隨著信息技術(shù)的快速發(fā)展,特別是人工智能技術(shù)的廣泛應(yīng)用,如何處理網(wǎng)絡(luò)中海量的數(shù)據(jù),向用戶提供易理解的知識成為研究的熱點。知識圖譜對實現(xiàn)數(shù)據(jù)到知識的轉(zhuǎn)化有重要作用,其目的是對真實世界中存在的實體、概念及其關(guān)聯(lián)關(guān)系進行描述。在林業(yè)領(lǐng)域,知識圖譜可在語義檢索、數(shù)據(jù)挖掘、預(yù)測分析、智能問答和決策支持等應(yīng)用場景下發(fā)揮重要作用。本文在植物信息領(lǐng)域,研究基于多種數(shù)據(jù)源構(gòu)建植物知識圖譜的方法,在知識圖譜的構(gòu)建、命名實體識別和基于知識圖譜的語義檢索等方面展開工作。分析了領(lǐng)域知識圖譜的構(gòu)建過程,并闡述了涉及的關(guān)鍵技術(shù)。總結(jié)了中國植物志文本的特點,研究如何在其上進行屬性命名實體的識別,提出了基于深度神經(jīng)網(wǎng)絡(luò)的命名實體識別方法。研究了植物信息相關(guān)的數(shù)據(jù)源,充分利用行業(yè)網(wǎng)站和百科網(wǎng)站的信息。利用不同數(shù)據(jù)源的信息構(gòu)建植物知識圖譜,將其應(yīng)用于語義檢索問題,結(jié)合可視化技術(shù)構(gòu)建了基于植物知識圖譜的語義檢索系統(tǒng)。植物知識圖譜作為林業(yè)領(lǐng)域知識圖譜構(gòu)建的嘗試,可為用戶提供智能、直觀的語義檢索。未來可在此基礎(chǔ)上進一步融合其他林業(yè)知識,作為智慧林業(yè)發(fā)展的知識支撐,服務(wù)于林業(yè)領(lǐng)域的語義檢索、知識推理和決策支持等應(yīng)用。 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 通用知識圖譜的構(gòu)建
        1.2.2 領(lǐng)域知識圖譜的構(gòu)建
        1.2.3 開放知識圖譜項目
    1.3 研究內(nèi)容和創(chuàng)新點
        1.3.1 研究內(nèi)容
        1.3.2 創(chuàng)新點
    1.4 論文的組織結(jié)構(gòu)
2 知識圖譜相關(guān)理論和技術(shù)
    2.1 知識圖譜的定義
    2.2 通用知識圖譜和領(lǐng)域知識圖譜
    2.3 領(lǐng)域知識圖譜的構(gòu)建過程和難點
        2.3.1 領(lǐng)域知識圖譜的構(gòu)建過程
        2.3.2 中文知識圖譜構(gòu)建的難點
    2.4 知識圖譜構(gòu)建的關(guān)鍵技術(shù)
        2.4.1 實體識別
        2.4.2 實體消歧
        2.4.3 關(guān)系抽取
        2.4.4 知識推理
        2.4.5 知識存儲
        2.4.6 知識表示
    2.5 本章小結(jié)
3 植物屬性文本的命名實體識別算法
    3.1 命名實體任務(wù)概述
        3.1.1 背景
        3.1.2 基于規(guī)則的方法
        3.1.3 基于統(tǒng)計機器學(xué)習(xí)的方法
        3.1.4 基于深度學(xué)習(xí)的方法
    3.2 植物屬性文本數(shù)據(jù)集的構(gòu)建
        3.2.1 植物屬性文本分析
        3.2.2 數(shù)據(jù)集構(gòu)建
    3.3 算法整體框架
        3.3.1 基于BiLSTM的特征提取模塊
        3.3.2 基于CNN的特征提取模塊
        3.3.3 基于CRF的標注模塊
    3.4 實驗結(jié)果與分析
        3.4.1 評價指標
        3.4.2 基于句子特征表示的結(jié)果分析
        3.4.3 基于訓(xùn)練參數(shù)的結(jié)果分析
        3.4.4 基于多種模型的結(jié)果分析
    3.5 本章小結(jié)
4 植物知識圖譜的構(gòu)建
    4.1 數(shù)據(jù)源的選擇
        4.1.1 中國植物志
        4.1.2 中國林業(yè)信息網(wǎng)
        4.1.3 百度百科
    4.2 概念體系結(jié)構(gòu)定義
    4.3 實體信息獲取
        4.3.1 結(jié)構(gòu)化數(shù)據(jù)
        4.3.2 半結(jié)構(gòu)化數(shù)據(jù)
        4.3.3 非結(jié)構(gòu)化數(shù)據(jù)
    4.4 實體關(guān)系獲取
    4.5 多數(shù)據(jù)源的知識融合
        4.5.1 知識融合
        4.5.2 植物知識圖譜的存儲
    4.6 本章小結(jié)
5 基于植物知識圖譜的語義檢索系統(tǒng)
    5.1 語義檢索概述
    5.2 基于植物知識圖譜的語義檢索
        5.2.1 基于植物知識圖譜的語義檢索過程
        5.2.2 實體匹配過程
        5.2.3 問句理解過程
        5.2.4 基于植物知識圖譜的語義檢索示例
    5.3 知識圖譜的可視化
    5.4 本章小結(jié)
6 研究總結(jié)和展望
    6.1 研究工作總結(jié)
    6.2 展望
參考文獻
個人簡介
導(dǎo)師簡介
獲得成果目錄
致謝


【參考文獻】：
期刊論文
[1]知識圖譜數(shù)據(jù)管理研究綜述[J]. 王鑫,鄒磊,王朝坤,彭鵬,馮志勇.  軟件學(xué)報. 2019(07)
[2]基于Neo4j對涉藏領(lǐng)域本體的存儲方法研究[J]. 王飛,易綿竹,譚新,陳永升,向一帆.  鄭州大學(xué)學(xué)報(理學(xué)版). 2019(02)
[3]命名實體識別研究綜述[J]. 劉瀏,王東波.  情報學(xué)報. 2018(03)
[4]面向知識圖譜的知識推理研究進展[J]. 官賽萍,靳小龍,賈巖濤,王元卓,程學(xué)旗.  軟件學(xué)報. 2018(10)
[5]面向誤診提示的疾病-癥狀語義網(wǎng)構(gòu)建[J]. 黃嵐,紀林影,姚剛,翟睿峰,白天.  吉林大學(xué)學(xué)報(工學(xué)版). 2018(03)
[6]基于條件隨機場的農(nóng)作物病蟲害及農(nóng)藥命名實體識別[J]. 李想,魏小紅,賈璐,陳昕,劉磊,張彥娥.  農(nóng)業(yè)機械學(xué)報. 2017(S1)
[7]面向互聯(lián)網(wǎng)資源的醫(yī)學(xué)命名實體識別研究[J]. 田家源,楊東華,王宏志.  計算機科學(xué)與探索. 2018(06)
[8]基于BLSTM的命名實體識別方法[J]. 馮艷紅,于紅,孫庚,孫娟娟.  計算機科學(xué). 2018(02)
[9]從文本中構(gòu)建領(lǐng)域本體技術(shù)綜述[J]. 任飛亮,沈繼坤,孫賓賓,朱靖波.  計算機學(xué)報. 2019(03)
[10]基于詞匯語義信息的文本相似度計算[J]. 谷重陽,徐浩煜,周晗,張俊杰.  計算機應(yīng)用研究. 2018(02)

博士論文
[1]面向大規(guī)模知識圖譜的彈性語義推理方法研究及應(yīng)用[D]. 陳曦.浙江大學(xué) 2017
[2]基于多種數(shù)據(jù)源的中文知識圖譜構(gòu)建方法研究[D]. 胡芳槐.華東理工大學(xué) 2015

碩士論文
[1]基于Neo4j圖數(shù)據(jù)庫的社交網(wǎng)絡(luò)數(shù)據(jù)的研究與應(yīng)用[D]. 張鳳軍.湖南大學(xué) 2016



本文編號：2983866