CN111444351A - 一种行业工艺领域知识图谱构建方法及装置 - Google Patents
一种行业工艺领域知识图谱构建方法及装置 Download PDFInfo
- Publication number
- CN111444351A CN111444351A CN202010210748.XA CN202010210748A CN111444351A CN 111444351 A CN111444351 A CN 111444351A CN 202010210748 A CN202010210748 A CN 202010210748A CN 111444351 A CN111444351 A CN 111444351A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- data
- layer
- structured
- dividing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 113
- 238000010276 construction Methods 0.000 claims abstract description 26
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000011160 research Methods 0.000 claims abstract description 11
- 230000001502 supplementing effect Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 12
- 239000003344 environmental pollutant Substances 0.000 claims description 11
- 231100000719 pollutant Toxicity 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 239000002994 raw material Substances 0.000 claims description 10
- 239000011265 semifinished product Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 210000002364 input neuron Anatomy 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 239000000047 product Substances 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种行业工艺领域知识图谱构建方法，包括：获取某行业工艺领域的开放数据源，建立原始资料数据库；根据结构化和半结构化资料提取工艺技术知识信息，构建知识图谱数据层；结合专家知识和行业调研，建立知识图谱模式层，并建立知识图谱模式层和数据层之间的映射关系；将构建的知识图谱数据层作为样本库，利用自监督学习方法提取非结构化资料中包含的实体、关系及实体属性信息，并依据建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；对知识图谱数据层进行知识融合和知识推理，得到领域知识图谱。提高了领域概念体系建设效率，并为多行业工艺领域知识图谱建设提供参考，可以为企业工艺优化升级提供支撑。
Description
技术领域
本发明属于知识图谱库构建技术领域，具体地涉及一种行业工艺领域知识图谱构建方法及装置，尤其适用于水泥行业的工艺。
背景技术
传统的行业工艺领域技术库和专家库的建设过程过于依赖人工，且成本高，难以建立多行业工艺领域的技术库。在实际应用中，传统的技术库是个半结构化资料，在解决行业企业实际面临问题时，依旧需要人工辅助决策。
在传统专业领域知识图谱构建中，一般采用领域专家和众包的方式人工构建本体，用于描述专业领域概念层次体系，然而人工方式工作量巨大，且对于专家要求较高，难以应用于大批量的专业领域知识图谱构建。同时人工构建的概念层次体系，人为干预知识信息，一方面难以将领域内所有知识信息概括完全，容易造成知识信息的缺损。另一方面容易造成某一方面的知识冗余。
近年来，我国经济发展迅速，经济发展伴随着与日俱增的能源需求和日益突出的环境污染，为了缓解资源问题和环境问题，要引入低碳环保的发展理念，兼顾经济发展和环境保护。对于生产工艺复杂，高污染的生产行业及工程行业，必须通过优化生产工艺，降低生产过程中的污染物排放，才能有效实现生产企业的节能减排，实现生产企业的低碳环保发展。本发明因此而来。
发明内容
针对上述存在的技术问题，本发明的目的是提供一种行业工艺领域知识图谱构建方法及装置，本发明爬取大量互联网开放源数据，基于结构化和半结构化资料，利用资料的结构性，提取行业领域的知识信息，并辅以专家知识和行业调研经验，建立本体库并搭建知识图谱模式层，提高领域概念体系建设效率，并为多行业工艺领域知识图谱建设提供参考，构建的行业工艺领域知识图谱，可以为企业工艺优化升级提供支撑。
本发明的技术方案是：
一种行业工艺领域知识图谱构建方法，包括以下步骤：
S01：获取某行业工艺领域的开放数据源，建立原始资料数据库，所述原始资料数据库划分为结构化、半结构化和非结构化资料；
S02：根据结构化和半结构化资料提取工艺技术知识信息，构建知识图谱数据层；
S03：结合专家知识和行业调研，根据知识图谱数据层的知识信息，建立知识图谱模式层，并建立知识图谱模式层和数据层之间的映射关系；
S04：将构建的知识图谱数据层作为样本库，利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，并依据建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；
S05：对知识图谱数据层进行知识融合，对知识融合后的数据进行知识推理，得到领域知识图谱。
优选的技术方案中，所述步骤S02中提取工艺技术知识信息包括，从结构化、半结构化资料中，按照字段直接抽取字段名称，以及对应字段中包含的知识单元，并标注工艺领域知识信息的实体、关系以及实体属性，根据结构化和半结构化资料的层级结构将抽取的知识单元按照三元组格式进行存储。
优选的技术方案中，所述步骤S03中建立知识图谱模式层包括：
通过专家知识和行业调研，将步骤S02中得到的三元组信息划分为七个基本类，所述七个基本类包括工艺介绍、工艺特点、工艺流程、污染水平、能源利用、投资成本、资料来源；
将每一个基本类划分若干个子类概念，将工艺介绍划分为工艺名称、工艺原理和工艺概念，将工艺流程划分为原材料生产、原材料加工、半成品生成、半成品加工、成品生成，将工艺特点划分为适用条件、工艺特点、工艺水平、工艺普及率，将污染水平划分为污染物排放类型、污染物排放量，将能源利用划分为能源消耗、能源利用率，将投资成本划分为投资估算、运行费用、投资回收期，将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料；
建立关系，包括建立工艺概念在语义上的上下位关系Part-of，工艺领域概念的层级关系Kind-of，工艺领域对象与类的关系Instance-of，工艺领域某一概念是另一概念的属性Attribute-of。
优选的技术方案中，所述步骤S04中利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，包括：
S41：利用训练的词向量，将样本库利用神经网络模型转化为词向量；并将词向量放入长短期记忆神经网络LSTM输入层，每个输入神经元对应一个字的词向量，构建实体标签特征、关系标签特征、属性标签特征，构建监督学习模型；
S42：将非结构化文本转化为词向量，并利用构建的监督学习模型，抽取实体、关系、实体属性。
优选的技术方案中，所述步骤S05中知识融合包括以下步骤：
S51：根据实体、关系、实体属性进行语义相似度计算，并根据相似度构建实体、关系、实体属性的概念集合；
S52：根据同义、包含关系，分别对抽取的关系三元组与知识图谱中的关系三元组进行语义相似度计算；
S53：确定最优的概念匹配和关系匹配，实现知识融合。
优选的技术方案中，所述步骤S05中知识推理包括，根据步骤S51建立的念集合，得到新增的关系链接，将新增的关系链接更新到知识图谱中。
本发明还公开了一种行业工艺领域知识图谱构建装置，包括：
数据采集模块，获取某行业工艺领域的开放数据源，建立原始资料数据库，所述原始资料数据库划分为结构化、半结构化和非结构化资料；
领域数据层构建模块，根据结构化和半结构化资料提取工艺技术知识信息，构建知识图谱数据层；
领域模式层构建模块，结合专家知识和行业调研，根据知识图谱数据层的知识信息，建立知识图谱模式层，并建立知识图谱模式层和数据层之间的映射关系；
知识抽取模块，将构建的知识图谱数据层作为样本库，利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，并依据建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；
知识图谱构建模块，对知识图谱数据层进行知识融合，对知识融合后的数据进行知识推理，得到领域知识图谱。
优选的技术方案中，所述领域数据层构建模块中提取工艺技术知识信息包括，从结构化、半结构化资料中，按照字段直接抽取字段名称，以及对应字段中包含的知识单元，并标注工艺领域知识信息的实体、关系以及实体属性，根据结构化和半结构化资料的层级结构将抽取的知识单元按照三元组格式进行存储。
优选的技术方案中，所述领域模式层构建模块中建立知识图谱模式层包括：
通过专家知识和行业调研，将步骤S02中得到的三元组信息划分为七个基本类，所述七个基本类包括工艺介绍、工艺特点、工艺流程、污染水平、能源利用、投资成本、资料来源；
将每一个基本类划分若干个子类概念，将工艺介绍划分为工艺名称、工艺原理和工艺概念，将工艺流程划分为原材料生产、原材料加工、半成品生成、半成品加工、成品生成，将工艺特点划分为适用条件、工艺特点、工艺水平、工艺普及率，将污染水平划分为污染物排放类型、污染物排放量，将能源利用划分为能源消耗、能源利用率，将投资成本划分为投资估算、运行费用、投资回收期，将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料；
建立关系，包括建立工艺概念在语义上的上下位关系Part-of，工艺领域概念的层级关系Kind-of，工艺领域对象与类的关系Instance-of，工艺领域某一概念是另一概念的属性Attribute-of。
优选的技术方案中，所述知识抽取模块中利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，包括：
S41：利用训练的词向量，将样本库利用神经网络模型转化为词向量；并将词向量放入长短期记忆神经网络LSTM输入层，每个输入神经元对应一个字的词向量，构建实体标签特征、关系标签特征、属性标签特征，构建监督学习模型；
S42：将非结构化文本转化为词向量，并利用构建的监督学习模型，抽取实体、关系、实体属性。
与现有技术相比，本发明的有益效果是：
1、重点行业领域技术知识图谱，旨在利用三元组结构描述重点行业生产工艺之间的特征和关系，并最终形成巨大语义图谱网络。行业工艺领域知识图谱，能够准确合理挖掘企业不同技术应用情况下所面临的问题，并对比现有行业技术特点，为企业对技术转型升级提供辅助决策，对企业生产工艺的提产降耗、减排截污具有重要意义。
2、针对行业工艺领域专家系统知识内容有限、知识难以融合共享、无法从非结构化数据中挖掘相关知识等问题，本发明爬取大量互联网开放源数据，构建行业工艺领域知识图谱，为企业工艺优化升级提供支撑。
3、基于结构化和半结构化资料，利用资料的结构性，提取行业领域的知识信息，并辅以专家知识和行业调研经验，建立本体库并搭建知识图谱模式层，提高领域概念体系建设效率，并为多行业工艺领域知识图谱建设提供参考。
4、区分结构化、非结构化资料信息提取过程，从结构化的资料中提取实体、关系以及实体属性信息，作为训练样本，应用于非结构化的知识提取中，能够在保证精度的同时降低人工成本提供工作效率。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明行业工艺领域知识图谱构建方法的流程图；
图2为本发明行业工艺领域知识图谱思维导图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例：
一种行业工艺领域知识图谱构建装置，包括数据采集模块、原始资料数据库、领域模式层构建模块、领域数据层构建模块、知识抽取模块、知识融合模块、知识合并模块、知识推理模块、知识图谱存储模块。
数据采集模块用于爬取重点行业领域资料，包括结构化、半结构化、非结构化资料；
原始数资料据库用于储存收集数据采集模块采集的重点行业领域资料；
领域数据层构建模块用于从结构化和半结构化数据中抽取信息，并按照三元组格式进行知识图谱数据层的存储；
领域模式层构建模块依据数据层和专家知识、行业调研，构建知识图谱模式层，形成领域概念层；
知识抽取模块用于从原始数据库资料中结构化、半结构化、非结构化提取实体、关系以及实体属性信息，其中结构化和半结构化资料的提取，完善知识图谱数据层的知识信息；
知识融合模块用于知识图谱数据层中的实体消歧和共性消解，并建立技术库中实体与实体之间的链接关系；
知识合并模块采用资源描述框架RDF，将知识图谱数据层中的数据转换成RDF的三元组数据。
知识推理模块用于扩展和丰富知识网络，采用图推理方法，建立实体间的新关联。
知识图谱存储模块用于领域知识图谱数据库的存储，为领域知识图谱应用做数据支撑。
如图1所示，本发明的行业工艺领域知识图谱构建方法，包括以下步骤：
步骤一：从互联网中获取相关重点行业工艺的信息资料，按照资料的结构性对资料进行划分为：结构化资料、半结构化资料、非结构化资料，将非结构化资料进行文本化处理，形成标准数据库；
步骤二：利用结构化、半结构化资料提取工艺技术知识信息，并标注工艺领域知识信息的实体、关系以及实体属性，并以三元组形式完成知识图谱数据层的初步建设；
步骤三：基于专家知识和行业调研，根据知识图谱数据层的知识信息，完成搭建知识图谱模式层，并建立知识图谱模式层和知识图谱数据层的映射关系；
步骤四：从结构化和半结构化中提取的知识信息作为样本库，利用监督学习的方法从开放域的非结构化资料中进行实体、关系以及实体属性的抽取，并依据步骤三中建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；
步骤五：对知识图谱数据层中包含的知识信息实体、关系以及实体属性，进行知识融合；
步骤六：对知识融合后的知识信息，进行知识推理，完成知识图谱构建。
具体的：
步骤一中，利用网络爬虫技术从开放数据源收集重点行业领域技术信息资料，开放数据源包含国家政策文件、国家标准文件、行业标准文件、文献资料、百科资源等，并对爬取的数据进行存储，进而形成原始资料数据库。
结构化资料，指数据组成部分之间具有明确的层次结构，如关系数据库；
半结构化资料，和普通纯文本相比，半结构化数据具有一定的结构性，如百科资料。
非结构化资料，指组成部分层次结构不完整的数据资料，如文献资料、政策资料等。
步骤二中，从结构化、半结构化资料中，按照字段直接抽取字段名称，以及对应字段中包含的知识单元。根据结构化和半结构化资料的层级结构将抽取的知识单元按照三元组格式进行存储。
知识单元为构成整个行业工艺领域知识集合系统的最基本单元形态，包括实体、关系以及实体属性3个知识要素，其中，实体是指具有可区分性且独立存在的某种事物，关系是指实体与实体之间的映射函数，实体属性是指实体的自有性质。一般以三元组格式对知识单元进行存储，可以表示为：<实体,关系,实体>，例如<中国，首都，北京>；<实体，属性，属性值>，例如<北京，建城区面积，1401Km2>。
步骤三中，基于专家知识，搭建知识图谱模式层，基于步骤二中提取的三元组结果，通过咨询专家以及行业调研，通过人工标注的方法。最终归纳总结知识图谱模式层概念和关系，建立知识图谱模式层。
知识图谱模式层是知识图谱的核心，用于规范数据层的一系列事实表达。本体库形成的知识库层次结构较强，且冗余程度较小，因此，本发明利用本体库构建行业工艺领域内的知识体系。
本体库构建，从步骤二提取的知识信息，对工艺技术领域的概念进行明确，最终达成知识的一致理解。其中本体库包含概念、关系两个方面，下面以水泥工艺领域为例进行说明，如图2所示：
（1）本体概念确定：通过行业调研以及咨询专家，将步骤二中抽取的三元组信息划分为七个基本类，包含工艺介绍、工艺特点、工艺流程、污染水平、能源利用、投资成本、资料来源，并从七个基本类中又划分为若干个子类概念，将工艺介绍划分为工艺名称、工艺原理和工艺概念，将工艺流程划分为原材料生产、原材料加工、半成品生成、半成品加工、成品生成，将工艺特点划分为适用条件、工艺特点、工艺水平、工艺普及率，将污染水平划分为污染物排放类型、污染物排放量，将能源利用划分为能源消耗、能源利用率，将投资成本划分为投资估算、运行费用、投资回收期，将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料。
（2）关系建立：建立4个基本关系Part-of表示工艺概念在语义上的上下位关系；Kind-of表示工艺领域概念的层级关系；Instance-of表示工艺领域对象与类的关系；Attribute-of表示工艺领域某一概念是另一概念的属性。
步骤四种，采用监督学习的方法，以步骤二得到的三元组数据作为样本库，针对非结构资料形成的纯文本数据库进行实体、关系、属性的识别，并对应到步骤三建立的知识图谱模式层中，以三元组格式完成知识图谱的存储。
采用监督学习的方法，以步骤二得到的三元组数据作为样本库，针对非结构资料形成的纯文本数据库进行实体、关系、属性的识别。具体的实现方式包括以下步骤：
a、利用在步骤二得到的三元组数据，该数据是从结构化和半结构化数据中提取到的语料，同时该语料包含了<实体，关系，实体>、<实体，属性，属性值>标签，以该数据作为监督学习方法的训练语料；
b、利用传统机器学习算法，本发明采用长短期记忆神经网络LSTM算法，进行大量非结构化文本的实体、关系、属性的抽取。
c、利用谷歌训练的词向量，将训练语料库利用神经网络模型转化为词向量；并将词向量放入LSTM输入层，每个输入神经元对应一个字的词向量，构建实体标签特征，关系标签特征、属性标签特征，完成监督学习模型；最后将非结构化文本转化为词向量，并利用构建的特征模型，完成实体、关系、属性抽取。
步骤五中，知识融合是指从结构化、半结构化、非结构化资料提取的实体、关系以及实体属性信息有大量的冗余和错误信息，对这些抽取的知识信息进行清理和融合，主要采用以下方法完成知识冗余和错误信息的剔除。
完成知识冗余和错误信息的剔除，是指对于从文本中抽取得到的实体对象，将其链接到正确的实体对象。具体方法是首先，根据实体、关系、属性进行语义相似度计算，并根据相似度情况构建概念集合；然后，根据同义、包含等关系，分别对抽取的关系三元组与知识图谱中的关系三元组进行语义相似度计算；最后，确定最优的概念匹配和关系匹配，实现信息的融合。
步骤六中，知识推理是指从知识库中已有的实体关系数据出发，建立实体间新关联，从而扩展和丰富知识网络。
主要实现：针对模式层完成知识推理，从而实现模型层的不断更新，完成开放源知识图谱构建过程，利用步骤五计算的语义相似度，根据相似度情况构建实体、关系、属性的概念集合。根据新建立的概念集合，实现实体、关系、属性之间的新关联，并将新增的关系链接更新到知识图谱中，进而实现知识图谱的动态更新。
通过该领域知识图谱，能够准确合理挖掘企业不同技术应用情况下所面临的问题，并对比现有行业技术特点，为企业对技术转型升级提供辅助决策，对企业生产工艺的提产降耗、减排截污、工艺优化升级具有重要意义。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种行业工艺领域知识图谱构建方法，其特征在于，包括以下步骤：
S01：获取某行业工艺领域的开放数据源，建立原始资料数据库，所述原始资料数据库划分为结构化、半结构化和非结构化资料；
S02：根据结构化和半结构化资料提取工艺技术知识信息，构建知识图谱数据层；
S03：结合专家知识和行业调研，根据知识图谱数据层的知识信息，建立知识图谱模式层，并建立知识图谱模式层和数据层之间的映射关系；
S04：将构建的知识图谱数据层作为样本库，利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，并依据建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；
S05：对知识图谱数据层进行知识融合，对知识融合后的数据进行知识推理，得到领域知识图谱。
2.根据权利要求1所述的行业工艺领域知识图谱构建方法，其特征在于，所述步骤S02中提取工艺技术知识信息包括，从结构化、半结构化资料中，按照字段直接抽取字段名称，以及对应字段中包含的知识单元，并标注工艺领域知识信息的实体、关系以及实体属性，根据结构化和半结构化资料的层级结构将抽取的知识单元按照三元组格式进行存储。
3.根据权利要求2所述的行业工艺领域知识图谱构建方法，其特征在于，所述步骤S03中建立知识图谱模式层包括：
通过专家知识和行业调研，将步骤S02中得到的三元组信息划分为七个基本类，所述七个基本类包括工艺介绍、工艺特点、工艺流程、污染水平、能源利用、投资成本、资料来源；
将每一个基本类划分若干个子类概念，将工艺介绍划分为工艺名称、工艺原理和工艺概念，将工艺流程划分为原材料生产、原材料加工、半成品生成、半成品加工、成品生成，将工艺特点划分为适用条件、工艺特点、工艺水平、工艺普及率，将污染水平划分为污染物排放类型、污染物排放量，将能源利用划分为能源消耗、能源利用率，将投资成本划分为投资估算、运行费用、投资回收期，将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料；
建立关系，包括建立工艺概念在语义上的上下位关系Part-of，工艺领域概念的层级关系Kind-of，工艺领域对象与类的关系Instance-of，工艺领域某一概念是另一概念的属性Attribute-of。
4.根据权利要求1所述的行业工艺领域知识图谱构建方法，其特征在于，所述步骤S04中利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，包括：
S41：利用训练的词向量，将样本库利用神经网络模型转化为词向量；并将词向量放入长短期记忆神经网络LSTM输入层，每个输入神经元对应一个字的词向量，构建实体标签特征、关系标签特征、属性标签特征，构建监督学习模型；
S42：将非结构化文本转化为词向量，并利用构建的监督学习模型，抽取实体、关系、实体属性。
5.根据权利要求2所述的行业工艺领域知识图谱构建方法，其特征在于，所述步骤S05中知识融合包括以下步骤：
S51：根据实体、关系、实体属性进行语义相似度计算，并根据相似度构建实体、关系、实体属性的概念集合；
S52：根据同义、包含关系，分别对抽取的关系三元组与知识图谱中的关系三元组进行语义相似度计算；
S53：确定最优的概念匹配和关系匹配，实现知识融合。
6.根据权利要求5所述的行业工艺领域知识图谱构建方法，其特征在于，所述步骤S05中知识推理包括，根据步骤S51建立的念集合，得到新增的关系链接，将新增的关系链接更新到知识图谱中。
7.一种行业工艺领域知识图谱构建装置，其特征在于，包括：
数据采集模块，获取某行业工艺领域的开放数据源，建立原始资料数据库，所述原始资料数据库划分为结构化、半结构化和非结构化资料；
领域数据层构建模块，根据结构化和半结构化资料提取工艺技术知识信息，构建知识图谱数据层；
领域模式层构建模块，结合专家知识和行业调研，根据知识图谱数据层的知识信息，建立知识图谱模式层，并建立知识图谱模式层和数据层之间的映射关系；
知识抽取模块，将构建的知识图谱数据层作为样本库，利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，并依据建立的知识图谱数据层和模式层之间的映射关系，补充知识图谱数据层；
知识图谱构建模块，对知识图谱数据层进行知识融合，对知识融合后的数据进行知识推理，得到领域知识图谱。
8.根据权利要求7所述的行业工艺领域知识图谱构建装置，其特征在于，所述领域数据层构建模块中提取工艺技术知识信息包括，从结构化、半结构化资料中，按照字段直接抽取字段名称，以及对应字段中包含的知识单元，并标注工艺领域知识信息的实体、关系以及实体属性，根据结构化和半结构化资料的层级结构将抽取的知识单元按照三元组格式进行存储。
9.根据权利要求8所述的行业工艺领域知识图谱构建装置，其特征在于，所述领域模式层构建模块中建立知识图谱模式层包括：
通过专家知识和行业调研，将步骤S02中得到的三元组信息划分为七个基本类，所述七个基本类包括工艺介绍、工艺特点、工艺流程、污染水平、能源利用、投资成本、资料来源；
将每一个基本类划分若干个子类概念，将工艺介绍划分为工艺名称、工艺原理和工艺概念，将工艺流程划分为原材料生产、原材料加工、半成品生成、半成品加工、成品生成，将工艺特点划分为适用条件、工艺特点、工艺水平、工艺普及率，将污染水平划分为污染物排放类型、污染物排放量，将能源利用划分为能源消耗、能源利用率，将投资成本划分为投资估算、运行费用、投资回收期，将资料来源划分为网页、国家标准、行业标准、论文文献、国家政策、百科类资料；
建立关系，包括建立工艺概念在语义上的上下位关系Part-of，工艺领域概念的层级关系Kind-of，工艺领域对象与类的关系Instance-of，工艺领域某一概念是另一概念的属性Attribute-of。
10.根据权利要求7所述的行业工艺领域知识图谱构建装置，其特征在于，所述知识抽取模块中利用自监督学习方法提取原始资料数据库中非结构化资料中包含的实体、关系及实体属性信息，包括：
S41：利用训练的词向量，将样本库利用神经网络模型转化为词向量；并将词向量放入长短期记忆神经网络LSTM输入层，每个输入神经元对应一个字的词向量，构建实体标签特征、关系标签特征、属性标签特征，构建监督学习模型；
S42：将非结构化文本转化为词向量，并利用构建的监督学习模型，抽取实体、关系、实体属性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010210748.XA CN111444351B (zh) | 2020-03-24 | 2020-03-24 | 一种行业工艺领域知识图谱构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010210748.XA CN111444351B (zh) | 2020-03-24 | 2020-03-24 | 一种行业工艺领域知识图谱构建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111444351A true CN111444351A (zh) | 2020-07-24 |
| CN111444351B CN111444351B (zh) | 2023-09-12 |
Family
ID=71629540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010210748.XA Active CN111444351B (zh) | 2020-03-24 | 2020-03-24 | 一种行业工艺领域知识图谱构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111444351B (zh) |
Cited By (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782824A (zh) * | 2020-08-14 | 2020-10-16 | 中国工商银行股份有限公司 | 信息查询方法、装置、系统和介质 |
| CN111813874A (zh) * | 2020-09-03 | 2020-10-23 | 中国传媒大学 | 太赫兹知识图谱构建方法及系统 |
| CN111966787A (zh) * | 2020-08-18 | 2020-11-20 | 上海海洋大学 | 一种基于知识图谱的智能渔业问答机器人的构建方法 |
| CN112000813A (zh) * | 2020-09-14 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 知识库构建方法及装置 |
| CN112100402A (zh) * | 2020-09-16 | 2020-12-18 | 广东电力信息科技有限公司 | 一种电网知识图谱构建方法及装置 |
| CN112182330A (zh) * | 2020-09-23 | 2021-01-05 | 创新奇智(成都)科技有限公司 | 知识图谱构建方法、装置、电子设备及计算机存储介质 |
| CN112182241A (zh) * | 2020-09-24 | 2021-01-05 | 四川大学 | 一种空管领域知识图谱的自动化构建方法 |
| CN112182234A (zh) * | 2020-07-29 | 2021-01-05 | 长江勘测规划设计研究有限责任公司 | 流域防洪规划数据知识图谱构建方法 |
| CN112182243A (zh) * | 2020-09-27 | 2021-01-05 | 中国平安财产保险股份有限公司 | 基于实体识别模型构建知识图谱的方法、终端及存储介质 |
| CN112214611A (zh) * | 2020-09-24 | 2021-01-12 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
| CN112464746A (zh) * | 2020-11-10 | 2021-03-09 | 清华苏州环境创新研究院 | 一种卫星影像和机器学习的水质监测方法及系统 |
| CN112463980A (zh) * | 2020-11-25 | 2021-03-09 | 南京摄星智能科技有限公司 | 一种基于知识图谱的预案智能推荐方法 |
| CN112541087A (zh) * | 2020-12-18 | 2021-03-23 | 清华大学 | 基于百科的跨语言知识图谱构建方法及装置 |
| CN112612899A (zh) * | 2020-11-24 | 2021-04-06 | 中国传媒大学 | 知识图谱的构建方法、装置、存储介质和电子设备 |
| CN112883202A (zh) * | 2021-03-26 | 2021-06-01 | 江苏省未来网络创新研究院 | 一种基于知识图谱的多组件建模方法和系统 |
| CN112905612A (zh) * | 2021-02-07 | 2021-06-04 | 北京机电工程研究所 | 知识卡片的构建方法及装置 |
| CN112905808A (zh) * | 2021-03-29 | 2021-06-04 | 北京机电工程研究所 | 知识图谱的构建方法及装置、电子设备 |
| CN112966057A (zh) * | 2021-04-22 | 2021-06-15 | 上海深杳智能科技有限公司 | 知识图谱构建方法、系统、信息处理系统、终端及介质 |
| CN113032618A (zh) * | 2021-03-26 | 2021-06-25 | 齐鲁工业大学 | 基于知识图谱的音乐推荐方法及系统 |
| CN113159320A (zh) * | 2021-03-08 | 2021-07-23 | 北京航空航天大学 | 一种基于知识图谱的科技资源数据集成方法及装置 |
| CN113268605A (zh) * | 2021-05-26 | 2021-08-17 | 深圳晶泰科技有限公司 | 一种小分子药物晶型知识图谱的构建方法及系统 |
| CN113361938A (zh) * | 2021-06-11 | 2021-09-07 | 湖北中烟工业有限责任公司 | 一种卷烟批次追溯数据网络图谱组织方法及装置 |
| CN113449526A (zh) * | 2021-08-27 | 2021-09-28 | 杭萧钢构股份有限公司 | 一种钢结构生产调度策略的适用性分析方法及系统 |
| CN113449120A (zh) * | 2021-07-02 | 2021-09-28 | 航天海鹰机电技术研究院有限公司 | 一种结合空间信息的管线安全综合监管方法 |
| CN113486187A (zh) * | 2021-03-24 | 2021-10-08 | 平安科技（深圳）有限公司 | 佛学知识图谱构建方法、装置、设备及存储介质 |
| CN113568998A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种知识服务资源处理方法、装置、设备及存储介质 |
| CN113761927A (zh) * | 2021-08-31 | 2021-12-07 | 国网冀北电力有限公司 | 电网故障处置实时辅助决策方法、系统、设备及存储介质 |
| CN113886535A (zh) * | 2021-09-18 | 2022-01-04 | 前海飞算云创数据科技(深圳)有限公司 | 基于知识图谱的问答方法、装置、存储介质及电子设备 |
| CN113987210A (zh) * | 2021-11-09 | 2022-01-28 | 江苏科技大学 | 一种船舶产业知识图谱构建与分析方法 |
| CN114004230A (zh) * | 2021-09-23 | 2022-02-01 | 杭萧钢构股份有限公司 | 一种生产钢结构的工控调度方法和系统 |
| CN114090790A (zh) * | 2021-11-22 | 2022-02-25 | 西安交通大学 | 一种人机友好的数据逻辑融合电力知识图谱及其构建方法 |
| CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
| CN114417015A (zh) * | 2022-01-26 | 2022-04-29 | 西南交通大学 | 一种高速列车可维修性知识图谱构建方法 |
| WO2022102827A1 (ko) * | 2020-11-16 | 2022-05-19 | 주식회사 솔트룩스 | 과학 기술 논문을 위한 지식 추출 시스템 |
| CN114548408A (zh) * | 2022-01-11 | 2022-05-27 | 北京航天动力研究所 | 一种氢氧发动机知识推理方法 |
| CN114547168A (zh) * | 2022-01-27 | 2022-05-27 | 大连理工大学 | 基于虚拟知识图谱的精细化工安全生产数据融合与重构方法 |
| CN114547322A (zh) * | 2021-12-27 | 2022-05-27 | 重庆市生态环境大数据应用中心 | 一种用于识别水环境污染的知识图谱方法 |
| CN114547324A (zh) * | 2021-12-31 | 2022-05-27 | 华中农业大学 | 食品安全国家标准领域本体的构建方法、系统和介质 |
| CN114637766A (zh) * | 2022-05-18 | 2022-06-17 | 山东师范大学 | 基于自然资源产业链知识图谱的智能问答方法及系统 |
| CN114817423A (zh) * | 2022-04-26 | 2022-07-29 | 电子科技大学 | 一种面向金融行业的知识图谱更新系统 |
| CN114896472A (zh) * | 2022-05-27 | 2022-08-12 | 中国科学院空天信息创新研究院 | 一种基于多源时空数据的知识图谱机器推理系统和方法 |
| CN115080762A (zh) * | 2022-06-17 | 2022-09-20 | 瀚云瑞科技(北京)有限公司 | 一种考试知识图谱关系建立方法及系统 |
| CN115168606A (zh) * | 2022-07-01 | 2022-10-11 | 北京理工大学 | 一种面向半结构化工艺数据的映射模板知识抽取方法 |
| WO2022252061A1 (zh) * | 2021-05-31 | 2022-12-08 | 西门子（中国）有限公司 | 基于知识的装配工艺规划方法、装置和系统 |
| CN116028571A (zh) * | 2023-03-31 | 2023-04-28 | 南京航空航天大学 | 一种基于薄壁零件知识图谱构建方法和系统 |
| CN116090560A (zh) * | 2023-04-06 | 2023-05-09 | 北京大学深圳研究生院 | 基于教材的知识图谱建立方法、装置及系统 |
| CN116127090A (zh) * | 2022-12-28 | 2023-05-16 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
| CN116431818A (zh) * | 2022-11-15 | 2023-07-14 | 电子科技大学 | 一种用于热加工工艺设计的知识图谱自动构建方法 |
| CN116467482A (zh) * | 2023-04-04 | 2023-07-21 | 广东省科学院广州地理研究所 | 多模态植物知识查询方法、系统及计算机设备 |
| CN117236432A (zh) * | 2023-09-26 | 2023-12-15 | 中国科学院沈阳自动化研究所 | 一种面向多模态数据的制造工艺知识图谱构建方法及系统 |
| CN117252201A (zh) * | 2023-11-17 | 2023-12-19 | 山东山大华天软件有限公司 | 面向知识图谱的离散型制造行业工艺数据提取方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
| CN107609052A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院软件研究所 | 一种基于语义三角的领域知识图谱的生成方法及装置 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN109597855A (zh) * | 2018-11-29 | 2019-04-09 | 北京邮电大学 | 基于大数据驱动的领域知识图谱构建方法及系统 |
| CN109739939A (zh) * | 2018-12-29 | 2019-05-10 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
| CN110222199A (zh) * | 2019-06-20 | 2019-09-10 | 青岛大学 | 一种基于本体和多种神经网络集成的人物关系图谱构建方法 |
-
2020
- 2020-03-24 CN CN202010210748.XA patent/CN111444351B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868313A (zh) * | 2016-03-25 | 2016-08-17 | 浙江大学 | 一种基于模板匹配技术的知识图谱问答系统及方法 |
| CN107609052A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院软件研究所 | 一种基于语义三角的领域知识图谱的生成方法及装置 |
| CN109271530A (zh) * | 2018-10-17 | 2019-01-25 | 长沙瀚云信息科技有限公司 | 一种疾病知识图谱构建方法和平台系统、设备、存储介质 |
| CN109597855A (zh) * | 2018-11-29 | 2019-04-09 | 北京邮电大学 | 基于大数据驱动的领域知识图谱构建方法及系统 |
| CN109739939A (zh) * | 2018-12-29 | 2019-05-10 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
| CN110222199A (zh) * | 2019-06-20 | 2019-09-10 | 青岛大学 | 一种基于本体和多种神经网络集成的人物关系图谱构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王志超: "《面向知识图谱构建的实体行为与关系抽取技术研究与实现》" * |
Cited By (71)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182234A (zh) * | 2020-07-29 | 2021-01-05 | 长江勘测规划设计研究有限责任公司 | 流域防洪规划数据知识图谱构建方法 |
| CN112182234B (zh) * | 2020-07-29 | 2022-06-28 | 长江勘测规划设计研究有限责任公司 | 流域防洪规划数据知识图谱构建方法 |
| CN111782824A (zh) * | 2020-08-14 | 2020-10-16 | 中国工商银行股份有限公司 | 信息查询方法、装置、系统和介质 |
| CN111782824B (zh) * | 2020-08-14 | 2024-04-19 | 中国工商银行股份有限公司 | 信息查询方法、装置、系统和介质 |
| CN111966787A (zh) * | 2020-08-18 | 2020-11-20 | 上海海洋大学 | 一种基于知识图谱的智能渔业问答机器人的构建方法 |
| CN111813874A (zh) * | 2020-09-03 | 2020-10-23 | 中国传媒大学 | 太赫兹知识图谱构建方法及系统 |
| CN111813874B (zh) * | 2020-09-03 | 2023-09-15 | 中国传媒大学 | 太赫兹知识图谱构建方法及系统 |
| CN112000813A (zh) * | 2020-09-14 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 知识库构建方法及装置 |
| CN112100402A (zh) * | 2020-09-16 | 2020-12-18 | 广东电力信息科技有限公司 | 一种电网知识图谱构建方法及装置 |
| CN112182330A (zh) * | 2020-09-23 | 2021-01-05 | 创新奇智(成都)科技有限公司 | 知识图谱构建方法、装置、电子设备及计算机存储介质 |
| CN112182241A (zh) * | 2020-09-24 | 2021-01-05 | 四川大学 | 一种空管领域知识图谱的自动化构建方法 |
| CN112214611A (zh) * | 2020-09-24 | 2021-01-12 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
| CN112214611B (zh) * | 2020-09-24 | 2023-10-31 | 远光软件股份有限公司 | 一种企业知识图谱的构建系统和方法 |
| CN112182243B (zh) * | 2020-09-27 | 2023-11-28 | 中国平安财产保险股份有限公司 | 基于实体识别模型构建知识图谱的方法、终端及存储介质 |
| CN112182243A (zh) * | 2020-09-27 | 2021-01-05 | 中国平安财产保险股份有限公司 | 基于实体识别模型构建知识图谱的方法、终端及存储介质 |
| CN112464746B (zh) * | 2020-11-10 | 2023-09-12 | 清华苏州环境创新研究院 | 一种卫星影像和机器学习的水质监测方法及系统 |
| CN112464746A (zh) * | 2020-11-10 | 2021-03-09 | 清华苏州环境创新研究院 | 一种卫星影像和机器学习的水质监测方法及系统 |
| WO2022102827A1 (ko) * | 2020-11-16 | 2022-05-19 | 주식회사 솔트룩스 | 과학 기술 논문을 위한 지식 추출 시스템 |
| CN112612899A (zh) * | 2020-11-24 | 2021-04-06 | 中国传媒大学 | 知识图谱的构建方法、装置、存储介质和电子设备 |
| CN112612899B (zh) * | 2020-11-24 | 2024-06-18 | 中国传媒大学 | 知识图谱的构建方法、装置、存储介质和电子设备 |
| CN112463980A (zh) * | 2020-11-25 | 2021-03-09 | 南京摄星智能科技有限公司 | 一种基于知识图谱的预案智能推荐方法 |
| CN112541087A (zh) * | 2020-12-18 | 2021-03-23 | 清华大学 | 基于百科的跨语言知识图谱构建方法及装置 |
| CN112905612A (zh) * | 2021-02-07 | 2021-06-04 | 北京机电工程研究所 | 知识卡片的构建方法及装置 |
| CN113159320A (zh) * | 2021-03-08 | 2021-07-23 | 北京航空航天大学 | 一种基于知识图谱的科技资源数据集成方法及装置 |
| CN113486187A (zh) * | 2021-03-24 | 2021-10-08 | 平安科技（深圳）有限公司 | 佛学知识图谱构建方法、装置、设备及存储介质 |
| CN112883202A (zh) * | 2021-03-26 | 2021-06-01 | 江苏省未来网络创新研究院 | 一种基于知识图谱的多组件建模方法和系统 |
| CN113032618A (zh) * | 2021-03-26 | 2021-06-25 | 齐鲁工业大学 | 基于知识图谱的音乐推荐方法及系统 |
| CN112905808A (zh) * | 2021-03-29 | 2021-06-04 | 北京机电工程研究所 | 知识图谱的构建方法及装置、电子设备 |
| CN112966057A (zh) * | 2021-04-22 | 2021-06-15 | 上海深杳智能科技有限公司 | 知识图谱构建方法、系统、信息处理系统、终端及介质 |
| CN113268605A (zh) * | 2021-05-26 | 2021-08-17 | 深圳晶泰科技有限公司 | 一种小分子药物晶型知识图谱的构建方法及系统 |
| CN113268605B (zh) * | 2021-05-26 | 2024-01-02 | 深圳晶泰科技有限公司 | 一种小分子药物晶型知识图谱的构建方法及系统 |
| WO2022252061A1 (zh) * | 2021-05-31 | 2022-12-08 | 西门子（中国）有限公司 | 基于知识的装配工艺规划方法、装置和系统 |
| CN113361938A (zh) * | 2021-06-11 | 2021-09-07 | 湖北中烟工业有限责任公司 | 一种卷烟批次追溯数据网络图谱组织方法及装置 |
| CN113568998A (zh) * | 2021-06-18 | 2021-10-29 | 武汉理工数字传播工程有限公司 | 一种知识服务资源处理方法、装置、设备及存储介质 |
| CN113449120A (zh) * | 2021-07-02 | 2021-09-28 | 航天海鹰机电技术研究院有限公司 | 一种结合空间信息的管线安全综合监管方法 |
| CN113449120B (zh) * | 2021-07-02 | 2023-06-16 | 航天海鹰机电技术研究院有限公司 | 一种结合空间信息的管线安全综合监管方法 |
| CN113449526A (zh) * | 2021-08-27 | 2021-09-28 | 杭萧钢构股份有限公司 | 一种钢结构生产调度策略的适用性分析方法及系统 |
| CN113449526B (zh) * | 2021-08-27 | 2022-02-08 | 杭萧钢构股份有限公司 | 一种钢结构生产调度策略的适用性分析方法及系统 |
| CN113761927A (zh) * | 2021-08-31 | 2021-12-07 | 国网冀北电力有限公司 | 电网故障处置实时辅助决策方法、系统、设备及存储介质 |
| CN113761927B (zh) * | 2021-08-31 | 2024-02-06 | 国网冀北电力有限公司 | 电网故障处置实时辅助决策方法、系统、设备及存储介质 |
| CN113886535A (zh) * | 2021-09-18 | 2022-01-04 | 前海飞算云创数据科技(深圳)有限公司 | 基于知识图谱的问答方法、装置、存储介质及电子设备 |
| CN113886535B (zh) * | 2021-09-18 | 2022-07-08 | 前海飞算云创数据科技(深圳)有限公司 | 基于知识图谱的问答方法、装置、存储介质及电子设备 |
| CN114004230A (zh) * | 2021-09-23 | 2022-02-01 | 杭萧钢构股份有限公司 | 一种生产钢结构的工控调度方法和系统 |
| CN113987210A (zh) * | 2021-11-09 | 2022-01-28 | 江苏科技大学 | 一种船舶产业知识图谱构建与分析方法 |
| CN114090790B (zh) * | 2021-11-22 | 2024-04-16 | 西安交通大学 | 一种人机友好的数据逻辑融合电力知识图谱及其构建方法 |
| CN114090790A (zh) * | 2021-11-22 | 2022-02-25 | 西安交通大学 | 一种人机友好的数据逻辑融合电力知识图谱及其构建方法 |
| CN114547322A (zh) * | 2021-12-27 | 2022-05-27 | 重庆市生态环境大数据应用中心 | 一种用于识别水环境污染的知识图谱方法 |
| CN114547324A (zh) * | 2021-12-31 | 2022-05-27 | 华中农业大学 | 食品安全国家标准领域本体的构建方法、系统和介质 |
| CN114548408A (zh) * | 2022-01-11 | 2022-05-27 | 北京航天动力研究所 | 一种氢氧发动机知识推理方法 |
| CN114417015A (zh) * | 2022-01-26 | 2022-04-29 | 西南交通大学 | 一种高速列车可维修性知识图谱构建方法 |
| CN114547168A (zh) * | 2022-01-27 | 2022-05-27 | 大连理工大学 | 基于虚拟知识图谱的精细化工安全生产数据融合与重构方法 |
| CN114218406A (zh) * | 2022-02-17 | 2022-03-22 | 杭州杰牌传动科技有限公司 | 基于传动知识图谱的传动解决方案生成方法及系统 |
| CN114817423A (zh) * | 2022-04-26 | 2022-07-29 | 电子科技大学 | 一种面向金融行业的知识图谱更新系统 |
| CN114637766B (zh) * | 2022-05-18 | 2022-08-26 | 山东师范大学 | 基于自然资源产业链知识图谱的智能问答方法及系统 |
| CN114637766A (zh) * | 2022-05-18 | 2022-06-17 | 山东师范大学 | 基于自然资源产业链知识图谱的智能问答方法及系统 |
| CN114896472A (zh) * | 2022-05-27 | 2022-08-12 | 中国科学院空天信息创新研究院 | 一种基于多源时空数据的知识图谱机器推理系统和方法 |
| CN114896472B (zh) * | 2022-05-27 | 2023-09-22 | 中国科学院空天信息创新研究院 | 一种基于多源时空数据的知识图谱机器推理系统和方法 |
| CN115080762A (zh) * | 2022-06-17 | 2022-09-20 | 瀚云瑞科技(北京)有限公司 | 一种考试知识图谱关系建立方法及系统 |
| CN115168606B (zh) * | 2022-07-01 | 2024-05-24 | 北京理工大学 | 一种面向半结构化工艺数据的映射模板知识抽取方法 |
| CN115168606A (zh) * | 2022-07-01 | 2022-10-11 | 北京理工大学 | 一种面向半结构化工艺数据的映射模板知识抽取方法 |
| CN116431818A (zh) * | 2022-11-15 | 2023-07-14 | 电子科技大学 | 一种用于热加工工艺设计的知识图谱自动构建方法 |
| CN116431818B (zh) * | 2022-11-15 | 2023-12-05 | 电子科技大学 | 一种用于热加工工艺设计的知识图谱自动构建方法 |
| CN116127090A (zh) * | 2022-12-28 | 2023-05-16 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
| CN116127090B (zh) * | 2022-12-28 | 2023-11-21 | 中国航空综合技术研究所 | 基于融合和半监督信息抽取的航空系统知识图谱构建方法 |
| CN116028571A (zh) * | 2023-03-31 | 2023-04-28 | 南京航空航天大学 | 一种基于薄壁零件知识图谱构建方法和系统 |
| CN116467482A (zh) * | 2023-04-04 | 2023-07-21 | 广东省科学院广州地理研究所 | 多模态植物知识查询方法、系统及计算机设备 |
| CN116467482B (zh) * | 2023-04-04 | 2024-04-09 | 广东省科学院广州地理研究所 | 多模态植物知识查询方法、系统及计算机设备 |
| CN116090560A (zh) * | 2023-04-06 | 2023-05-09 | 北京大学深圳研究生院 | 基于教材的知识图谱建立方法、装置及系统 |
| CN117236432A (zh) * | 2023-09-26 | 2023-12-15 | 中国科学院沈阳自动化研究所 | 一种面向多模态数据的制造工艺知识图谱构建方法及系统 |
| CN117252201A (zh) * | 2023-11-17 | 2023-12-19 | 山东山大华天软件有限公司 | 面向知识图谱的离散型制造行业工艺数据提取方法及系统 |
| CN117252201B (zh) * | 2023-11-17 | 2024-02-27 | 山东山大华天软件有限公司 | 面向知识图谱的离散型制造行业工艺数据提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111444351B (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444351B (zh) | 一种行业工艺领域知识图谱构建方法及装置 | |
| CN111339313A (zh) | 一种基于多模态融合的知识库构建方法 | |
| CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
| CN111708773A (zh) | 一种多源科创资源数据融合方法 | |
| CN112559766A (zh) | 一种法律知识图谱构建系统 | |
| CN115438199A (zh) | 一种基于智慧城市场景数据中台技术的知识平台系统 | |
| CN114238524B (zh) | 基于增强样本模型的卫星频轨数据信息抽取方法 | |
| CN114911893A (zh) | 基于知识图谱的自动化构建知识库的方法及系统 | |
| CN110377690B (zh) | 一种基于远程关系抽取的信息获取方法和系统 | |
| Ma et al. | Research on the construction method of knowledge graph for power grid education resources | |
| CN117094390A (zh) | 一种面向海洋工程领域的知识图谱构建及智能搜索方法 | |
| CN116701665A (zh) | 基于深度学习的中医古籍知识图谱构建方法 | |
| Wu et al. | A summary of the latest research on knowledge graph technology | |
| CN115203429B (zh) | 一种用于构建审计领域本体框架的知识图谱自动扩充方法 | |
| CN111259106A (zh) | 一种结合神经网络和特征演算的关系抽取方法 | |
| CN115964468A (zh) | 一种基于多层次模板匹配的乡村信息智能问答方法及装置 | |
| CN115827885A (zh) | 一种运维知识图谱的构建方法、装置及电子设备 | |
| Yang et al. | A general solution and practice for automatically constructing domain knowledge graph | |
| Zheng et al. | Scholar-course knowledge graph construction based on graph database storage | |
| Zhang et al. | Synchronous condenser-based intelligent question answering system based on knowledge graph | |
| Jie et al. | Review of Knowledge Graph and Its Vertical Applications in Industry | |
| Sun et al. | A data retrieval method based on agcn-wgan | |
| Wei et al. | A Data-Driven Human–Machine Collaborative Product Design System Toward Intelligent Manufacturing | |
| Ha et al. | Research on entity extraction based on subway energy consumption patent | |
| Yuan | Designing the Education Resource Management System Using Apriori Algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: He Weiqi Inventor after: Dong Shiyuan Inventor after: Liu Na Inventor after: Wu Zhijie Inventor after: Liu Yi Inventor before: He Weiqi Inventor before: Dong Shiyuan Inventor before: Liu Na |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210415 Address after: 215000 building 16, 158 Jinfeng Road, Huqiu District, Suzhou City, Jiangsu Province Applicant after: RESEARCH INSTITUTE FOR ENVIRONMENTAL INNOVATION (SUZHOU) TSINGHUA Applicant after: TSINGHUA University Address before: 215000 building 16, 158 Jinfeng Road, Huqiu District, Suzhou City, Jiangsu Province Applicant before: RESEARCH INSTITUTE FOR ENVIRONMENTAL INNOVATION (SUZHOU) TSINGHUA |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240220 Address after: 215163 floor 2, building 1, No. 100, Guangqi Road, high tech Zone, Suzhou, Jiangsu Patentee after: Xunfei Qinghuan (Suzhou) Technology Co.,Ltd. Country or region after: China Address before: 215000 building 16, 158 Jinfeng Road, Huqiu District, Suzhou City, Jiangsu Province Patentee before: RESEARCH INSTITUTE FOR ENVIRONMENTAL INNOVATION (SUZHOU) TSINGHUA Country or region before: China Patentee before: TSINGHUA University |