目前煤礦科學(xué)數(shù)據(jù)總量巨大,但大都離散存放,具有利用率低、高冗余、低結(jié)構(gòu)化、難以挖掘等問題。近年來隨著知識(shí)圖譜的發(fā)展,知識(shí)圖譜不僅能夠?qū)?fù)雜的數(shù)據(jù)組織成為一個(gè)有機(jī)的體系,還能為各種計(jì)算機(jī)應(yīng)用提供底層數(shù)據(jù)支持。本文首先研究了如何利用機(jī)器學(xué)習(xí)算法半自動(dòng)化構(gòu)建煤礦科學(xué)知識(shí)圖譜,將同質(zhì)網(wǎng)絡(luò)聚類以及異質(zhì)網(wǎng)絡(luò)聚類等方法引入知識(shí)圖譜構(gòu)建,使得知識(shí)圖譜構(gòu)建工作量得到大大縮減。在煤礦科學(xué)知識(shí)圖譜構(gòu)建基礎(chǔ)上,本文對基于知識(shí)圖譜的智能問答技術(shù)進(jìn)行了研究。本文將知識(shí)圖譜的智能問答研究劃分為自然問句解析、實(shí)體及關(guān)系成分提取、實(shí)體及關(guān)系鏈接、搜索語句生成、答案生成,其中重點(diǎn)研究了以下三個(gè)部分:在自然問句解析方面,目前的方法主要集中于基于統(tǒng)計(jì)式的句法依存分析方法以及基于深度學(xué)習(xí)的句法依存分析方法。其中基于統(tǒng)計(jì)式的句法依存分析方法需要依賴于大量的標(biāo)注數(shù)據(jù),而基于深度學(xué)習(xí)的方法對數(shù)據(jù)標(biāo)注要求極高,而且模型訓(xùn)練效率低下,可解釋性也不強(qiáng)。因此本文提出一個(gè)全新的集成模型——寬度隨機(jī)森林,并將該模型應(yīng)用于句法依存分析,實(shí)驗(yàn)表明,與其他方法相比,本文所提模型在準(zhǔn)確率方面極具競爭力的同時(shí)訓(xùn)練效率更高,可解釋性也更強(qiáng),并且能夠自適應(yīng)訓(xùn)... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

煤礦科學(xué)知識(shí)圖譜可視化界面

【參考文獻(xiàn)】：
期刊論文
[1]煤礦事故案例本體知識(shí)庫的構(gòu)建及推理研究[J]. 張寶隆,王向前,李慧宗,何葉榮.  工礦自動(dòng)化. 2018(03)

碩士論文
[1]煤礦掘進(jìn)工作面本體建模與推理研究[D]. 藥慧婷.太原科技大學(xué) 2016



本文編號(hào)：3250500