知識(shí)圖譜技術(shù)在石油天然氣勘探開發(fā)知識(shí)管理中的應(yīng)用探討
發(fā)布時(shí)間:2021-10-18 16:25
隨著知識(shí)圖譜技術(shù)的快速發(fā)展,開展勘探開發(fā)知識(shí)成果管理及應(yīng)用技術(shù)研究,構(gòu)建相關(guān)油氣藏地質(zhì)知識(shí)圖譜,挖掘出成果認(rèn)識(shí)之間的內(nèi)在關(guān)聯(lián)關(guān)系,對(duì)從事勘探開發(fā)的科研人員快速檢索資料、提高認(rèn)識(shí)具有極強(qiáng)的輔助作用。論文結(jié)合知識(shí)圖譜技術(shù)、勘探開發(fā)知識(shí)管理應(yīng)用現(xiàn)狀,針對(duì)基于知識(shí)圖譜技術(shù)的勘探開發(fā)知識(shí)管理系統(tǒng)的總體架構(gòu)設(shè)計(jì)、知識(shí)構(gòu)建、知識(shí)體系管理及知識(shí)應(yīng)用等進(jìn)行了探討。
【文章來(lái)源】:信息系統(tǒng)工程. 2020,(01)
【文章頁(yè)數(shù)】:4 頁(yè)
【部分圖文】:
系統(tǒng)總體架構(gòu)設(shè)計(jì)
圖1 系統(tǒng)總體架構(gòu)設(shè)計(jì)在知識(shí)體系構(gòu)建階段,勘探開發(fā)基礎(chǔ)知識(shí)的分類、收集和整理對(duì)后期的知識(shí)推理、智能問(wèn)答、語(yǔ)義檢索非常重要。這些基礎(chǔ)知識(shí)對(duì)應(yīng)通用知識(shí)圖譜中的常識(shí)知識(shí)庫(kù)。例如,在勘探規(guī)劃和部署階段,基礎(chǔ)知識(shí)包含的學(xué)科有石油天然氣勘探、地層和古生物、沉積與古地理、層序地層、石油鉆探等;而地層和古生物學(xué)科又包含巖石地層學(xué),而巖石地層學(xué)中又有巖石地層單元、油層群、油層組、砂層組等基礎(chǔ)概念。
在勘探開發(fā)實(shí)體識(shí)別和抽取方面,有傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)方法如最大熵分類模型、SVM、HMM和CRF等模型,以及基于規(guī)則或Bootstrapping策略加人工標(biāo)注結(jié)果的文本挖掘方法,它們?cè)谥R(shí)庫(kù)構(gòu)建的初期通常較為有效。隨著深度學(xué)習(xí)的興起,越來(lái)越多的深度學(xué)習(xí)模型被用于命名實(shí)體識(shí)別和知識(shí)抽提。通過(guò)對(duì)多源異構(gòu)數(shù)據(jù)和知識(shí)進(jìn)行深度抽提和管理,構(gòu)建勘探開發(fā)知識(shí)庫(kù),為知識(shí)共享和深度應(yīng)用打下堅(jiān)實(shí)的基礎(chǔ),如圖4。圖4勘探開發(fā)知識(shí)抽取流程示意圖
【參考文獻(xiàn)】:
期刊論文
[1]基于知識(shí)圖譜的管理信息系統(tǒng)可視化研究[J]. 王君林,胡龍偉,郭鳳璐,黃寶倫. 信息技術(shù)與信息化. 2018(10)
碩士論文
[1]油氣勘探開發(fā)知識(shí)圖譜核心算法的研究與實(shí)現(xiàn)[D]. 王加楠.中國(guó)石油大學(xué)(北京) 2016
[2]基于人工標(biāo)注技術(shù)的網(wǎng)頁(yè)內(nèi)容抽取系統(tǒng)開發(fā)[D]. 周洪喜.復(fù)旦大學(xué) 2010
本文編號(hào):3443113
【文章來(lái)源】:信息系統(tǒng)工程. 2020,(01)
【文章頁(yè)數(shù)】:4 頁(yè)
【部分圖文】:
系統(tǒng)總體架構(gòu)設(shè)計(jì)
圖1 系統(tǒng)總體架構(gòu)設(shè)計(jì)在知識(shí)體系構(gòu)建階段,勘探開發(fā)基礎(chǔ)知識(shí)的分類、收集和整理對(duì)后期的知識(shí)推理、智能問(wèn)答、語(yǔ)義檢索非常重要。這些基礎(chǔ)知識(shí)對(duì)應(yīng)通用知識(shí)圖譜中的常識(shí)知識(shí)庫(kù)。例如,在勘探規(guī)劃和部署階段,基礎(chǔ)知識(shí)包含的學(xué)科有石油天然氣勘探、地層和古生物、沉積與古地理、層序地層、石油鉆探等;而地層和古生物學(xué)科又包含巖石地層學(xué),而巖石地層學(xué)中又有巖石地層單元、油層群、油層組、砂層組等基礎(chǔ)概念。
在勘探開發(fā)實(shí)體識(shí)別和抽取方面,有傳統(tǒng)的統(tǒng)計(jì)學(xué)習(xí)方法如最大熵分類模型、SVM、HMM和CRF等模型,以及基于規(guī)則或Bootstrapping策略加人工標(biāo)注結(jié)果的文本挖掘方法,它們?cè)谥R(shí)庫(kù)構(gòu)建的初期通常較為有效。隨著深度學(xué)習(xí)的興起,越來(lái)越多的深度學(xué)習(xí)模型被用于命名實(shí)體識(shí)別和知識(shí)抽提。通過(guò)對(duì)多源異構(gòu)數(shù)據(jù)和知識(shí)進(jìn)行深度抽提和管理,構(gòu)建勘探開發(fā)知識(shí)庫(kù),為知識(shí)共享和深度應(yīng)用打下堅(jiān)實(shí)的基礎(chǔ),如圖4。圖4勘探開發(fā)知識(shí)抽取流程示意圖
【參考文獻(xiàn)】:
期刊論文
[1]基于知識(shí)圖譜的管理信息系統(tǒng)可視化研究[J]. 王君林,胡龍偉,郭鳳璐,黃寶倫. 信息技術(shù)與信息化. 2018(10)
碩士論文
[1]油氣勘探開發(fā)知識(shí)圖譜核心算法的研究與實(shí)現(xiàn)[D]. 王加楠.中國(guó)石油大學(xué)(北京) 2016
[2]基于人工標(biāo)注技術(shù)的網(wǎng)頁(yè)內(nèi)容抽取系統(tǒng)開發(fā)[D]. 周洪喜.復(fù)旦大學(xué) 2010
本文編號(hào):3443113
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3443113.html
最近更新
教材專著