防爆安检知识图谱构建研究
发布时间：2021-08-09 10:59
爆炸犯罪活动的危害大、社会影响恶劣,对我国政治稳定和社会安定构成了现实威胁。防爆安检从最初作为遏制爆炸犯罪的专项工作,已逐渐发展延伸为全局性的公安保卫基础性工作。长期以来我国公安防爆安检工作积累了大量的数据,但这些数据缺乏有效管理和运用,难以对防爆安检工作的精准高效开展提供强有力的数据支撑。知识图谱提供了一种更好地管理、组织和理解互联网海量信息的方法,其以结构化的形式描述客观世界中的概念、实体及其关系,具有强大的语义关联能力。防爆安检知识图谱的构建,将防爆安检领域知识进行整合,关联成一个“语义网络”,并以可视化的形式呈现,为防爆安检工作提供底层数据支撑,有利于防爆安检工作规范、高效的执行,帮助工作人员提高专业素质。本文主要研究成果如下:（1）防爆安检知识图谱模式层的构建。通过研读防爆安检案例和专业知识,梳理出防爆安检本体要素,进而定义概念体系、概念的属性和概念间关系,并引入相关公理,参考七步法等本体构建方法,详细介绍了防爆安检本体构建方法;通过本体编辑器protégé,编辑概念、概念的属性及概念间关系,并创建底层实例,完成防爆安检本体模型的构建。（2）防爆安检知识图谱数据层的构建。详细...
【文章来源】：中国人民公安大学北京市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
人的知识图谱样例
知识图谱构建流程
随着自然语言处理技术的进步,目前广泛使用的是基于分布式向量的方法。分布式表示可以解决独热编码的问题,它最早是Hinton于1986年提出的。它的思路是通过训练,将每个词映射成一个定长的连续的稠密向量。Word2vec是Google公司在2013年开放的一款用于训练词向量的软件工具。针对独热模型one-hot存在维度爆炸和语义鸿沟的缺陷,Word2vec的基本思想是根据给定的语料库,依赖Skip-gram模型或CBOW模型,以及两种高效训练的方法：negative sampling和hierarchical softmax,通过优化后的训练模型快速地将一个词表达成向量形式,挖掘词与词之间的联系,建立词嵌入。它的原型是深度神经网络模型,通过训练得出每个词语的词向量,根据词向量之间的余弦值来计算词语之间的相似度,达到的效果是相似度越高的词语语义越接近。下面对CBOW模型进行介绍,CBOW模型的结构如图2.3所示,包括输入层(INPUT)、投影层(PROJECTION)和输出层(OUTPUT)三层。该模型的基本原理是基于当前词语wt的窗口内词语,也就是上下文词语wt-2、wt-1、wt+1、wt+2来预测wt。因为模型没有隐藏层,直接从神经网络结构转化为线性结构,所以提升了训练速度。形式化地,对于给定的一段训练样本{w1,w2,….wt},输入层的输入为：
【参考文献】：
期刊论文
[1]中小城市防爆安检工作的对策研究[J]. 杜强,刘昌. 法制与社会. 2019(15)
[2]心力衰竭知识图谱的构建[J]. 沈柳,孙海霞,王嘉阳,李姣. 中华医学图书情报杂志. 2019(05)
[3]大型活动安检排爆公安工作探究[J]. 朱岩,李大民. 中国安全防范技术与应用. 2018(06)
[4]医学知识图谱构建研究进展[J]. 修晓蕾,吴思竹,崔佳伟,邬金鸣,钱庆. 中华医学图书情报杂志. 2018(10)
[5]基于医学知识图谱的交互式可视化医学知识服务系统[J]. 沈明辉,吴结凤,琚生根,丁智刚,江顺权,付鹏,姚歆. 医学信息学杂志. 2018(09)
[6]浅论大型活动防爆安检前期准备工作方案设计[J]. 浦峥峥,陈苏宁. 中国安防. 2018(07)
[7]基于卷积神经网络的中文医疗弱监督关系抽取[J]. 刘凯,符海东,邹玉薇,顾进广. 计算机科学. 2017(10)
[8]知识图谱研究综述[J]. 李涓子,侯磊. 山西大学学报(自然科学版). 2017(03)
[9]基于BLSTM的命名实体识别方法[J]. 冯艳红,于红,孙庚,孙娟娟. 计算机科学. 2018(02)
[10]面向网络大数据的知识融合方法综述[J]. 林海伦,王元卓,贾岩涛,张鹏,王伟平. 计算机学报. 2017(01)
硕士论文
[1]视频侦查的知识图谱构建研究[D]. 李超.中国人民公安大学 2019
[2]面向开放领域文本的实体关系抽取技术研究[D]. 周滋楷.华南理工大学 2019
[3]面向领域文本知识实体识别及关系抽取的关键技术研究[D]. 何晓艺.河北科技大学 2018
[4]领域知识图谱的自动化构建[D]. 彭乾慧.重庆大学 2017
[5]基于弱监督与表示学习的关系抽取算法研究[D]. 刘玉明.北京邮电大学 2016
[6]面向突发事件案例库的事件抽取模型构建研究[D]. 王文龙.南京大学 2015
本文编号：3331943
【文章来源】：中国人民公安大学北京市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
人的知识图谱样例
知识图谱构建流程
随着自然语言处理技术的进步,目前广泛使用的是基于分布式向量的方法。分布式表示可以解决独热编码的问题,它最早是Hinton于1986年提出的。它的思路是通过训练,将每个词映射成一个定长的连续的稠密向量。Word2vec是Google公司在2013年开放的一款用于训练词向量的软件工具。针对独热模型one-hot存在维度爆炸和语义鸿沟的缺陷,Word2vec的基本思想是根据给定的语料库,依赖Skip-gram模型或CBOW模型,以及两种高效训练的方法：negative sampling和hierarchical softmax,通过优化后的训练模型快速地将一个词表达成向量形式,挖掘词与词之间的联系,建立词嵌入。它的原型是深度神经网络模型,通过训练得出每个词语的词向量,根据词向量之间的余弦值来计算词语之间的相似度,达到的效果是相似度越高的词语语义越接近。下面对CBOW模型进行介绍,CBOW模型的结构如图2.3所示,包括输入层(INPUT)、投影层(PROJECTION)和输出层(OUTPUT)三层。该模型的基本原理是基于当前词语wt的窗口内词语,也就是上下文词语wt-2、wt-1、wt+1、wt+2来预测wt。因为模型没有隐藏层,直接从神经网络结构转化为线性结构,所以提升了训练速度。形式化地,对于给定的一段训练样本{w1,w2,….wt},输入层的输入为：
【参考文献】：
期刊论文
[1]中小城市防爆安检工作的对策研究[J]. 杜强,刘昌. 法制与社会. 2019(15)
[2]心力衰竭知识图谱的构建[J]. 沈柳,孙海霞,王嘉阳,李姣. 中华医学图书情报杂志. 2019(05)
[3]大型活动安检排爆公安工作探究[J]. 朱岩,李大民. 中国安全防范技术与应用. 2018(06)
[4]医学知识图谱构建研究进展[J]. 修晓蕾,吴思竹,崔佳伟,邬金鸣,钱庆. 中华医学图书情报杂志. 2018(10)
[5]基于医学知识图谱的交互式可视化医学知识服务系统[J]. 沈明辉,吴结凤,琚生根,丁智刚,江顺权,付鹏,姚歆. 医学信息学杂志. 2018(09)
[6]浅论大型活动防爆安检前期准备工作方案设计[J]. 浦峥峥,陈苏宁. 中国安防. 2018(07)
[7]基于卷积神经网络的中文医疗弱监督关系抽取[J]. 刘凯,符海东,邹玉薇,顾进广. 计算机科学. 2017(10)
[8]知识图谱研究综述[J]. 李涓子,侯磊. 山西大学学报(自然科学版). 2017(03)
[9]基于BLSTM的命名实体识别方法[J]. 冯艳红,于红,孙庚,孙娟娟. 计算机科学. 2018(02)
[10]面向网络大数据的知识融合方法综述[J]. 林海伦,王元卓,贾岩涛,张鹏,王伟平. 计算机学报. 2017(01)
硕士论文
[1]视频侦查的知识图谱构建研究[D]. 李超.中国人民公安大学 2019
[2]面向开放领域文本的实体关系抽取技术研究[D]. 周滋楷.华南理工大学 2019
[3]面向领域文本知识实体识别及关系抽取的关键技术研究[D]. 何晓艺.河北科技大学 2018
[4]领域知识图谱的自动化构建[D]. 彭乾慧.重庆大学 2017
[5]基于弱监督与表示学习的关系抽取算法研究[D]. 刘玉明.北京邮电大学 2016
[6]面向突发事件案例库的事件抽取模型构建研究[D]. 王文龙.南京大学 2015
本文编号：3331943
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/3331943.html
