基于知识图谱的铁路电务事故的本体框架的构建及应用

发布时间：2020-12-15 04:07

　　铁路电务事故频繁发生,然而现存的事故记录与相关信息以非结构化方式存储,这使得获得数据之间的关联性难度增加。知识图谱是大数据时代获取知识,构建知识库的关键技术。它不仅可以整合零散的数据,还可以提高数据挖掘的准确度。为了探索铁路电务事故之间的隐藏信息,整合看似独立的数据到知识库中,探索基于知识图谱的铁路电务事故本体框架的半自动化构建过程,并将其应用。本课题以铁路局记录的2010年到2018年铁路电务事故为主要数据,这些事故被存储在非结构化的文档中。为将非结构化数据转化为结构化数据,使用BiLSTM-CRF模型进行事故时间、列车、地点和类型内容的实体识别,其他结构内容通过人工分析出来。为联系事故,从故障设备和事故类型两方面对事故进行分类。通过多种分类器进行实验对比,选取分类效果最好的分类器对事故进行分类。将处理后的结构化数据与分类的结果整理成CSV文件导入到图数据库。构建成功的知识图谱不仅能分析和诊断铁路电务事故的故障设备和事故类型,也能帮我们预测这些事故的趋势和改变。同时,将处理后的结构化数据与分类的结果使用Protege工具编辑,以OWL为描述语言,手工构建铁路电务事故本体。构建好的本体... 

【文章来源】： 韩娇 河北科技大学

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

电务事故知识图谱及本体构建应用及意义

2它们以故障设备和事故类型为依据进行分类。然后将抽取后的三元组和分类结果导入到图数据库中来构建知识图谱；本体构建先分析事故数据中的类、对象属性、实例等，然后构建本体框架，最后使用Protege工具将数据进行写入，以OWL为描述语言进行存储。此知识图谱和本体可以将分散的铁路电务事故数据以其内在关系组织起来，达到数据联动性，从而发现趋势和变化。通过此知识图谱和本体，不仅可以清晰的发现电务事故之间的关联，而且可以直观地看到引起铁路电务事故最主要的故障设备为电缆等一些相关信息。半自动化的构建方式大大降低了工作量，也使得构建过程变得更加高效。为方便用户使用和查询，最终采用系统实现知识图谱展示和搜索功能。具体的电务事故知识图谱及本体构建应用及意义如图1-1所示。多源异构数据难以融合非结构化数据缺乏语境上下文及领域知识难以处理“数据关系”问题数据模式灵活可拓展提供结构化数据的领域知识“数据”与“知识”双向驱动智能化处理知识图谱及本体铁路电务数据以文本形式的铁路电务事故为核心整合其他相关数据使用BiLSTM-CRF模型将非结构化数据转变为结构化数据从故障设备和事故类型进行事故分类发现事故之间隐含关系图1-1电务事故知识图谱及本体构建应用及意义1.2国内外研究现状知识图谱属于人工智能重要研究领域——知识工程的研究范畴。94年图灵奖获得者、知识工程的建立者费根鲍姆将知识工程定义为“将知识集成到计算机系统从而完成只有特定领域专家才能完成的复杂任务”。它是一个有图结构的知识库，其中节点

6构建首先简要说明了总体设计，接着对本体概念进行规划化处理，然后借助Protege工具编辑本体，以OWL作为本体描述语言，构建出铁路电务事故的本体并展示出来，最后应用已构建成功的本体进行搜索和推理。第6章：应用系统的设计与实现。为将铁路电务事故知识图谱更好的展示和应用，使用Flask框架搭建前后台。首先介绍了系统总体设计，然后详细展现了知识图谱可视化、知识图谱搜索和事故结合地图形式展示的各个功能模块。最后对基于知识图谱的铁路电务事故的本体框架及应用完成情况进行了总结，即在实现过程中遇到的难题和解决方案，并且归纳出本课题的问题和不足之处以及下一步的工作，并为接下来的研究和完善，提出可行建议和指导。本论文研究内容及之间的结构如图1-2所示。图1-2本论文研究内容及之间的结构


本文编号：2917628