基于煤矿科学知识图谱的智能问答技术研究

发布时间：2021-06-26 03:04

　　目前煤矿科学数据总量巨大,但大都离散存放,具有利用率低、高冗余、低结构化、难以挖掘等问题。近年来随着知识图谱的发展,知识图谱不仅能够将复杂的数据组织成为一个有机的体系,还能为各种计算机应用提供底层数据支持。本文首先研究了如何利用机器学习算法半自动化构建煤矿科学知识图谱,将同质网络聚类以及异质网络聚类等方法引入知识图谱构建,使得知识图谱构建工作量得到大大缩减。在煤矿科学知识图谱构建基础上,本文对基于知识图谱的智能问答技术进行了研究。本文将知识图谱的智能问答研究划分为自然问句解析、实体及关系成分提取、实体及关系链接、搜索语句生成、答案生成,其中重点研究了以下三个部分:在自然问句解析方面,目前的方法主要集中于基于统计式的句法依存分析方法以及基于深度学习的句法依存分析方法。其中基于统计式的句法依存分析方法需要依赖于大量的标注数据,而基于深度学习的方法对数据标注要求极高,而且模型训练效率低下,可解释性也不强。因此本文提出一个全新的集成模型——宽度随机森林,并将该模型应用于句法依存分析,实验表明,与其他方法相比,本文所提模型在准确率方面极具竞争力的同时训练效率更高,可解释性也更强,并且能够自适应训... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

煤矿科学知识图谱可视化界面

【参考文献】：
期刊论文
[1]煤矿事故案例本体知识库的构建及推理研究[J]. 张宝隆,王向前,李慧宗,何叶荣.  工矿自动化. 2018(03)

硕士论文
[1]煤矿掘进工作面本体建模与推理研究[D]. 药慧婷.太原科技大学 2016



本文编号：3250500