于知识图谱方法的气象灾害研究热点与趋势分析;基于现行气象灾害国家标准和气象行业标准构建了气象灾害本体;最后,运用形式概念分析的方法(Formal ConceptAnalysis,简称FCA)对一次暴雨天气过程采集的社交媒体数据进行主题提取,为公众有效理解解灾情信息与公众关注热点提供支持。主要研究内容如下:(1)通过气象灾害知识图谱探究本领域前沿,发现对突发气象灾害下居民感知提取是热点研究方向之一,通过对气象灾害标准进行形式化描述,构建气象灾害领域本体,有助于计算机对气象灾害进行分类和理解。对社交媒体文本的进行主题检测,可以实时监测居民在灾害天气条件下关注热点与情感的变化,实现了气象灾害天气下居民的感知和反馈。(2)首先基于知识图谱的关键词聚类与演进分析,发现降水(precipitation)、洪水(Flood)、干旱(drought)是影响较大的几类气象灾害,。近年来新兴的观测技术和数据来源,如遥感、社交大数据等也为气象灾害研究提供了新的思路,气象灾害预警及气象灾害应急管理也是新的研究热点。(3)再次,本研究结合现行气象灾害国家标准GB/T 28921-2012分析,并利用protégé对气象灾害类与分级、数据属性、灾害属性进行梳理,采用OWL语言进行本体描述,借助Hermit推理机完成本体相关验证,完成了气象灾害本体构建。(4)最后,以合肥市一次暴雨期间的微博大数据为数据源,利用形式概念分析方法开展暴雨天气过程中微博文本进行主题提取,通过阈值计算和稳定性选择对最终形式概念格结果进行约简。结果表明,FCA是一种有效的主题提取方法,可以根据不同的系统任务,在不同的阈值粒度下,开展事件主题检测。
基于形式概念分析的知识图谱关系推理研究
这是一篇关于形式概念分析,决策蕴涵,对象约简,知识图谱,关系补全的论文, 主要内容为形式概念分析是一种进行数据分析和规则提取的有效工具,其中,形式概念分析对知识获取的研究就是对蕴涵的研究。决策蕴涵是为缩减蕴涵规模而提出的一种概念,逻辑严谨且可解释性好。目前,上述研究被广泛应用于文本挖掘、推荐系统、属性约简以及基于概念的认知学习等多个领域。随着研究的深入,有学者发现它在基于知识图谱的关系补全推理上也有一定的应用价值。关系补全是知识补全的任务之一,常用包括翻译模型和基于卷积神经网络的模型等嵌入模型来完成。上述知识嵌入模型都继承了表示学习的强大能力,在关系预测任务中表现优异。但这些基于知识图谱的嵌入模型都独立处理三元组,缺乏对知识图谱中给定实体附近固有或潜在关系的关注,忽略了知识图谱的网状结构和三元组之间的逻辑关系,存在可解释性弱的问题。因此,为解决基于知识图谱的推理方法存在的一些弊端,本文提出了一种新的知识推理方法,即从形式概念分析的角度来解决关系推理预测问题。所获研究成果不仅从理论上证明该方法可以推理出部分缺失的信息,而且通过实验证实该方法相较于知识图谱推理方法存在优势。除此之外,为进一步提升基于翻译模型的知识推理性能,本文还研究了是否可以将决策蕴涵推理方法推理出的新知识加入翻译模型的训练集来提升实体及关系的嵌入表示性能。具体的研究工作包括:(1)从理论上证明基于知识图谱的推理规则可以用基于形式概念分析的蕴涵及决策蕴涵来表示。为快速挖掘到用于知识推理的决策蕴涵,多次对复杂背景进行约简,并证明在约简后的背景中可以挖掘到与原背景等价的决策蕴涵,并将该对象约简方法与目前已有的属性约简方法进行对比分析。最后通过具体实例和实验验证本文所提方法的可行性。(2)提出了融合决策蕴涵和翻译模型的知识推理方法。将决策蕴涵推理方法推理出的新知识加入到翻译模型的训练集中进行训练,获取新的实体关系特征向量。设计消融实验,验证新增知识的丰富度、知识量和准确率对模型推理准确性的影响。结果表明,新增知识的准确率和丰富度都在一定程度上影响着实体关系的嵌入表示性能,从而影响推理准确率。知识量和模型推理准确率呈正相关关系,范围内知识量越大,模型推理效果越好。同时,融合决策蕴涵推理方法的模型推理相较单一模型推理效果更佳。上述研究进一步验证了决策蕴涵推理方法的可行性,并给决策蕴涵推理方法的应用及融合推理提供了新的思路。
基于形式概念分析的路径规划研究与实验平台的设计与实现
这是一篇关于形式概念分析,路径规划,算法,实验平台,面向对象方法的论文, 主要内容为随着形式概念分析理论的不断发展,形式概念分析被广泛应用于关联分析,推荐系统,软件工程等领域。路径规划问题作为移动机器人技术的热点研究内容之一,学者们应用栅格法、A*算法、智群算法和深度学习等各种方法解决该问题。但是,将形式概念分析应用于路径规划问题的研究较少。本文提出一种基于形式概念分析的路径规划算法P-FCA,为了验证算法的有效性,设计实现一个形式概念分析应用实验平台,为基于形式概念分析的路径规划研究提供支撑。在该实验平台的基础上,完成P-FCA算法相关实验。本文主要工作包括:(1)提出一种基于形式概念分析的路径规划算法。通过将栅格地图转化为形式背景,以形式概念为基础构建方域,并将方域之间的位置关系映射为域概念格中的偏序关系。进而将原栅格地图上的路径规划问题,转化为在方域图中的路径搜索问题,从包含起点的方域开始广度优先搜索,逐步扩展,直至搜索到目标方域,从而得到方域路径和拐点路径。(2)实验平台需求分析与设计。为了实现实验平台包含的概念格完备性验证实验、形式概念构造对比实验、路径规划对比实验、路径规划可视化实验、自定义形式背景及地图,实验配置管理等功能,采用面向对象方法,在系统需求模型的基础上,将实验平台整体架构划分为UI界面层,控制层,业务逻辑层和数据层,进而将整个系统分为人机交互子系统,任务管理子系统,业务逻辑子系统和数据管理子系统,并对各个子系统内部相关类进行详细设计。(3)实验平台实现与应用。使用Python对前期设计结果进行实现,应用该实验平台到基于形式概念分析的路径规划研究中,将P-FCA算法与A*算法进行对比,实验结果表明了 P-FCA算法的有效性,P-FCA算法的拐点数量较A*算法显著减少。P-FCA算法为移动机器人路径规划问题提供了新方法。形式概念分析应用实验平台的实现为基于形式概念分析的路径规划相关研究提供了实验环境支撑,对促进形式概念分析和路径规划研究发展具有积极意义。
基于形式概念分析的知识图谱关系推理研究
这是一篇关于形式概念分析,决策蕴涵,对象约简,知识图谱,关系补全的论文, 主要内容为形式概念分析是一种进行数据分析和规则提取的有效工具,其中,形式概念分析对知识获取的研究就是对蕴涵的研究。决策蕴涵是为缩减蕴涵规模而提出的一种概念,逻辑严谨且可解释性好。目前,上述研究被广泛应用于文本挖掘、推荐系统、属性约简以及基于概念的认知学习等多个领域。随着研究的深入,有学者发现它在基于知识图谱的关系补全推理上也有一定的应用价值。关系补全是知识补全的任务之一,常用包括翻译模型和基于卷积神经网络的模型等嵌入模型来完成。上述知识嵌入模型都继承了表示学习的强大能力,在关系预测任务中表现优异。但这些基于知识图谱的嵌入模型都独立处理三元组,缺乏对知识图谱中给定实体附近固有或潜在关系的关注,忽略了知识图谱的网状结构和三元组之间的逻辑关系,存在可解释性弱的问题。因此,为解决基于知识图谱的推理方法存在的一些弊端,本文提出了一种新的知识推理方法,即从形式概念分析的角度来解决关系推理预测问题。所获研究成果不仅从理论上证明该方法可以推理出部分缺失的信息,而且通过实验证实该方法相较于知识图谱推理方法存在优势。除此之外,为进一步提升基于翻译模型的知识推理性能,本文还研究了是否可以将决策蕴涵推理方法推理出的新知识加入翻译模型的训练集来提升实体及关系的嵌入表示性能。具体的研究工作包括:(1)从理论上证明基于知识图谱的推理规则可以用基于形式概念分析的蕴涵及决策蕴涵来表示。为快速挖掘到用于知识推理的决策蕴涵,多次对复杂背景进行约简,并证明在约简后的背景中可以挖掘到与原背景等价的决策蕴涵,并将该对象约简方法与目前已有的属性约简方法进行对比分析。最后通过具体实例和实验验证本文所提方法的可行性。(2)提出了融合决策蕴涵和翻译模型的知识推理方法。将决策蕴涵推理方法推理出的新知识加入到翻译模型的训练集中进行训练,获取新的实体关系特征向量。设计消融实验,验证新增知识的丰富度、知识量和准确率对模型推理准确性的影响。结果表明,新增知识的准确率和丰富度都在一定程度上影响着实体关系的嵌入表示性能,从而影响推理准确率。知识量和模型推理准确率呈正相关关系,范围内知识量越大,模型推理效果越好。同时,融合决策蕴涵推理方法的模型推理相较单一模型推理效果更佳。上述研究进一步验证了决策蕴涵推理方法的可行性,并给决策蕴涵推理方法的应用及融合推理提供了新的思路。
基于形式概念分析的知识图谱关系推理研究
这是一篇关于形式概念分析,决策蕴涵,对象约简,知识图谱,关系补全的论文, 主要内容为形式概念分析是一种进行数据分析和规则提取的有效工具,其中,形式概念分析对知识获取的研究就是对蕴涵的研究。决策蕴涵是为缩减蕴涵规模而提出的一种概念,逻辑严谨且可解释性好。目前,上述研究被广泛应用于文本挖掘、推荐系统、属性约简以及基于概念的认知学习等多个领域。随着研究的深入,有学者发现它在基于知识图谱的关系补全推理上也有一定的应用价值。关系补全是知识补全的任务之一,常用包括翻译模型和基于卷积神经网络的模型等嵌入模型来完成。上述知识嵌入模型都继承了表示学习的强大能力,在关系预测任务中表现优异。但这些基于知识图谱的嵌入模型都独立处理三元组,缺乏对知识图谱中给定实体附近固有或潜在关系的关注,忽略了知识图谱的网状结构和三元组之间的逻辑关系,存在可解释性弱的问题。因此,为解决基于知识图谱的推理方法存在的一些弊端,本文提出了一种新的知识推理方法,即从形式概念分析的角度来解决关系推理预测问题。所获研究成果不仅从理论上证明该方法可以推理出部分缺失的信息,而且通过实验证实该方法相较于知识图谱推理方法存在优势。除此之外,为进一步提升基于翻译模型的知识推理性能,本文还研究了是否可以将决策蕴涵推理方法推理出的新知识加入翻译模型的训练集来提升实体及关系的嵌入表示性能。具体的研究工作包括:(1)从理论上证明基于知识图谱的推理规则可以用基于形式概念分析的蕴涵及决策蕴涵来表示。为快速挖掘到用于知识推理的决策蕴涵,多次对复杂背景进行约简,并证明在约简后的背景中可以挖掘到与原背景等价的决策蕴涵,并将该对象约简方法与目前已有的属性约简方法进行对比分析。最后通过具体实例和实验验证本文所提方法的可行性。(2)提出了融合决策蕴涵和翻译模型的知识推理方法。将决策蕴涵推理方法推理出的新知识加入到翻译模型的训练集中进行训练,获取新的实体关系特征向量。设计消融实验,验证新增知识的丰富度、知识量和准确率对模型推理准确性的影响。结果表明,新增知识的准确率和丰富度都在一定程度上影响着实体关系的嵌入表示性能,从而影响推理准确率。知识量和模型推理准确率呈正相关关系,范围内知识量越大,模型推理效果越好。同时,融合决策蕴涵推理方法的模型推理相较单一模型推理效果更佳。上述研究进一步验证了决策蕴涵推理方法的可行性,并给决策蕴涵推理方法的应用及融合推理提供了新的思路。
基于形式概念分析的路径规划研究与实验平台的设计与实现
这是一篇关于形式概念分析,路径规划,算法,实验平台,面向对象方法的论文, 主要内容为随着形式概念分析理论的不断发展,形式概念分析被广泛应用于关联分析,推荐系统,软件工程等领域。路径规划问题作为移动机器人技术的热点研究内容之一,学者们应用栅格法、A*算法、智群算法和深度学习等各种方法解决该问题。但是,将形式概念分析应用于路径规划问题的研究较少。本文提出一种基于形式概念分析的路径规划算法P-FCA,为了验证算法的有效性,设计实现一个形式概念分析应用实验平台,为基于形式概念分析的路径规划研究提供支撑。在该实验平台的基础上,完成P-FCA算法相关实验。本文主要工作包括:(1)提出一种基于形式概念分析的路径规划算法。通过将栅格地图转化为形式背景,以形式概念为基础构建方域,并将方域之间的位置关系映射为域概念格中的偏序关系。进而将原栅格地图上的路径规划问题,转化为在方域图中的路径搜索问题,从包含起点的方域开始广度优先搜索,逐步扩展,直至搜索到目标方域,从而得到方域路径和拐点路径。(2)实验平台需求分析与设计。为了实现实验平台包含的概念格完备性验证实验、形式概念构造对比实验、路径规划对比实验、路径规划可视化实验、自定义形式背景及地图,实验配置管理等功能,采用面向对象方法,在系统需求模型的基础上,将实验平台整体架构划分为UI界面层,控制层,业务逻辑层和数据层,进而将整个系统分为人机交互子系统,任务管理子系统,业务逻辑子系统和数据管理子系统,并对各个子系统内部相关类进行详细设计。(3)实验平台实现与应用。使用Python对前期设计结果进行实现,应用该实验平台到基于形式概念分析的路径规划研究中,将P-FCA算法与A*算法进行对比,实验结果表明了 P-FCA算法的有效性,P-FCA算法的拐点数量较A*算法显著减少。P-FCA算法为移动机器人路径规划问题提供了新方法。形式概念分析应用实验平台的实现为基于形式概念分析的路径规划相关研究提供了实验环境支撑,对促进形式概念分析和路径规划研究发展具有积极意义。
基于形式概念分析的知识图谱关系推理研究
这是一篇关于形式概念分析,决策蕴涵,对象约简,知识图谱,关系补全的论文, 主要内容为形式概念分析是一种进行数据分析和规则提取的有效工具,其中,形式概念分析对知识获取的研究就是对蕴涵的研究。决策蕴涵是为缩减蕴涵规模而提出的一种概念,逻辑严谨且可解释性好。目前,上述研究被广泛应用于文本挖掘、推荐系统、属性约简以及基于概念的认知学习等多个领域。随着研究的深入,有学者发现它在基于知识图谱的关系补全推理上也有一定的应用价值。关系补全是知识补全的任务之一,常用包括翻译模型和基于卷积神经网络的模型等嵌入模型来完成。上述知识嵌入模型都继承了表示学习的强大能力,在关系预测任务中表现优异。但这些基于知识图谱的嵌入模型都独立处理三元组,缺乏对知识图谱中给定实体附近固有或潜在关系的关注,忽略了知识图谱的网状结构和三元组之间的逻辑关系,存在可解释性弱的问题。因此,为解决基于知识图谱的推理方法存在的一些弊端,本文提出了一种新的知识推理方法,即从形式概念分析的角度来解决关系推理预测问题。所获研究成果不仅从理论上证明该方法可以推理出部分缺失的信息,而且通过实验证实该方法相较于知识图谱推理方法存在优势。除此之外,为进一步提升基于翻译模型的知识推理性能,本文还研究了是否可以将决策蕴涵推理方法推理出的新知识加入翻译模型的训练集来提升实体及关系的嵌入表示性能。具体的研究工作包括:(1)从理论上证明基于知识图谱的推理规则可以用基于形式概念分析的蕴涵及决策蕴涵来表示。为快速挖掘到用于知识推理的决策蕴涵,多次对复杂背景进行约简,并证明在约简后的背景中可以挖掘到与原背景等价的决策蕴涵,并将该对象约简方法与目前已有的属性约简方法进行对比分析。最后通过具体实例和实验验证本文所提方法的可行性。(2)提出了融合决策蕴涵和翻译模型的知识推理方法。将决策蕴涵推理方法推理出的新知识加入到翻译模型的训练集中进行训练,获取新的实体关系特征向量。设计消融实验,验证新增知识的丰富度、知识量和准确率对模型推理准确性的影响。结果表明,新增知识的准确率和丰富度都在一定程度上影响着实体关系的嵌入表示性能,从而影响推理准确率。知识量和模型推理准确率呈正相关关系,范围内知识量越大,模型推理效果越好。同时,融合决策蕴涵推理方法的模型推理相较单一模型推理效果更佳。上述研究进一步验证了决策蕴涵推理方法的可行性,并给决策蕴涵推理方法的应用及融合推理提供了新的思路。
基于形式概念分析的路径规划研究与实验平台的设计与实现
这是一篇关于形式概念分析,路径规划,算法,实验平台,面向对象方法的论文, 主要内容为随着形式概念分析理论的不断发展,形式概念分析被广泛应用于关联分析,推荐系统,软件工程等领域。路径规划问题作为移动机器人技术的热点研究内容之一,学者们应用栅格法、A*算法、智群算法和深度学习等各种方法解决该问题。但是,将形式概念分析应用于路径规划问题的研究较少。本文提出一种基于形式概念分析的路径规划算法P-FCA,为了验证算法的有效性,设计实现一个形式概念分析应用实验平台,为基于形式概念分析的路径规划研究提供支撑。在该实验平台的基础上,完成P-FCA算法相关实验。本文主要工作包括:(1)提出一种基于形式概念分析的路径规划算法。通过将栅格地图转化为形式背景,以形式概念为基础构建方域,并将方域之间的位置关系映射为域概念格中的偏序关系。进而将原栅格地图上的路径规划问题,转化为在方域图中的路径搜索问题,从包含起点的方域开始广度优先搜索,逐步扩展,直至搜索到目标方域,从而得到方域路径和拐点路径。(2)实验平台需求分析与设计。为了实现实验平台包含的概念格完备性验证实验、形式概念构造对比实验、路径规划对比实验、路径规划可视化实验、自定义形式背景及地图,实验配置管理等功能,采用面向对象方法,在系统需求模型的基础上,将实验平台整体架构划分为UI界面层,控制层,业务逻辑层和数据层,进而将整个系统分为人机交互子系统,任务管理子系统,业务逻辑子系统和数据管理子系统,并对各个子系统内部相关类进行详细设计。(3)实验平台实现与应用。使用Python对前期设计结果进行实现,应用该实验平台到基于形式概念分析的路径规划研究中,将P-FCA算法与A*算法进行对比,实验结果表明了 P-FCA算法的有效性,P-FCA算法的拐点数量较A*算法显著减少。P-FCA算法为移动机器人路径规划问题提供了新方法。形式概念分析应用实验平台的实现为基于形式概念分析的路径规划相关研究提供了实验环境支撑,对促进形式概念分析和路径规划研究发展具有积极意义。
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：源码客栈网 ，原文地址：https://bishedaima.com/lunwen/56124.html
