知识发现

摘要： [目的]构建经方领域的消渴病知识图谱,并在此基础上进行知识查询和发现。[方法]筛选经方古籍中消渴病的相关内容,通过本体七步法构建消渴病本体,以结构化的三元组数据来表示研究内容,并进行语义消歧,用Excel软件存储结构化数据,再导入Neo4j图数据库,构建消渴病的经方知识图谱。[结果]构建了包含1 432个节点、3 067个关系的消渴病经方知识图谱,其模式层包含24个节点、24个标签、54条关系和24种关系类型,通过Cypher语言可以从辨证、立法、处方、遣药四个方向进行描述性检索与知识发现。[结论]以知识图谱的方式结构化展示消渴病经方相关内容,模拟经方理论体系与临床诊疗思维,通过实现复杂知识之间的多途径联系,有助于更深入地进行知识发现与探索。

摘要： 现有属性值约简模型程序复杂,难以实现,而且模型所提取的关键信息往往过于追求简明,会削弱决策系统的表达能力。为解决以上问题,提出一种基于确定性因子的启发式属性值约简模型。首先,构造几种不同性质的属性集工具,并给出其相关定理及证明;同时开发一种约简信息函数,从而为约简属性赋值;然后,将确定性因子作为启发信息,并采用自底向上式分层搜索策略来构建启发式属性值约简模型,并以程序伪代码的形式直观展示模型的布置路径与运行流程;最后,采用已有研究中的模拟数据开展模型的应用与验证,并对模型的优势、适用性与延展性展开总结与讨论。结果表明,新模型可行有效,易于编程实现;对数据特征要求低,适合一般性专家系统;所提取的价值信息多元简约,泛化性强,不丢失决策系统的关键信息。

摘要： 针对情报处理领域的知识动态更新问题,提出了一种基于深度学习的目标行为知识发现方法。首先,根据已有知识进行目标数据预处理,实现对目标要素补充;其次,基于已掌握行为意图的历史数据,构建目标行为特征模型;然后,基于深度学习方法实现行为规律分析,为目标识别提供知识支撑;最后,通过目标识别及识别结果的变化异常分析进行新知识发现,形成知识使用、发现的良性循环。通过数值仿真,该方法对舰机目标识别准确率在80%左右,且能有效发现新知识。

摘要： 本文基于通用数据资源(科技文献、科研活动等)和专业领域知识资源(如组学科研数据),以水稻粒型基因领域为例,探索具有一定普适性,能兼顾知识覆盖广度和深度(全景式),并可充分继承整合多源异构数据和知识(多路径)的领域知识图谱构建方法。首先,继承复用权威学术论文中专家先验知识和多种领域本体,自顶向下设计构建全景式水稻粒型基因知识图谱模式层的本体模型;其次,通过图数据抽取、结构化及半结构化转换映射和非结构化文本抽取等多路径实现图谱数据实例填充,并基于数据挖掘发现的新实体及其语义关系,进行自底向上的本体模型迭代完善;再次,通过实体消歧、实体链接等实现多源知识关联融合,并基于Neo4j数据库实现图谱数据持久化存储;最后,对领域知识图谱驱动下的典型知识关联与发现服务应用场景进行展望。实验结果表明,本文研究提出的全景式、多路径领域知识图谱构建方法,具有一定集成性和通用性,可为细分垂直领域的知识图谱构建提供参考。

摘要： 在传统的机器学习研究中,数据空间与知识空间分离表达、计算机的信息处理过程与人脑的认知处理过程不一致,成为了当前人工智能研究需要解决的核心关键问题.本文从认知计算的角度,回顾分析了基于多粒度认知的智能计算研究的发展历史轨迹,介绍了该领域的研究现状,提出了多粒度认知计算、可解释的认知机器学习、脑认知的智能计算辅助等该领域的三个前沿研究方向,探讨了在多粒度认知启发下,这些智能计算研究的未来可能发展趋势.

摘要： [研究目的]南海书证目录的知识图谱构建,有利于实现南海维权文献资料的知识关联,为南海疆权益主张提供快速有效的证据支撑,服务于国家安全。[研究方法]以《中国在南海的历史性权利及证据目录》作为主要的数据来源,并采集了部分百度百科的数据作为明确实体实例的补充。在对数据预处理基础上,基于规则模式进行实体抽取,细粒度挖掘文本内容,同时对从中出现的涉证岛礁同名异指和异名同指问题进行消歧。最后,基于Neo4j对南海书证目录知识图谱实现构建。[研究结论]从知识发现视角,对南海书证目录资料进行深层揭示,使其从数据层向知识层转化,最终以知识图谱方式呈现。

摘要： 数学学习的最高层次是知何由以知其所以然,即“想得到”。已有知识、一般观念(或者说基本思想方法、研究“套路”)以及最终目标、差异消除等,都是“想得到”的重要影响因素。数学教学中,要让学生从已有知识出发,运用一般观念,自主探究发现新的知识;从最终目标出发,实现差异消除,自主探究得到解题思路。这样,学生才更能“想得到”。

摘要： 数据挖掘是一种在信息利用和提取中发挥着越来越重要作用的新型信息处理技术。文章从数据挖掘的概念和性质入手,详细说明各种技术数据挖掘方法,深入分析数据挖掘技术的应用,希望通过分析为研究者提供借鉴。

摘要： 深度神经网络是具有复杂结构和多个非线性处理单元的模型,广泛应用于计算机视觉、自然语言处理等领域.但是,深度神经网络存在不可解释这一致命缺陷,即“黑箱问题”,这使得深度学习在各个领域的应用仍然存在巨大的障碍.本文提出了一种新的深度神经网络模型——知识堆叠降噪自编码器(Knowledge-based stacked denoising autoencoder,KBSDAE).尝试以一种逻辑语言的方式有效解释网络结构及内在运作机理,同时确保逻辑规则可以进行深度推导.进一步通过插入提取的规则到深度网络,使KBSDAE不仅能自适应地构建深度网络模型并具有可解释和可视化特性,而且有效地提高了模式识别性能.大量的实验结果表明,提取的规则不仅能够有效地表示深度网络,还能够初始化网络结构以提高KBSDAE的特征学习性能、模型可解释性与可视化,可应用性更强.

摘要： 子图查询与匹配是社会网络分析和大规模网络图知识发现中的核心技术,也是决定大规模社会网络分析和知识发现准确性的关键。针对当前大规模图数据环境下子图查询算法准确率低、开销大的问题,提出基于路径适配的子图匹配算法。首先基于路径建立图数据的RDF(Resource Description Framework,资源描述框架)索引;然后将查询子图分解为一组路径,在分解过程中为每条路径获得一组候选匹配路径;最后通过k-partition交集图将候选路径连接在一起,从而构建出查询图的结果子图。实验测试了在不同数据集上的路径索引构建时间以及F-measure值,与Spath(Shortest Path,最短路径)算法、Sapper算法和SQM(Subgraph Query Matching,子图查询匹配)算法相比,在处理大规模数据时,该算法的查询准确率提高了15%。

摘要： 知识发现方法可以从大量数据中,发现和提取隐含的、未知的、潜在有用并能被人们理解的规则与模式.通过构建《黄帝内经》肝藏象知识发现模型,设计《黄帝内经》肝藏象注家专题数据库,并在此基础上采用知识网络算法构建各注家知识点之间关系矩阵,分析各注家之间的关联程度.将知识发现方法应用于《黄帝内经》肝藏象研究,能够为《黄帝内经》肝藏象研究提供新的方法和思路,为智能化抽取《黄帝内经》注本知识提供科学参考.将知识发现方法应用于《黄帝内经》藏象研究应该注意避免教条的公式化思维,不能脱离中医基础理论的本源.

摘要： 相比较于现有命名实体识别方法,本文通过引入医学文本语言和文档类别特征,构建了一个基于深度学习的电子病历命名实体识别系统,识别的实体包括身体部位、症状和体征、疾病和诊断、检查和检验以及治疗五大类.基于模型识别的结果,将其应用在基于共现的临床知识发现中.实验结果表明,本文设计的命名实体识别系统的准确率为93.29％,召回率为93.53％,F1值为93.41％.医学语言特征的引入能够进一步提高基于深度学习的医学实体识别系统的效果,实体识别的结果也可以作为电子病历知识发现的基础.

摘要： 大数据时代随着数据的爆发式的增长,在带来可供研究的海量数据的同时,同时带来巨量的噪声和垃圾数据.在地学领域,由于研究方向和技术方法手段的众多,产生了数量巨大、多元的地学数据集合.在地学信息的研究过程中,经常能碰到地学信息孤岛、分图幅地学数据在边界附近存在系统误差以及地学文档的非结构化问题.在对地学数据进行信息的提取和挖掘之前,有必要根据研究目的对地学大数据进行预处理清理,使冗余、复杂的大数据转为结构化、准确、稳健、可用的"Smart"数据. 本文以地学大数据向地学“smart'，数据的提取转化，以及地学多学科的知识交互与知识发现为主线，介绍在信息时代如何将开发数据(Open data)和链接数据(Linked data)的逻辑思维引入到地学大数据的应用中。首先，以地学大数据的预处理为切入点，从地学数据交互标准与语义网、数据调平、地质图接边和文本结构化四个研究方向阐述目前地学大数据利用方面存在的问题及主要的解决手段。然后，以北美的区域地质年代、古生物信息为例，详细介绍地学多学科数据“Smart”傲据的提取与多学科数据知识发现。

摘要： 目前传统建筑聚落风貌保护规划的实施中所遇到的问题在于:保护规划的各责任主体,例如建筑师,管理方,施工方,当地居民等对传统聚落历史风貌的认识和设计方案理解上的偏差,导致保护规划从方案设计到实施之间存在着巨大的缝隙;操作层面上,又因缺乏验收评价标准和资金支撑,使得保护规划难以实施,或者实施质量难以保证.本研究着眼于传统街区的立面表述体系和风貌分析方法的建立,拟用数字链系统思维方式实现保护规划设计与实施之间客观有效的衔接.研究以宜兴市丁蜀镇古南街历史文化街区为例,对历史风貌特征的形态要素进行采集、编码和描述,建立数据库;利用基于粗糙集(Rough Set)理论的数据挖掘方法实现传统街区风貌的知识发现与知识共享,提取传统立面要素集合与组合规则;通过形态要素生成规则与相应的材料、工费等数据联动,完成保护规划方案的数字化生成设计.

摘要： 近年来随着人们生活水平的提高以及社会人口老龄化进程的加快,健康管理成为医疗健康领域的研究热点.本文从高度抽象认知事物视角出发,提出了基于属性偏序结构图和对象偏序结构图的知识发现方法.分别从群结构、子群结构、支路、节点等角度对数据特征之间的结构关系进行讨论分析.在数学偏序结构理论的基础上,深入挖掘各类风险因素与健康状态之间的关联关系,进而得到人体健康状态风险评估及疾病发展趋势.预实验进行了中医肝病证候和相应证素之间的关联关系的知识发现.结果证明:基于偏序结构图表示原理新的知识发现方法,可以从名中医临床证候中发现数据的普遍性特征和特异性特征,通过属性偏序结构图的普遍性聚类和对象偏序结构图的特异性分类,从而在已知数据中发现对诊治有价值的知识,为基于中医预防与干预的现代化健康管理提供理论基础和技术支持.

摘要： Stefan Gradmann(2014)提出，未来图书馆中专业领域用户(科学家与学者)的三个迫切需求之一即为产生假说的强大推理工具。研究中，证实了基于关键词网络进行知识发现方法的可行性，通过可视化图形显示了关键词网络，在实例中发现了术后肠粘连可能为藻酸双脂钠新的适应症，并通过苯磺酸左旋氨氯地平—左心室肥大—原发性高血压这一知识链，揭示出心血管药物所治疗疾病的发病原因。基于关键词网络进行知识发现的方法，可以提高图书情报领域的知识服务能力与利用率。在未来的研究中，将使用更多年份的文献关键词，在关键词网络中聚合不同领域的更多本体信息，并聚合时间序列关系，通过可视化显示出关键词之间关系按时序的变化，从而帮助用户更容易地发现不同领域内新的知识，快速把握研究变化动态。

摘要： 为实现军事期刊资源的广泛共知共享，促进军队学术理论繁荣，为提升部队实战化军事训练水平提供理论支撑和技术支持，探讨军事期刊的深度挖掘与广泛应用具有重要而现实的意义。还有许多有待进一步改进完善的地方，需要不断深化研究，充分挖掘军事期刊在支撑军队改革发展和高素质新型军事人才培养中的巨大潜力，促进军事期刊建设科学可持续发展，军民融合，建立基于军事期刊的数据仓储。实现军事期刊数字化，，挖掘资源，构建基于军事期刊的引文数据，科技引领，助推基于军事期刊的知识发现。

摘要： 本文阐述了FMRS的收刊情况，介绍了基本检索、专业检索、检索结果科研分析、过滤器、过滤器翻译、人性化设计及全文获取等功能，三种服务模式，满足全方位使用需求。

摘要： 本文阐述了FMRS的收刊情况，介绍了基本检索、专业检索、检索结果科研分析、过滤器、过滤器翻译、人性化设计及全文获取等功能，三种服务模式，满足全方位使用需求。

摘要： 本文阐述了FMRS的收刊情况，介绍了基本检索、专业检索、检索结果科研分析、过滤器、过滤器翻译、人性化设计及全文获取等功能，三种服务模式，满足全方位使用需求。

摘要： 一种利用图形用户接口来确定知识的技术，其中图形用户接口用于输入将被研究用于其它知识的一个或多个术语。在一个或多个信息源中进行搜索以确定包含关于所述术语的信息或与所述术语关联的信息的资源。所述资源被分解为信息的基本单元并被存储在称为节点的数据结构中。一组节点被存储在节点池中，并且由该节点池构建表示知识的节点关联。

摘要： 一种利用图形用户接口来确定知识的技术，其中图形用户接口用于输入将被研究用于其它知识的一个或多个术语。在一个或多个信息源中进行搜索以确定包含关于所述术语的信息或与所述术语关联的信息的资源。所述资源被分解为信息的基本单元并被存储在称为节点的数据结构中。一组节点被存储在节点池中，并且由该节点池构建表示知识的节点关联。

摘要： 一种知识发现装置，使用多对图像数据和与图像数据对应的属性数据，分析图像的特征量和属性数据之间的关系，发现有关图像的特征量和属性数据之间的关系的知识，具有：特征量提取部，其使用小波变换从金属部件的表面图像数据中提取图像上的每个位置的多个频率成分的纵向、横向和斜向的亮度变化程度，作为特征量；关系分析部，其把截止到金属部件发生故障时的经过时间作为属性数据，算出属性数据和特征量的相关值；和规则生成部，其使用相关值小于等于预定相关值(例如[-0.7])的特征量内容和属性数据内容，生成关联规则。

摘要： 一种知识发现装置，使用多对图像数据和与图像数据对应的属性数据，分析图像的特征量和属性数据之间的关系，发现有关图像的特征量和属性数据之间的关系的知识，具有：特征量提取部，其使用小波变换从金属部件的表面图像数据中提取图像上的每个位置的多个频率成分的纵向、横向和斜向的亮度变化程度，作为特征量；关系分析部，其把截止到金属部件发生故障时的经过时间作为属性数据，算出属性数据和特征量的相关值；和规则生成部，其使用相关值小于等于预定相关值(例如[－0.7])的特征量内容和属性数据内容，生成关联规则。

摘要： 本发明实施例提供一种用于增量式数据集上的知识发现方法。本发明的面向增量式数据集的知识发现方法与发现装置，使用EFPT‑IKD算法，设计了一种可以随数据量不断增长而不断演化的树形数据结构—频繁模式树，设置增量窗口(IW)发现新增频繁事务项，频繁模式树主要用于对数据集中的频繁模式信息进行存储，通过增量窗口与新发现的频繁模式，挖掘增量数据集中的新知识，并将新增频繁模式动态更新到原有频繁模式树中，使频繁模式树随着数据集增加不断演化。本发明实施例提供的技术方案能够适应数据量不断扩大的应用场景，解决增量式数据计算所面临的高时间复杂度、高空间复杂度问题，对于需要对增量数据进行分析的应用场景具有较强的适用性。

摘要： 公开了使用神经网络的知识发现，具体公开了使用一个或更多个基于变换器的语言神经网络来识别一个或更多个词之间的一个或更多个关系的装置、系统和技术，所述一个或更多个基于变换器的语言神经网络使用特定于域的数据来训练。

摘要： 本发明涉及一种结合知识发现与文本挖掘的产业信息标引方法和系统。该方法的步骤包括：定义基础产业版块分类体系，并赋予基础产业版块分类体系中各个领域的产业版块词汇；通过知识发现对所述基础产业版块分类体系中的各个领域补充新兴产业词汇；将产业信息和企业信息汇总成文本，通过文本挖掘对文本标注分类词，进而将产业信息和企业信息划分到所述基础科技分类体系中，将企业和产业版块进行关联，从而实现产业信息标引。本发明结合知识发现与文本挖掘实现了产业信息标引，利于进一步实现面向产业链图谱、产业地图绘制等各应用板块所涉及的业务数据的采集、预处理、分析和可视化展示。

摘要： 本发明公开了基于频繁项集算法的电力文本知识发现方法及设备，属于电力设备运维技术领域。本发明的基于频繁项集算法的电力文本知识发现方法，构建自然语言处理与信息抽取模型，获取电力文本句法结构知识并构建本体字典，对电力文本进行实体识别、分词与词性标注、新词发现以及事件单元抽取处理，使得电力文本分布规律、形式统一，形成电力数据文本。同时，本发明构建关联规则挖掘模型，利用频繁项集算法构建频繁模式树FP‑tree，识别出频繁出现的属性值集以及每个节点处的支持度；从而获取电力文本中故障现象特征与故障发生原因、处置方案之间的关联规则，发现电力文本中蕴含的知识，为电力设备故障诊断提供更精准的辅助决策。

摘要： 本发明公开了基于数据多源融合的电力文本知识发现方法及设备，属于电力设备技术领域。本发明的基于数据多源融合的电力文本知识发现方法，通过构建文本数据提取模型、规则引擎判断模型、图数据挖掘模型，能从电力自然语言数据及电力设备状态文本中自动提取出缺陷诊断所需的关键信息，并集合图神经网络技术和规则引擎技术对电力文本中记录的电力设备运行状态进行评估，并能判断出故障部位及原因；同时实现至少两种文本类型的多源融合，为电力设备故障诊断提供更精准的辅助决策，降低了对运维人员的文本记录信息质量要求，方案科学、合理，计算简单，诊断准确率高，切实可行。

摘要： 本发明实施例提供一种专业知识发现方法、装置、电子设备及计算机存储介质，所述方法包括：确定专业知识的评价指标要求；其中不同种类的原始信息文本对应不同的评价指标要求，相同种类的原始信息文本对应的专业知识领域和发布类型相同；获取符合对应评价指标要求的原始信息文本，并从所述原始信息文本中抽取专业术语；利用所述专业术语，从所述原始信息文本中提取关键词及所述关键词的特征向量；利用所述特征向量对所述关键词进行聚类，得到专业知识地图。通过进行文本的筛选和文本内容中的关键词分析，可以从海量的信息中挖掘隐含的深层次的有价值的专业知识，并聚类进行归纳整理，从而能够为对应专业领域的专业知识进行有效的分析。