摘要：仿真想定的开发,存在着专业性强、定制要求高、迁移性差等问题.针对这一系列问题,设计并实现一种基于知识图谱的仿真想定智能生成方法.通过基于强化学习的全局特征链接多源仿真模型实体,构建了知识图谱;基于该知识图谱,设计了适用于仿真模型匹配的实体对齐算法和基于文档对象模型(document object model,DOM)的脚本生成方法,实现仿真想定的智能映射,以“立体投送”行动为实例展开实验,实验结果表明:生成的仿真想定能够驱动仿真系统按照预定行动时序运行,方法有效.

摘要：[目的/意义]研究自动构建英汉双语富媒体知识图谱的方法和过程,为跨语言多模态知识图谱的自动构建提供借鉴参考,对及时获取最新英文科研成果、科技情报监测等具有重要意义。[方法/过程]采用自顶向下和自底向上相结合的方法,先从顶层设计要抽取的主要实体、属性和关系,从底层非结构化文本数据进行分析抽取细粒度的实体和属性,对有歧义实体和跨语言实体进行实体对齐,对跨媒体的实体进行实体链接,用图数据库实现知识图谱的存储及应用。[局限]未来需进一步提高细粒度实体的抽取正确率,对音视频媒体进行特征提取和内容自动识别。[结果/结论]以CNS(Cell、Nature、Science)等英文科技期刊网站为例,通过数据抓取、实体抽取、属性抽取、知识融合、跨媒体链接等过程,实现了英汉双语富媒体知识图谱的构建、存储和可视化展示。

摘要：患者网上挂号时常有挂错科室的现象,因此需要科室推荐应用,功能类似线下医院的护士台预诊。然而,由于医院科室设置不尽相同,患者各项特征和科室之间的关系也不明确,给自动科室推荐带来挑战。因此,该文首先定义了带权重的知识图谱,用于描述症状、疾病以及性别等特征与科室和医院之间复杂的量化关系。其次,利用区域信息平台的电子健康档案(electronic health records,EHR)数据,获取多家医院的疾病—科室信息。在融合国际疾病编码(international classification of diseases,ICD)、医疗网站中的症状—疾病数据后,用搜索引擎结果补充权重关系,形成可用的知识图谱。图谱目前包含了38家医院,6110个科室,6220个症状,60736个症状相关疾病关系。当患者输入基于自然语言描述的症状与疾病后,通过该文设计的预滤噪的BERT实体识别模型与部位制导的医疗实体归一化算法,识别并归一化患者主诉中的症状词、疾病词和部位词。最后,基于该文设计的基于权重的联合症状预测疾病概率算法(weight-based disease prediction algorithm based on multiple symptoms,WBDPMS),联合多个症状预测可能的相关疾病,以此来实现通过主诉推荐最合适的医院及科室。实验结果表明,准确率达到0.88。

摘要：经过多年的地质勘探,油藏地质领域积累了丰富的勘探成果以及地质知识。为了实现油藏地质领域知识的共享、传播及对知识进行有效的管理,油藏地质领域知识图谱成为了一种必然的选择。针对目前油藏地质领域知识图谱在实际构建中存在的已有本体不能直接构建知识图谱的模式层,抽取得到的多个实体指称项对应于同一个事实对象,难以从抽取出的多个属性值中得到最优属性值等问题,通过对构建领域知识图谱的方法和技术的研究,该文提出了一种以领域内的业务活动为核心的领域本体构建方法,并且依据此方法构建了油藏地质领域本体。改进了传统的孪生循环神经网络模型,解决了油藏地质领域实体对齐问题;针对不同类别的属性设计了不同的属性值融合方法,实现属性值的最优。