基于文本的应急知识模式提取方法研究

应急知识模式是关于突发事件演进规律的知识,因而是应急领域知识库的重要组成部分.应急知识模式提取有助于应急工作者有效了解事态现状和快速做出应急反应,进而降低事件负面影响.本文研究如何从海量应急领域文本中抽取应急工作者关注的知识模式.我们用自然语言处理技术(NLP)从无结构海量应急领域文本中提取描述突发事件的特征事实,并通过提取特征事实之间的因果推理关系和并列作用关系,来构建知识的特征事实依赖图(FEDG)模型.基于FEDG模型,我们提出使用闭合约束搜索算法提取应急知识模式.通过实验及其分析证明本方法对知识模式提取具有较好效果.     

基于本体和Rough Set理论的知识推理模型

随着计算机的普及与快速发展,如何通过在批量数据中提取有效规则实现机器智能分类与推理,提高知识推理的有效性与准确率,成为当前知识服务领域的难题之一.文章基于本体(Ontology)的知识组织方式和粗糙集(Rough Set)理论的知识获取技术,针对批量数据的规则提取实现知识推理,提出知识推理模型ORSKM.ORSKM模型利用九元组构建领域本体,实现实例数据的语义化描述;从领域本体的属性中提取粗糙集的决策表,由决策表对领域本体关系进行领域知识知识库归约,获取领域知识相关的属性规则;通过粗糙集知识推理算法实现知识获取,最后通过实验对该知识推理模型进行验证.     

基于本体的专利情报发现体系研究

专利是获取竞争对手信息的重要来源，如何提高专利分析的效率和效果是专利工作者面临的主要问题。基于本体的专利情报发现能够实现智能化的情报挖掘，有效地支持了专利知识的再发现。文章在Protégé环境下通过构建一个简单领域本体，借助实例分析，讨论了基于本体的专利情报发现体系的实现策略。     

基于本体与规则的语义推理研究

为解决本体相关概念的共享和信息集成,发现本体间的语义关联,提出了本体与规则整合下的语义推理模型ORRM,构建了家庭本体FO。将推理集中在两个不同层次,第一层的推理使用Racer推理机进行描述逻辑的推理,检测本体的冲突。第二层使用本体中表示的概念和属性制定成员规则库,采用基于XML的SWRL呈现规则和Jess推理引擎,增加了本体概念问语义的关联。该模型在本体中引入规则表示,弥补了OWL DL在推理机制上的不足,推导出的新本体在原本体的基础上实现了本体成员间隐含关系的语义推理,完善了本体知识库的内容。在语义Web领域,该模型的应用能够提高本体知识的利用率。     

基于SWRL规则推理的隐含关系挖掘

针对本体系统中,知识的表现形式有限,OWL本身无法建立一般领域的规则,导致很多存在于社会关系本体中的隐含关系信息尚待挖掘的问题,将推理系统中的本体和规则相互分离,在社会关系领域本体的基础上,构建一系列SWRL规则以进行隐含关系的自动挖掘。在实验中,共定义22条关系规则,推理得出50条新的公理,由此进行社会关系本体的自动更新。     

规则增强的知识图谱表示学习方法

知识图谱（Knowledge Graph,简称KG）的表示学习方法旨在将知识图谱的实体和关系表示为稠密低维实值向量, 进而在低维向量空间中高效计算实体、关系及其之间的复杂语义关联, 在知识图谱的构建、推理、融合、挖掘以及应用中具有重要作用。已有的知识图谱表示方法仅仅考虑了知识图谱中的直接事实,忽略了知识图谱中一些隐藏的语义信息,这些语义信息对于知识图谱关系和实体的嵌入表示有着重要的影响。本文提出了一种规则增强的知识图谱表示学习方法,该方法首先通过知识图谱规则挖掘的方法提取一组可代表知识图谱语义信息的Horn 逻辑规则,随后通过基于规则的物化推理方法将相应的隐藏语义信息注入到知识图谱表示学习模型中。实验结果表明,基于规则增强的方法可以显著提升已有知识图谱表示学习模型在链接预测和定理预测上的效果和性能。     

基于SWRL推理机制的心电图本体设计与实现

将语义网规则语言SWRL和推理引擎JESS结合起来,通过对本体概念及其属性的分析,能够判定出本体概念之间隐含的语义关系,从而进行知识发现.利用Protege 3.4 制作心电图本体,基于SWRL推理机制建立心电图各波型、波段不同值组合的规则,将SWRL规则导入到JESS推理引擎中进行推理,最后将推理产生的新信息再写入心电图本体中,具有推理功能的心电图本体可用以解决心电图智能诊断问题,并为构建心电图专家系统打下基础,该方法为本体在专业领域的应用进行了有益探索.     

学术文本中细粒度知识实体的关联分析

考察特定领域文本中蕴含的细粒度知识实体的使用情况,对知识实体的评估和选择具有重要意义。学术文本中的细粒度知识实体通常具有多个类型、多种关联关系,挖掘知识实体的同质与异质关联关系,有助于深入了解特定领域知识实体的实际使用情况。目前相关研究大多针对学术文本中单一知识实体的抽取和评估,缺乏对知识实体间关系的关注,在一定程度上限制了基于实体抽取进行知识发现的能力。文章以自然语言处理领域为例,对学术论文全文中的细粒度知识实体关联数据进行挖掘,并通过可视化方式揭示关联数据中蕴含的信息。主要是选取全国计算语言学会议2009-2018年间收录的中文论文为原始语料,人工标注论文中使用的知识实体,并针对NLP特点将其细分为“指标实体”“工具实体”“资源实体”“方法实体”4种类型;结合关联规则挖掘算法Apriori和复杂网络分析软件构建知识实体关联网络,揭示该领域常用的知识实体,以及这些知识实体的使用相关性。     

泛在知识环境中数据挖掘技术进展分析

本文针对泛在知识环境的特征和知识获取需求,重点从数据挖掘的智能演化、挖掘层次、发展要素三个主要方面进行调研分析,探讨了数据挖掘的本质要素及规律,指出基于智能语义处理的知识挖掘是数据挖掘发展的必然趋势.本文进一步提出,将人工智能领域的智能信息获取技术与知识管理领域的大规模语义知识处理技术相结合,构建语义知识表示、分析、检索、推理、挖掘等一体化的知识挖掘体系,是实现大规模知识获取和提升其智能水平的有效途径.     

基于本体的数字图书馆检索模型研究(Ⅳ)——历史领域知识推理机制

基于本体的领域知识推理主要分为基于逻辑的领域知识检错推理和基于关系的领域蕴涵知识发现推理。对本体描述的领域知识进行推理,可以检测知识逻辑体系错误,减少领域本体构建繁琐的工作量,减轻对领域专家的依赖,发现领域蕴涵知识。在国共合作领域知识进行语义关系分析的基础上,提炼推理规则库,并分别运用TABLEAU算法和RETE模式匹配算法,在推理引擎Racer和Jena中实现了逻辑检错推理和蕴涵知识发现推理。     

中医药本体概念描述体系的自动构建研究

对中医药本体概念描述体系自动构建所需要的数据基础进行深入研究,在全面阐述数据加工方法及技术的基础上,利用自然语言处理(NLP)理论与方法对中医药领域中已有的公认领域知识进行重构与利用。成功实现中医药学知识描述体系的自动构建与获取,从而为中医药知识的挖掘与发现、利用奠定数据基础,并对领域本体的构建与进化进行有益的探索,为专业领域本体的自动构建提供理论依据及技术支持。     

基于领域本体的语义文本挖掘研究

为了提高文本挖掘的深度和精度,研究并提出了一种基于领域本体的语义文本挖掘模型.该模型利用语义角色标注进行语义分析,获取概念和概念间的语义关系,提高文本表示的准确度;针对传统的知识挖掘算法不能有效挖掘语义元数据库,设计了一种基于语义的模式挖掘算法挖掘文本深层的语义模式.实验结果表明,该模型能够挖掘文本数据库中的深层语义知识,获取的模式具有很强的潜在应用价值,设计的算法具有很强的适应性和可扩展性.     

采用C-F模型的中医本体诊断推理与实现

针对中医诊断流程所涉及的中医领域知识,对中医本体概念及其属性进行分析,利用Protégé软件构建中医领域的知识本体。以知识本体为基础,提出基于SWRL语言的诊断推理规则,引入C-F模型对中医症状、诊断规则等不确定性因素进行匹配度计算,通过Jess推理引擎进行诊断推理的验证,尝试中医诊断推理过程中组合条件下的语义推理,为构建中医智能诊断系统打下基础。     

基于概率推理的动态知识集群及其应用研究

现有的知识推荐方法主要是静态知识分类推荐和单个用户个性化推荐,忽略了用户大众在知识访问中表现出的网络集群行为特征.用户的网络集群行为所访问的知识项之间往往隐含着某些内在联系,将网络集群行为下所形成的知识群落称为知识簇.根据基于网络集群行为的用户访问之间的影响关系和访问日志处理过程,构建了基于网络集群行为的动态知识簇模型.将用户访问的知识项看作网络节点,利用概率推理得出节点之间的关联关系形成动态知识簇.当用户访问某个知识项时,根据动态知识簇向用户推荐该知识项的相关知识.使用网络爬虫技术挖掘知识服务网"豆瓣网"用户对豆瓣电影的访问日志作为实验数据,实验结果证明了基于概率推理的动态知识簇的推荐方法是有效的.     

基于免疫关联挖掘的教学信息评价

针对数据挖掘中的关联规则挖掘广度及效率问题,提出了一种基于免疫优化的关联规则挖掘算法.将数据原始记录和候选模式分别作为抗原和识别抗体,通过免疫聚类竞争加速克隆扩增,提高抗体成熟力及亲和性,增强候选模式支持度.在算法执行过程中,支持度大于阈值的优秀个体都将被作为记忆细胞保存下来.这样,记忆细胞所代表的模式满足最小支持度要求,可以很容易提取出也同时满足最小置信度要求的关联规则.试验表明,该算法加快了关联规则挖掘的收敛速度,具有更强的全局与局部搜索能力,提高了所得关联规则的准确率.在高校教学质量评估及规则挖掘中体现出应用价值.     

Ontology Model Construction of Reader＇ s Reading Interest Based on Circulating Data Mining

从检索图书馆读者借阅记录入手,针对读者借阅记录的分类号进行频数统计和聚类分析,并依据获得的借阅兴趣类目构建读者阅读兴趣本体模型。使用SWRL规则描述语言构造推理规则,在Jess推理引擎中进行推理,实现读者阅读兴趣本体模型的动态更新。通过程序测试表明：挖掘流通数据、建立读者阅读兴趣本体模型、利用关系数据库数据和推理方法动态更新本体,是实现个性化荐书服务自动推送的可行方法。     

面向监测预警过程的民族关系知识管理研究

民族关系发展演化过程中的内在规律和历史经验是监测预警的重要基础。提出基于知识管理的民族关系监测预警框架,并从知识的表达、预警过程以及知识管理实施等方面进行研究。采用民族问题案例和预警规则来表达民族关系知识,其中,案例用于组织分布广泛的难以表达的历史经验,预警规则用来表达民族关系内在规律;在预警机制实现上,将案例推理和规则推理集成在一起,能够克服各自的局限性,增强预警系统的灵活性和综合推理能力。     

基于数据挖掘的企业竞争情报分析研究

针对传统的竞争情报分析方法无法实现对目标信息进行深入挖掘分析,获取企业所需的深层情报知识,本文将数据挖掘技术融入竞争情报分析之中,构建了基于数据挖掘的企业竞争情报分析模型.该模型利用竞争情报领域本体指导目标信息的采集、语义分析和信息抽取,实现竞争情报信息的语义组织和存储;并在此基础上利用基于语义的数据挖掘、学习和推理技术,实现竞争情报语义挖掘和智能分析,提升情报分析的深度和广度,获取高质量的深层情报内容.实验结果表明,该模型取得了很好的预期效果,显著提高了情报分析的准确率和效率.     

基于流通数据挖掘的读者阅读兴趣本体模型构建

从检索图书馆读者借阅记录入手,针对读者借阅记录的分类号进行频数统计和聚类分析,并依据获得的借阅兴趣类目构建读者阅读兴趣本体模型。使用SWRL规则描述语言构造推理规则,在Jess推理引擎中进行推理,实现读者阅读兴趣本体模型的动态更新。通过程序测试表明：挖掘流通数据、建立读者阅读兴趣本体模型、利用关系数据库数据和推理方法动态更新本体,是实现个性化荐书服务自动推送的可行方法。     

基于情境的移动商务餐饮服务知识建模及推理研究

在移动商务餐饮服务中如何对考虑情境信息的用户需求和服务信息进行有效的知识表示和推理是实现个性化服务的关键.本研究在移动商务餐饮服务中充分考虑情境信息,采用本体和SWRL服务规则搭建了基于情境的餐饮服务知识模型,实现了情境信息与餐饮服务知识的共享和交互.在此基础上,针对服务规则提出基于情境优先顺序的推理优化方法,有效解决了移动商务餐饮服务中基于情境的实时性推荐问题.实验结果表明:该方法有效解决了规则推理的结果冲突问题,并可提高餐饮供需匹配服务的质量.本研究为实现移动商务下的餐饮菜品推荐服务提供了基础.