基于遥感知识图谱的遥感影像统筹系统技术方案

本发明专利技术提供一种基于遥感知识图谱的遥感影像统筹系统，涉及知识图谱技术领域，所述系统包括遥感知识采集模块、知识图谱构建模块、用户信息采集模块、知识图谱存储模块、个性化推荐模块。本发明专利技术通过对遥感影像先进行解译，并利用解译信息来辅助构建遥感知识图谱，极大的利用了遥感影像的信息，且丰富了遥感知识图谱的语义内容，在进行影像推荐时，能够实现精准推荐，提高了用户的体验感和满意度。提高了用户的体验感和满意度。提高了用户的体验感和满意度。

【技术实现步骤摘要】
基于遥感知识图谱的遥感影像统筹系统


[0001]本专利技术涉及知识图谱
，具体涉及一种基于遥感知识图谱的遥感影像统筹系统。

技术介绍

[0002]随着对地观测技术的迅猛发展，人类对地球的观测能力达到了空前水平。不同成像方式、不同波段和分辨率的卫星载荷使得遥感数据日益多元化，遥感数据量也显著增加，更新周期缩短、时效性越来越强。因此遥感观测数据呈现明显的“大数据”特征。
[0003]作为人工智能的重要组成部分，知识图谱于2012年5月17日被Google正式提出，其初衷是为了提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。随着人工智能不断发展，知识图谱已经被广泛地应用于信息检索、智能问答和推荐系统等场景中。
[0004]目前遥感领域的推荐算法主要有即基于协同过滤的推荐算法、基于内容的推荐算法和混合推荐算法。其中，协同过滤方法通过利用用户历史的行为偏好数据构建模型，但该方法经常会受到用户和物品之间的行为关系数据的稀疏问题和对新用户或者新物品进行推荐时存在的冷启动问题而困扰。基于内容的推荐算法主要对物品进行复杂的特征提取与建模，这里往往涉及到复杂的特征工程且不具解释性。目前的推荐系统对影像进行推荐时会忽略影像的语义信息，无法通过影像的语义描述进行精准推荐，所输出的推荐结果往往不符合用户的预期，这极大的降低了用户的体验感和满意度。

技术实现思路

[0005]基于上述技术问题，本专利技术提供一种基于遥感知识图谱的遥感影像统筹系统，通过对遥感影像先进行解译，并利用解译信息来辅助构建遥感知识图谱，极大的利用了遥感影像的信息，且丰富了遥感知识图谱的语义内容，在进行影像推荐时，能够实现精准推荐，提高了用户的体验感和满意度。
[0006]为达到上述技术目的，本专利技术提供一种基于遥感知识图谱的遥感影像统筹系统，所述系统包括：遥感知识采集模块，其配置为获取遥感影像集，并对遥感数据集进行自动解译，得到解译信息，所述解译信息包括：遥感影像中包含的对象类别和相关的背景知识、属性知识，所述属性知识包含关联属性和特征属性；知识图谱构建模块，其配置为根据解译信息构建遥感本体库，并结合特征属性进行遥感实体的识别，之后依据属性知识中的关联属性和背景知识进行遥感影像的实体
‑
关联和实体
‑
背景的关系抽取，形成多个三元组，进而构建得到遥感知识图谱；用户信息采集模块，其配置为获取用户查询信息，对用户查询信息进行语义分析，提取用户感兴趣的关键词和关联词，并将关键词和关联词映射为词向量；知识图谱存储模块，其配置为将遥感知识图谱进行向量化表示，所述遥感知识图谱转换为多个实体向量和关系向量，进而计算得到三元组向量；
个性化推荐模块，其配置为对当前词向量和所述三元组向量进行相似度计算，将所述三元组向量按照相似度计算结果从高到低进行排序，将前k个三元组向量列入推荐候选表中，并依据所述推荐候选表筛选得到推荐的遥感影像，输出作为推荐结果。
[0007]于本专利技术一具体实施例中，所述遥感数据集包括遥感资料集和遥感影像集，所述遥感资料集为记录所述遥感数据集的文本资料，包括物候资料、地学资料、地物资料、历史资料，对遥感资料集进行解译即对文本资料进行解析并归档，形成遥感影像相关的背景知识。
[0008]于本专利技术一具体实施例中，对遥感影像集进行自动解译包括：对遥感影像集进行预处理，使遥感影像集的质量达到解译的要求；构建深度学习网络模型，对遥感影像集进行解译，并结合所述背景知识得到解译信息。
[0009]于本专利技术一具体实施例中，所述用户信息采集模块包括：当前用户信息采集单元，其配置为采集当前用户查询信息，并对当前用户查询信息进行语义分析，得到当前词向量；历史用户信息采集单元，其配置为采集历史用户查询信息，并对历史用户查询信息进行语义分析，得到历史词向量；其中，所述当前用户信息采集单元和所述历史用户信息采集单元分别包括语义分析模型，所述语义分析模型采用自然语言分析工具。
[0010]于本专利技术一具体实施例中，所述系统还包括：知识图谱嵌入模块，其配置为结合历史词向量对遥感知识图谱进行向量表示学习，得到更新补全后的遥感知识图谱；其中，所述知识图谱嵌入模块位于所述用户信息采集模块和所述知识图谱存储模块之间。
[0011]于本专利技术一具体实施例中，所述知识图谱嵌入模块包括知识图谱嵌入模型，所述知识图谱嵌入模型为基于距离的模型，其用于学习遥感实体和关系的嵌入表示，对遥感知识图谱进行更新。
[0012]于本专利技术一具体实施例中，所述知识图谱嵌入模块进一步被配置为将更新后的遥感知识图谱中的遥感实体进行排序，并将历史词向量加入预测过程中，以预测新的三元组，对遥感知识图谱进行补全。
[0013]于本专利技术一具体实施例中，构建所述遥感本体库包括：设计遥感本体，所述遥感本体是对遥感知识与遥感数据进行结构化组织；结合解译信息中的特征属性和关联属性赋予语义关联给遥感本体；其中，所述特征属性包括遥感影像的时空特征属性，所述关联属性包括时空关联。
[0014]于本专利技术一具体实施例中，构建所述遥感本体库还包括：遥感本体在设计时采用的由粗到细的结构，其包括上层概念和下层概念；结合所述背景知识，从下层概念向上进行概念修正和补全，得到完善的遥感本体库。
[0015]于本专利技术一具体实施例中，构建所述遥感知识图谱包括：根据解译信息中的对象类别对遥感本体库中的遥感本体进行实体识别，并结合特
征属性进行实体分类；依据属性知识中的关联属性和背景知识来完成关系抽取，得到遥感实体之间的关系；将三元组进行图网链接后得到遥感知识图谱。
[0016]与现有技术相比，本专利技术的有益效果至少包括：（1）本专利技术先对遥感影像进行解译，并充分利用解译信息来构建遥感知识图谱，所得到的遥感知识图谱包含丰富的语义信息，能够实现高效、准确的影像推荐。
[0017]（2）本专利技术通过对用户的查询信息进行语义分析，针对分析结果进行遥感影像推荐，通过对词向量和三元组向量进行相似度比较，能够实现精准推荐，满足用户的需要。
[0018]（3）本专利技术还利用历史词向量来辅助进行遥感知识图谱的补全，扩大遥感知识图谱的范围，让遥感知识图谱中包含了用户更感兴趣的信息，在进行影像推荐时，将更能推荐符合用户与其的影像，提升用户的体验感。
[0019]附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1为本专利技术一实施例的基于知识图谱的遥感影像统筹系统的结构示意图；图2为本专利技术另一实施例的基于知识图谱的遥感影像统筹系统的结构示意图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感知识图谱的遥感影像统筹系统，其特征在于，所述系统包括：遥感知识采集模块，其配置为获取遥感影像集，并对遥感数据集进行自动解译，得到解译信息，所述解译信息包括：遥感影像中包含的对象类别和相关的背景知识、属性知识，所述属性知识包含关联属性和特征属性；知识图谱构建模块，其配置为根据解译信息构建遥感本体库，并结合特征属性进行遥感实体的识别，之后依据属性知识中的关联属性和背景知识进行遥感影像的实体
‑
关联和实体
‑
背景的关系抽取，形成多个三元组，进而构建得到遥感知识图谱；用户信息采集模块，其配置为获取用户查询信息，对用户查询信息进行语义分析，提取用户感兴趣的关键词和关联词，并将关键词和关联词映射为词向量；知识图谱存储模块，其配置为将遥感知识图谱进行向量化表示，所述遥感知识图谱转换为多个实体向量和关系向量，进而计算得到三元组向量；个性化推荐模块，其配置为对当前词向量和所述三元组向量进行相似度计算，将所述三元组向量按照相似度计算结果从高到低进行排序，将前k个三元组向量列入推荐候选表中，并依据所述推荐候选表筛选得到推荐的遥感影像，输出作为推荐结果。2.根据权利要求1所述的系统，其特征在于，所述遥感数据集包括遥感资料集和遥感影像集，所述遥感资料集为记录所述遥感数据集的文本资料，包括物候资料、地学资料、地物资料、历史资料，对遥感资料集进行解译即对文本资料进行解析并归档，形成遥感影像相关的背景知识。3.根据权利要求2所述的系统，其特征在于，对遥感影像集进行自动解译包括：对遥感影像集进行预处理，使遥感影像集的质量达到解译的要求；构建深度学习网络模型，对遥感影像集进行解译，并结合所述背景知识得到解译信息。4.根据权利要求1所述的系统，其特征在于，所述用户信息采集模块包括：当前用户信息采集单元，其配置为采集当前用户查询信息，并对当前用户查询信息进行语义分...

【专利技术属性】
技术研发人员：龚启航，张广益，万珍会，陈莉，詹旭琛，施磊，李洁，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：