【技术实现步骤摘要】
本专利技术一般涉及知识图谱，并且更具体地，涉及高阶图结构驱动的大规模地学领域知识图谱更新优化方法、装置和设备。
技术介绍
1、地学知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，地学复杂巨系统的知识表达不仅需要综合表达其中人文社会（人）、地理环境（地）、物理对象（物）、事件过程（事）等多维度、多尺度、多专题、多层级的高阶对象，更需要完备且显示表达不同维度-尺度-专题-层级下用于现象描述和变化过程认识的高阶关系，且需适应随学科研究的深入和学科交叉发展，知识系统演变的多样性使高阶关系的复杂性不断加强的现状。随着高度变化且频繁的时空变化，图谱需要持续动态更新，且将不断产生表达疏漏、结构冗余的知识关系，不合理的知识关系会随着图谱的更新而逐步放大，造成图谱内容与地理现象持续变化一致性维护的挑战，甚至引发直接或隐含的逻辑矛盾及语义悖论。
2、现有地学知识图谱的局部更新机制研究主要以理论支持无限扩张的分布式存储为基础，侧重于在原有知识图谱结构基础上对局部的知识单元进行增改。这类更新方法主要...
【技术保护点】
1.一种高阶图结构驱动的大规模地学领域知识图谱更新优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述向量融合表征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于地学关系网络模型进行图结构提取，根据图结构的阶数计算地学关系网络模型中节点的重要度，包括：
4.根据权利要求1所述的方法，其特征在于，所述实施全/增量更新的判断阈值为：其中，为实施全/增量更新的判断阈值；为向量均值；为向量标准差。
5.根据权利要求4所述的方法，其特征在于，所述基于所述判断阈值对节点进行全/增量更新，包括：p>
6.一种高...
【技术特征摘要】
1.一种高阶图结构驱动的大规模地学领域知识图谱更新优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述向量融合表征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于地学关系网络模型进行图结构提取，根据图结构的阶数计算地学关系网络模型中节点的重要度，包括：
4.根据权利要求1所述的方法，其特...
【专利技术属性】
技术研发人员：谢潇，鄂超，薛冰，伍庭晨，朱伟，康豪杰，张春箫，曹蓓蕾，
申请(专利权)人：中国科学院沈阳应用生态研究所，
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。