【技术实现步骤摘要】
多图注意力协同的地学知识图谱更新方法和装置
[0001]本专利技术一般涉及地理大数据分析领域,并且更具体地,涉及一种多图注意力协同的地学知识图谱更新方法和装置。
技术介绍
[0002]人工智能发展到今天能解决很多问题、但是也有很多问题很难理解:怎样让机器能够真正理解人的语言,目前还做得很不够。进一步规划机器学习发展路径已经成为当今的热点。机器学习目前还只是停留在计算智能、感知智能上,怎样让机器能有认知能力、模仿人去认知一些事物、提高机器学习的认识能力是一个新的课题,知识图谱就是填补人机鸿沟的很重要的方法。
[0003]知识图谱是描述真实世界中存在的各种实体、或概念、及其关系的语义网络图,所述语义网络图模拟人的语言记忆和联想方式,直接而明确地表达概念的语义关系,可利用语义网络的结构关系检索和推理,效率高、通过节点和关系的特殊图结构数据为真实世界的各个场景直观建模;语义网络在辅助智能问答、物联网设备互联、可解释性人工智能等多个方面展现出丰富的应用价值。
[0004]地学知识图谱的广泛应用可以推动地球科学与信息科学、数据科学的交叉融合,促进学科发展。具体的,地学知识图谱可以应用在工程全生命周期管理、高精度地质时间轴构建、地学大数据综合分析以及智能地图编辑与制图控制等多个地学领域场景。
[0005]然而,地学知识具有时空性、变化性、尺度性的信息特征,导致运用静态的三元组形式(头部节点、尾部节点、头尾之间的向量关系)进行数据存储和知识表达时,容易产生信息延迟、知识滞后及虚拟数据与物理世界不同步等问题,难 ...
【技术保护点】
【技术特征摘要】
1.一种多图注意力协同的地学知识图谱更新方法,其特征在于,包括:根据地学领域知识库中的地理实体及地理实体之间的关联关系构建“数据
‑
模型
‑
知识”三层知识图谱;所述地理实体包括地学数据、地学模型和地学知识;将所述“数据
‑
模型
‑
知识”三层知识图谱的数据映射为知识图复形结构;构建多图注意力机制的知识图复形演化模型,将知识图复形结构数据作为训练数据集,迭代训练所述知识图复形演化模型,得到地学知识表示函数;计算待更新的未知地学知识的知识可信度和知识匹配度,若所述知识可信度和知识匹配度均不小于对应阈值,则将所述未知地学知识更新至所述“数据
‑
模型
‑
知识”三层知识图谱中。2.根据权利要求1所述的方法,其特征在于,所述“数据
‑
模型
‑
知识
”ꢀ
三层知识图谱,包括地学“数据”知识图谱、地学“模型”知识图谱和地学“知识”知识图谱;所述地学“数据”知识图谱是指以地学数据为主体构建的“头实体
‑
关联关系
‑
尾实体”图谱模型;所述地学“模型”知识图谱是指以地学模型为主体构建的“头实体
‑
关联关系
‑
尾实体”图谱模型;所述地学“知识”知识图谱是指以地学知识为主体构建的“头实体
‑
关联关系
‑
尾实体”图谱模型;其中,关联关系为所述三层知识图谱之间的关联关系,包括约束关系、驱动关系和引导关系。3.根据权利要求2所述的方法,其特征在于,所述知识图复形结构为包含外部层次和内接层次的结构化映射;外部层次,包括复形集合与关联规则集合;其中复形集合包括三类抽象节点,分别为地学数据、地学模型和地学知识;关联规则集合包括所述地学数据、地学模型和地学知识之间的关联关系;内接层次,为复形集合的内部结构,包括子节点集合、子节点关系集合以及邻接矩阵集合;其中,子节点为地学“数据”知识图谱、地学“模型”知识图谱或地学“知识”知识图谱的内部实体;子节点关系集合为描述地学“数据”知识图谱、地学“模型”知识图谱或地学“知识”知识图谱中子节点之间关系的集合;邻接矩阵集合为表示或存储子节点及其相邻节点间连接信息的二维矩阵的集合。4.根据权利要求1所述的方法,其特征在于,所述多图注意力机制的知识图复形演化模型为:型为:其中,为多图注意力机制的知识图复形演化模型;为知识复形的特征矩阵;
为输入...
【专利技术属性】
技术研发人员:谢潇,伍庭晨,
申请(专利权)人:北京帝测科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。