基于知识图谱的航空安全事件推理方法的研究
发布时间：2020-12-08 15:17
随着民航业的飞速发展,保障飞行安全、提升飞行能力和降低航空安全事件发生率一直是航空安全管理的重要内容,目前航空安全事件发生的原因呈现复杂化和多元化特征,对航空安全事件发展趋势的预测也面临新的挑战。知识图谱是一种图结构的大规模事实性数据库,可以通过学习历史航空安全事件的多因素、多属性,推理事件的发展规律,本文围绕航空安全事件知识图谱推理方法与应用在以下方面进行了研究:针对目前传统卷积神经网络模型在知识图谱链接预测过程中单独地处理每个三元组信息,无法有效学习实体邻域存在的丰富语义和潜在关系信息的问题,提出了一种基于注意力机制和卷积神经网络的知识图谱链接预测方法（AttGCN）,该方法首先获得与每个实体相关联的所有三元组信息,使用卷积神经网络学习三元组特征;然后通过注意力机制衡量不同邻域三元组对目标实体的影响程度,并使用注意力权重更新实体的特征向量,使得实体特征向量融合所有邻域实体特征及其相应的关系特征;最后利用卷积神经网络使用基于特定关系的滤波器交互式的学习头实体和关系特征,并同时对所有的尾实体进行链接预测。实验结果表明,AttGCN方法可以有效学习知识图谱中每个实体的邻域三元组信息,在W...
【文章来源】：中国民航大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
014年-2018年民航运输事件次数和死亡人数知识图谱以及基于知识图谱的推理技术为海量信息的表示和分析提供了解
中国民航大学硕士学位论文7其中节点用于描述事件的实体或概念，边用于描述实体或概念间的语义关系，并且通过三元组(头实体，关系，尾实体)的形式对数据进行组织和管理。比如，有三元组(CA1562,运行类型，客运)表示知识(事实)：航班“CA1562”的运行类型是“客运”。知识图谱以图节点化、结构化、语义化的形式对现实世界中的非结构化知识进行描述，从而使现实中的信息更加标准和高效率的被使用。其中知识的组织形式发展过程如图2-1所示：图2-1知识的组织形式发展过程知识图谱通常分为通用领域知识图谱和特定领域知识图谱，通用领域知识图谱涵盖的内容主要涉及常识性的知识，强调的是内容上的广度，主要表现为从各领域尽可能获取更多描述客观世界的事实。现有的各大企业研发的知识图谱多为通用领域知识图谱，目前各互联网领头企业如微软、谷歌、IBM、百度等都相继通过收购和研发，实现了自己的知识图谱产品，其相关成果如表2.1所示。表2.1知识图谱相关成果知识图谱项目(产品名称)知识来源Vault(谷歌搜索引擎)维基百科、互联网数据苹果Siri(WolframAlpha)MathematicaDBpedia知识库维基百科Metaweb语义搜索(Freebase)维基百科YAGO知识库维基百科百度搜索引擎(百度知心)互联网搜狗搜索引擎(知立方)互联网中文医学知识图谱CMeKG北京大学特定领域知识图谱主要用于对特定领域专业知识的描述，特定领域知识图谱的数据主要来源于某一特定领域的专有数据资源和特定的关系，主要在特定领域进行应用实践。基于构建好的特定领域知识图谱，应用系统可以利用领域数据以及数据之间的特定关系进行领域内的复杂业务分析与推理工作。一般事件报道中包含丰富的信息，例如，事件发生的时间、地点、原因以及与事件有关的对象、事发后果等。在信息化背景下
中国民航大学硕士学位论文9实体时不一致的问题，实现了异构信息融合；密集实体向量为词汇向量的顺序提供了一种解决方案，以便每个维度的数值都可以参与计算，从而提高了语义计算的效率[19]。通过学习知识图谱中的三元组信息，对知识表示学习效果进行验证的研究工作中，距离模型[20]为知识图谱三元组中的两个实体分别建立相应的投影矩阵，并将投影矩阵映射到其相应的关系空间中，空间中两个投影矩阵的距离体现了实体在相应关系下的相关度。双线性模型[21]生成一个关系矩阵，并将存在该关系的两个实体向量采用关系矩阵进行双线性变换从而体现两个实体间的语义联系。之后，在词向量空间平移不变现象[23]的启发下，Bordes等人提出了转移模型TransE[22]，该模型认为对一个三元组而言，关系可以看成头实体向量到尾实体向量在嵌入空间中的表示转移。TransE的实验结果显示，该模型可以用于对大规模知识图谱中的实体、属性和关系的向量化表示工作中。TransE模型的结构如图2-2所示。图2-2TransE模型本文主要利用TransE对航空安全事件知识图谱的实体和关系进行向量化表示，因此在本节中将重点介绍TransE模型。有三元组(头实体、关系、尾实体)，存在以下性质，在嵌入空间中的向量化表示为,,ors,,,ors分别是头实体、关系和尾实体的向量化表示。假设头实体s与尾实体o之间真实存在关系r，则表明三元组,,ors成立，且相应的三元组(头实体、关系、尾实体)向量化表示满足关系ors。所以，对于TransE模型，定义了基于边界的损失函数，如式2.1所示：SorsSorsorsorsloss),,(),,(-,0max(2.1)其中ors越小说明对应的这一对实体存在关系的可能性越大，TransE模型随机替换掉语料库中真三元组的头实体或者尾实体，并作为假三元组集合，S：
【参考文献】：
期刊论文
[1]中文医学知识图谱CMeKG构建初探[J]. 奥德玛,杨云飞,穗志方,代达劢,常宝宝,李素建,昝红英. 中文信息学报. 2019(10)
[2]基于知识地图的民用航空安全信息事件分析[J]. 刘俊杰,赵永正,张丽娟. 安全与环境学报. 2018(02)
[3]面向知识图谱的知识推理研究进展[J]. 官赛萍,靳小龙,贾岩涛,王元卓,程学旗. 软件学报. 2018(10)
[4]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[5]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[6]知识表示学习研究进展[J]. 刘知远,孙茂松,林衍凯,谢若冰. 计算机研究与发展. 2016(02)
[7]关联规则挖掘在航空安全报告分析中的应用[J]. 冯霞,李娟娟,闫冠男. 计算机工程与设计. 2011(01)
[8]航空企业基于SHEL模型的神经网络安全评价研究[J]. 王起全. 中国安全科学学报. 2010(02)
[9]基于FAHP的航空维修安全风险管理研究[J]. 刘洋,王燕青. 安全与环境学报. 2010(01)
硕士论文
[1]融合知识库和文本信息的实体关系抽取研究[D]. 刘壮.大连理工大学 2019
[2]基于分类变量关联关系的民航不安全事件风险识别[D]. 陈思.北京交通大学 2019
[3]基于卷积神经网络的实体关系抽取方法研究[D]. 武文雅.北京交通大学 2019
[4]面向社会安全事件的知识图谱构建方法研究[D]. 郭正斌.北京信息科技大学 2018
[5]基于知识图谱的事件可视分析的研究[D]. 沈飞.东南大学 2017
本文编号：2905289
【文章来源】：中国民航大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
014年-2018年民航运输事件次数和死亡人数知识图谱以及基于知识图谱的推理技术为海量信息的表示和分析提供了解
中国民航大学硕士学位论文7其中节点用于描述事件的实体或概念，边用于描述实体或概念间的语义关系，并且通过三元组(头实体，关系，尾实体)的形式对数据进行组织和管理。比如，有三元组(CA1562,运行类型，客运)表示知识(事实)：航班“CA1562”的运行类型是“客运”。知识图谱以图节点化、结构化、语义化的形式对现实世界中的非结构化知识进行描述，从而使现实中的信息更加标准和高效率的被使用。其中知识的组织形式发展过程如图2-1所示：图2-1知识的组织形式发展过程知识图谱通常分为通用领域知识图谱和特定领域知识图谱，通用领域知识图谱涵盖的内容主要涉及常识性的知识，强调的是内容上的广度，主要表现为从各领域尽可能获取更多描述客观世界的事实。现有的各大企业研发的知识图谱多为通用领域知识图谱，目前各互联网领头企业如微软、谷歌、IBM、百度等都相继通过收购和研发，实现了自己的知识图谱产品，其相关成果如表2.1所示。表2.1知识图谱相关成果知识图谱项目(产品名称)知识来源Vault(谷歌搜索引擎)维基百科、互联网数据苹果Siri(WolframAlpha)MathematicaDBpedia知识库维基百科Metaweb语义搜索(Freebase)维基百科YAGO知识库维基百科百度搜索引擎(百度知心)互联网搜狗搜索引擎(知立方)互联网中文医学知识图谱CMeKG北京大学特定领域知识图谱主要用于对特定领域专业知识的描述，特定领域知识图谱的数据主要来源于某一特定领域的专有数据资源和特定的关系，主要在特定领域进行应用实践。基于构建好的特定领域知识图谱，应用系统可以利用领域数据以及数据之间的特定关系进行领域内的复杂业务分析与推理工作。一般事件报道中包含丰富的信息，例如，事件发生的时间、地点、原因以及与事件有关的对象、事发后果等。在信息化背景下
中国民航大学硕士学位论文9实体时不一致的问题，实现了异构信息融合；密集实体向量为词汇向量的顺序提供了一种解决方案，以便每个维度的数值都可以参与计算，从而提高了语义计算的效率[19]。通过学习知识图谱中的三元组信息，对知识表示学习效果进行验证的研究工作中，距离模型[20]为知识图谱三元组中的两个实体分别建立相应的投影矩阵，并将投影矩阵映射到其相应的关系空间中，空间中两个投影矩阵的距离体现了实体在相应关系下的相关度。双线性模型[21]生成一个关系矩阵，并将存在该关系的两个实体向量采用关系矩阵进行双线性变换从而体现两个实体间的语义联系。之后，在词向量空间平移不变现象[23]的启发下，Bordes等人提出了转移模型TransE[22]，该模型认为对一个三元组而言，关系可以看成头实体向量到尾实体向量在嵌入空间中的表示转移。TransE的实验结果显示，该模型可以用于对大规模知识图谱中的实体、属性和关系的向量化表示工作中。TransE模型的结构如图2-2所示。图2-2TransE模型本文主要利用TransE对航空安全事件知识图谱的实体和关系进行向量化表示，因此在本节中将重点介绍TransE模型。有三元组(头实体、关系、尾实体)，存在以下性质，在嵌入空间中的向量化表示为,,ors,,,ors分别是头实体、关系和尾实体的向量化表示。假设头实体s与尾实体o之间真实存在关系r，则表明三元组,,ors成立，且相应的三元组(头实体、关系、尾实体)向量化表示满足关系ors。所以，对于TransE模型，定义了基于边界的损失函数，如式2.1所示：SorsSorsorsorsloss),,(),,(-,0max(2.1)其中ors越小说明对应的这一对实体存在关系的可能性越大，TransE模型随机替换掉语料库中真三元组的头实体或者尾实体，并作为假三元组集合，S：
【参考文献】：
期刊论文
[1]中文医学知识图谱CMeKG构建初探[J]. 奥德玛,杨云飞,穗志方,代达劢,常宝宝,李素建,昝红英. 中文信息学报. 2019(10)
[2]基于知识地图的民用航空安全信息事件分析[J]. 刘俊杰,赵永正,张丽娟. 安全与环境学报. 2018(02)
[3]面向知识图谱的知识推理研究进展[J]. 官赛萍,靳小龙,贾岩涛,王元卓,程学旗. 软件学报. 2018(10)
[4]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[5]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光. 计算机研究与发展. 2016(03)
[6]知识表示学习研究进展[J]. 刘知远,孙茂松,林衍凯,谢若冰. 计算机研究与发展. 2016(02)
[7]关联规则挖掘在航空安全报告分析中的应用[J]. 冯霞,李娟娟,闫冠男. 计算机工程与设计. 2011(01)
[8]航空企业基于SHEL模型的神经网络安全评价研究[J]. 王起全. 中国安全科学学报. 2010(02)
[9]基于FAHP的航空维修安全风险管理研究[J]. 刘洋,王燕青. 安全与环境学报. 2010(01)
硕士论文
[1]融合知识库和文本信息的实体关系抽取研究[D]. 刘壮.大连理工大学 2019
[2]基于分类变量关联关系的民航不安全事件风险识别[D]. 陈思.北京交通大学 2019
[3]基于卷积神经网络的实体关系抽取方法研究[D]. 武文雅.北京交通大学 2019
[4]面向社会安全事件的知识图谱构建方法研究[D]. 郭正斌.北京信息科技大学 2018
[5]基于知识图谱的事件可视分析的研究[D]. 沈飞.东南大学 2017
本文编号：2905289
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2905289.html
