CN116089628A - 一种城市建设和自然资源档案知识图谱构建方法 - Google Patents
一种城市建设和自然资源档案知识图谱构建方法 Download PDFInfo
- Publication number
- CN116089628A CN116089628A CN202310121035.XA CN202310121035A CN116089628A CN 116089628 A CN116089628 A CN 116089628A CN 202310121035 A CN202310121035 A CN 202310121035A CN 116089628 A CN116089628 A CN 116089628A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- natural resource
- construction
- constructing
- archive
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 90
- 230000008520 organization Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000009430 construction management Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013136 deep learning model Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009436 residential construction 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Development Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种城市建设和自然资源档案知识图谱构建方法,应用于知识图谱技术领域,按照知识组织全流程“描述—抽取—关联—应用”逻辑思路展开。首先,从“外因牵引”和“内因驱动”两个维度解析语义化知识组织必要性,分析城市建设和自然资源档案知识组织目标及原则;其次,基于城市建设和自然资源档案结构语义和内容语义特征构建城市建设和自然资源档案语义化知识组织逻辑框架,并根据框架逐层解构,由浅入深,环环相扣,进行城市建设和自然资源档案知识元描述、抽取、关联和应用。本发明提供的方法从知识元维度对知识内容进行深层分析和检索,有益于提高对建设项目知识的整体认知,满足用户对知识的精细化检索需求。
Description
技术领域
本发明涉及知识图谱技术领域,更具体的说是涉及一种城市建设和自然资源档案知识图谱构建方法。
背景技术
知识组织是图书情报学领域研究的核心内容,是对无序、混乱、分散的知识进行整理、提取、排列和序化,使之成为一个有序的结构化系统,从而使知识得到增值。知识组织从早期对纸质文献的分类、排架、主题标引、编撰主题词表到如今在技术赋能下挖掘知识之间的关联性来构建复杂网络,其组织程度和粒度在不断加深,组织方式也从手工操作过渡到机器理解并推理。纵观国内外知识组织相关的研究文献,可以将其概括为以下3个方面,即知识组织理论研究、知识组织工具方法研究、知识组织应用领域非常广泛,在档案领域相关研究主要聚焦于以下6大研究领域。1.图书馆知识组织图书馆领域知识组织对象早期以纸质版文献为主,采用卡片索引等传统方式进行资源组织;2.医学领域知识组织;3.网络社区知识组织;4.科技文献知识组织;5.政府资源组织;6.数字人文领域知识组织。但这些方法在复杂条件下,知识组织存在着无序、混乱、分散的缺陷。
因此,提出一种城市建设和自然资源档案知识图谱构建方法,来解决现有技术中存在的困难,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种城市建设和自然资源档案知识图谱构建方法,该知识元语语义网络区别于传统的知识网络,从更细粒度视角深入到知识内涵层面,从知识元维度对知识内容进行深层分析和探索,有益于提高对建设项目知识的整体认知,满足用户对知识的精细化检索需求。
为了实现上述目的,本发明提供如下技术方案:
一种城市建设和自然资源档案知识图谱构建方法,包括以下步骤:
基于城市建设和自然资源档案的结构语义和内容语义,构建城市建设和自然资源档案语义化知识组织核心体系框架;
采用城市建设和自然资源档案知识元语义描述的方式,从元数据描述和本体描述两个层面分别构建城市建设和自然资源档案知识元元数据描述规范和知识元语义描述模型;
采用基于规则、机器学习或深度学习方法,对城市建设和自然资源档案知识元实体及知识项进行抽取和挖掘;对城市建设和自然资源档案知识元实体及知识项进行抽取时采用包括深度学习、主题建模在内的技术;
构建知识元关联关系,并以知识图谱的形式进行可视化呈现;
将知识元概念引入到语义网络结构中,构建城市建设和自然资源档案知识元语义网络。
上述深度学习方法采用深度学习Bi-LSTM和BERT等统计模型对城市建设和自然资源档案知识元实体进行抽取和挖掘;主题建模法采用LDA主题建模方面抽取城市建设和自然资源档案主题内容信息。
上述技术方案达到的技术效果为:增强信息的可使用性和可重复性,为知识元关联关系构建奠定基石。
可选的,城市建设和自然资源档案知识元元数据描述,具体为:
解析城市建设和自然资源档案资源特征,明确元数据描述具体内容,提炼知识元核心要素,制定标准严谨的数据著录规范,并采用XML和RDF形式化语言进行描述;
城市建设和自然资源档案知识元元数据描述框架参考选用的2个元数据标准,分别为复用DC标准和复用EAD标准;其中,复用DC标准包括4个元素,分别为题名、其他贡献者、类别、描述,复用EAD标准包括2个元素,分别为编号、来源。
可选的,所述知识元实体包括:人名、机构名、时间段、空间地点、职官名称、事件、主题、文献。
可选的,所述知识项包括:空间知识项、时间知识项、项目知识项、建设类型知识项、建设单位知识项、建设管控知识项。
可选的,构建知识元关联关系,具体为:
从知识元外部结构和内部结构两个维度对知识元关系进行分类,对于外部结构—知识元实体之间的关系,采用深度学习模型CNN和B i-LSTM两种方法识别知识元实体关系;对于内部结构—知识元实体与属性关系,采用规则模板方式抽取,并以知识图谱可视化方式进行呈现。
上述知识图谱法采用Neoj4图数据库构建知识元关联关系,以可视化方式呈现城市建设和自然资源档案外部逻辑关联性和内在语义关联性。
上述技术方案达到的技术效果为:揭示知识元内部和外部结构特征,寻求档案内容中隐含知识里的潜在模式和规律,挖掘构建不同类型的关联关系,实现报纸资源的深层次语义化组织。
可选的,构建城市建设和自然资源档案知识元语义网络,具体为:
在城市建设和自然资源档案知识元语义描述模型基础上进行城市建设和自然资源档案知识元语义网络的构建,将知识元概念引入到语义网络结构中,从细粒度视角知识元实体进行抽象概括,梳理知识元标识术语和知识项两方面的内容,建构城市建设和自然资源档案知识元语义网络。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种城市建设和自然资源档案知识图谱构建方法,从知识元维度对知识内容进行深层分析和探索,有益于提高对建设项目知识的整体认知,满足用户对知识的精细化检索需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的研究技术路线图。
图2为本发明的知识元抽取框架图。
图3为本发明的知识元关系维度图。
图4为本发明的构建基于建设管控知识元的知识元语义网络图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种城市建设和自然资源档案知识图谱构建方法,如图1所示,包括以下步骤:
基于城市建设和自然资源档案的结构语义和内容语义,构建城市建设和自然资源档案语义化知识组织核心体系框架;
采用城市建设和自然资源档案知识元语义描述的方式,从元数据描述和本体描述两个层面分别构建城市建设和自然资源档案知识元元数据描述规范和知识元语义描述模型;
采用基于规则、机器学习或深度学习方法,对城市建设和自然资源档案知识元实体及知识项进行抽取和挖掘;对城市建设和自然资源档案知识元实体及知识项进行抽取时采用包括深度学习、主题建模在内的技术;
构建知识元关联关系,并以知识图谱的形式进行可视化呈现;
将知识元概念引入到语义网络结构中,构建城市建设和自然资源档案知识元语义网络。
上述深度学习方法采用深度学习Bi-LSTM和BERT等统计模型对城市建设和自然资源档案知识元实体进行抽取和挖掘;主题建模法采用LDA主题建模方面抽取城市建设和自然资源档案主题内容信息。
上述技术方案达到的技术效果为:增强信息的可使用性和可重复性,为知识元关联关系构建奠定基石。
进一步的,城市建设和自然资源档案知识元元数据描述,具体为:
解析城市建设和自然资源档案资源特征,明确元数据描述具体内容,提炼知识元核心要素,制定标准严谨的数据著录规范,并采用XML和RDF形式化语言进行描述;
城市建设和自然资源档案知识元元数据描述框架参考选用的2个元数据标准,分别为复用DC标准和复用EAD标准;其中,复用DC标准包括4个元素,分别为题名、其他贡献者、类别、描述,复用EAD标准包括2个元素,分别为编号、来源。
进一步的,所述知识元实体包括:人名、机构名、时间段、空间地点、职官名称、事件、主题、文献。
进一步的,所述知识项包括:空间知识项、时间知识项、项目知识项、建设类型知识项、建设单位知识项、建设管控知识项。
进一步的,如图3所示,构建知识元关联关系,具体为:
从知识元外部结构和内部结构两个维度对知识元关系进行分类,对于外部结构—知识元实体之间的关系,采用深度学习模型CNN和B i-LSTM两种方法识别知识元实体关系;对于内部结构—知识元实体与属性关系,采用规则模板方式抽取,并以知识图谱可视化方式进行呈现。
上述知识图谱法采用Neoj4图数据库构建知识元关联关系,以可视化方式呈现城市建设和自然资源档案外部逻辑关联性和内在语义关联性。
上述技术方案达到的技术效果为:揭示知识元内部和外部结构特征,寻求档案内容中隐含知识里的潜在模式和规律,挖掘构建不同类型的关联关系,实现报纸资源的深层次语义化组织,采用知识元语义链接模型来表示知识内容的逻辑关系,从知识元和信息导航两个方面构建知识元链接模型,通过信息导航的逻辑链接性促进知识结构演变和进化。
进一步的,城市建设和自然资源档案知识元分类表1:
进一步的,构建城市建设和自然资源档案知识元语义网络,具体为:
在城市建设和自然资源档案知识元语义描述模型基础上进行城市建设和自然资源档案知识元语义网络的构建,将知识元概念引入到语义网络结构中,从细粒度视角知识元实体进行抽象概括,梳理知识元标识术语和知识项两方面的内容,建构城市建设和自然资源档案知识元语义网络。
具体实施例为:例如以项目知识元A项目中“建设管控”为例,构建基于建设管控知识元的知识元语义网络,如图4,项目知识元A项目建设时间、建设地址、建设类型、建设单位、建设管控,关联关系分别是建设强度/容积率、建设密度、公服密度、地下空间开发强度、绿地率,且A项目属于居住类建设;通过以“项目”为核心的网络关系构建直观再现了各个知识元之间的关系;在该网络中,知识元具有独立性、链接性和拓扑性特征;独立性是指每个知识元可以独立成为一个整体,揭示概念的知识内涵;链接性是指不同知识元之间通过关系属性进行链接,以解构知识之间的关联性;拓扑性是指知识元语义网络具有扩展性,有益于实现知识的链式拓展。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种城市建设和自然资源档案知识图谱构建方法,其特征在于,包括以下步骤:
基于城市建设和自然资源档案的结构语义和内容语义,构建城市建设和自然资源档案语义化知识组织核心体系框架;
采用城市建设和自然资源档案知识元语义描述的方式,从元数据描述和本体描述两个层面分别构建城市建设和自然资源档案知识元元数据描述规范和知识元语义描述模型;
采用基于规则、机器学习或深度学习方法,对城市建设和自然资源档案知识元实体及知识项进行抽取和挖掘;对城市建设和自然资源档案知识元实体及知识项进行抽取时采用包括深度学习、主题建模在内的技术;
构建知识元关联关系,并以知识图谱的形式进行可视化呈现;
将知识元概念引入到语义网络结构中,构建城市建设和自然资源档案知识元语义网络。
2.根据权利要求1所述的一种城市建设和自然资源档案知识图谱构建方法,其特征在于,城市建设和自然资源档案知识元元数据描述,具体为:
解析城市建设和自然资源档案资源特征,明确元数据描述具体内容,提炼知识元核心要素,制定标准严谨的数据著录规范,并采用XML和RDF形式化语言进行描述;
城市建设和自然资源档案知识元元数据描述框架参考选用的2个元数据标准,分别为复用DC标准和复用EAD标准;其中,复用DC标准包括4个元素,分别为题名、其他贡献者、类别、描述,复用EAD标准包括2个元素,分别为编号、来源。
3.根据权利要求1所述的一种城市建设和自然资源档案知识图谱构建方法,其特征在于,所述知识元实体包括:人名、机构名、时间段、空间地点、职官名称、事件、主题、文献。
4.根据权利要求1所述的一种城市建设和自然资源档案知识图谱构建方法,其特征在于,所述知识项包括:空间知识项、时间知识项、项目知识项、建设类型知识项、建设单位知识项、建设管控知识项。
5.根据权利要求1所述的一种城市建设和自然资源档案知识图谱构建方法,其特征在于,构建知识元关联关系,具体为:
从知识元外部结构和内部结构两个维度对知识元关系进行分类,对于外部结构—知识元实体之间的关系,采用深度学习模型CNN和Bi-LSTM两种方法识别知识元实体关系;对于内部结构—知识元实体与属性关系,采用规则模板方式抽取,并以知识图谱可视化方式进行呈现。
6.根据权利要求1所述的一种城市建设和自然资源档案知识图谱构建方法,其特征在于,构建城市建设和自然资源档案知识元语义网络,具体为:
在城市建设和自然资源档案知识元语义描述模型基础上进行城市建设和自然资源档案知识元语义网络的构建,将知识元概念引入到语义网络结构中,从细粒度视角知识元实体进行抽象概括,梳理知识元标识术语和知识项两方面的内容,建构城市建设和自然资源档案知识元语义网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121035.XA CN116089628A (zh) | 2023-02-14 | 2023-02-14 | 一种城市建设和自然资源档案知识图谱构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121035.XA CN116089628A (zh) | 2023-02-14 | 2023-02-14 | 一种城市建设和自然资源档案知识图谱构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116089628A true CN116089628A (zh) | 2023-05-09 |
Family
ID=86200727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310121035.XA Pending CN116089628A (zh) | 2023-02-14 | 2023-02-14 | 一种城市建设和自然资源档案知识图谱构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116089628A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744846A (zh) * | 2013-08-13 | 2014-04-23 | 北京航空航天大学 | 一种多维度动态局部知识地图及其构建方法 |
CN106919674A (zh) * | 2017-02-20 | 2017-07-04 | 广东省中医院 | 一种基于Wiki语义网络构建的知识问答系统及智能检索方法 |
US20190311003A1 (en) * | 2015-03-19 | 2019-10-10 | Semantic Technologies Pty Ltd | Semantic knowledge base |
CN111737471A (zh) * | 2020-06-28 | 2020-10-02 | 中国农业科学院农业信息研究所 | 一种基于知识图谱的档案管理模型构建方法及系统 |
CN113032580A (zh) * | 2021-03-29 | 2021-06-25 | 浙江星汉信息技术股份有限公司 | 关联档案推荐方法、系统及电子设备 |
CN115098696A (zh) * | 2022-06-20 | 2022-09-23 | 广州市阿尔法软件信息技术有限公司 | 一种城市体检知识图谱的构建方法、装置及存储介质 |
CN115114455A (zh) * | 2022-07-04 | 2022-09-27 | 电子科技大学 | 一种基于本体的多粒度城市暴雨内涝知识图谱构建方法 |
-
2023
- 2023-02-14 CN CN202310121035.XA patent/CN116089628A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744846A (zh) * | 2013-08-13 | 2014-04-23 | 北京航空航天大学 | 一种多维度动态局部知识地图及其构建方法 |
US20190311003A1 (en) * | 2015-03-19 | 2019-10-10 | Semantic Technologies Pty Ltd | Semantic knowledge base |
CN106919674A (zh) * | 2017-02-20 | 2017-07-04 | 广东省中医院 | 一种基于Wiki语义网络构建的知识问答系统及智能检索方法 |
CN111737471A (zh) * | 2020-06-28 | 2020-10-02 | 中国农业科学院农业信息研究所 | 一种基于知识图谱的档案管理模型构建方法及系统 |
CN113032580A (zh) * | 2021-03-29 | 2021-06-25 | 浙江星汉信息技术股份有限公司 | 关联档案推荐方法、系统及电子设备 |
CN115098696A (zh) * | 2022-06-20 | 2022-09-23 | 广州市阿尔法软件信息技术有限公司 | 一种城市体检知识图谱的构建方法、装置及存储介质 |
CN115114455A (zh) * | 2022-07-04 | 2022-09-27 | 电子科技大学 | 一种基于本体的多粒度城市暴雨内涝知识图谱构建方法 |
Non-Patent Citations (1)
Title |
---|
雷洁;赵瑞雪;李思经;鲜国建;寇远涛;: "知识图谱驱动的科研档案大数据管理系统构建研究", 数字图书馆论坛, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hotho et al. | BibSonomy: A social bookmark and publication sharing system | |
Eck et al. | A semantic file system for integrated product data management | |
JP2012520529A (ja) | 知識調査のためのシステム及び方法 | |
CN111931027A (zh) | 一种智能新闻舆情预警系统 | |
CN113190687B (zh) | 知识图谱的确定方法、装置、计算机设备及存储介质 | |
Wang et al. | Visual analytics and information extraction of geological content for text-based mineral exploration reports | |
Yaman et al. | Interlinking scigraph and dbpedia datasets using link discovery and named entity recognition techniques | |
CN116089628A (zh) | 一种城市建设和自然资源档案知识图谱构建方法 | |
CN102999487A (zh) | 一种数字出版资源语义增强描述系统及其方法 | |
Xiong et al. | Oracle bone inscriptions big knowledge management and service platform | |
Bi et al. | Building Chinese legal hybrid knowledge network | |
Tagarelli | XML Data Mining: Models, Methods, and Applications: Models, Methods, and Applications | |
Yuxuan et al. | Research on Intelligent Organization and Application of Multi-source Heterogeneous Knowledge Resources for Energy Internet | |
Chen | Content-Oriented E-Government Information Portal Architecture and Strategies | |
Arora et al. | Extraction and analysis of information in news domain using semantic web | |
Golbeck et al. | Organization and Structure of Information using Semantic Web Technologies | |
Lang et al. | The next-generation search engine: Challenges and key technologies | |
Helal | Patent Mining by Extracting Functional Analysis Information Modelled As Graph Structure: A Patent Knowledge-base Collaborative Building Approach | |
Hoaihongthong et al. | Semantic Search System for Common Cultural Traditions of the Greater Mekong Subregion | |
Song et al. | Knowledge network and visual analysis of knowledge graph research | |
TW201108131A (en) | Mobile phone development system and method thereof based on ontology | |
Chaudhary | A Hybrid Approach Solution for web page segmentation using Clustering and Optimizing Techniques | |
Callewaert | FRBRizing your catalogue: the facets of FRBR | |
Wang et al. | Ontology-driven relational data mapping for constructing a knowledge graph of porphyry copper deposits | |
Wang et al. | An Event-Centric Scientific Literature Information Organization Method |
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 |