基于多源异构数据的地质知识图谱构建与应用

Construction and application of geological knowledge graph based on multi-source heterogeneous data

摘要

知识图谱通过“节点-边”模式,可将知识组织成计算机可理解、可计算的语义网络。地质知识图谱具有强大的知识表示及语义推理能力,已成为地质大数据与地质人工智能发展的重要基础设施。针对当前地质知识图谱构建数据形式结构不一、质量参差不齐、规模质量难以兼顾、更新不及时等问题,首先,从地学机理角度出发,提出了顾及“语义概念层-变化机理层-特征属性层”统一的地质本体表达模型。其次,充分顾及地质知识图谱大规模、高质量、高效率构建需求,建立了专家群智协同的迭代式知识图谱构建框架,详细阐述了多模态、多类型、多主题语料下的地质知识抽取、对齐融合、更新与补全及知识存储与可视化方法。最后,讨论了地质知识图谱的应用方向,包括地质知识的精准检索与智能问答、地质知识图谱驱动的三维地质精细建模、融合多源数据的基于地质知识图谱的智能找矿预测、知识图谱引导的地质灾害监测预警等理论方法技术。本文对于大规模、高质量地质知识图谱的构建及推理应用具有很好的促进作用。

Abstract

The utilization of knowledge graphs for the organization and computation of information within a semantic network, employing a “node-edge” model, represents a pivotal advancement in computational understanding. With profound capabilities in knowledge representation and semantic reasoning, the geological knowledge graph emerges as a foundational infrastructure facilitating the advancement of geological big data and geological artificial intelligence. Addressing prevalent challenges such as disparate data formats, variable quality, scalability limitations, and update latency issues inherent in current geological knowledge graph construction, this study proposes a comprehensive approach. Primarily, from the perspective of geological mechanisms, the paper proposes a unified geological ontology expression model integrating the “semantic conceptual layer-change mechanism layer-feature attribute layer”. Furthermore, it establishes an iterative framework for knowledge graph construction that leverages expert crowd intelligence collaboration to ensure the realization of large-scale, high-quality, and efficient geological knowledge graph development. Detailed methodologies encompassing geological knowledge extraction, alignment, fusion, updating, completion, as well as knowledge storage and visualization within a multi-modal, multi-type, and multi-themed corpus are meticulously expounded. Furthermore, the study delineates various application directions for geological knowledge graphs. These include precise retrieval of geological knowledge and intelligent question-answering systems, three-dimensional fine geological modeling driven by geological knowledge graphs, multi-source data fusion facilitated by geological knowledge graphs, intelligent prediction of mineral occurrences based on knowledge graphs, and knowledge graph-guided monitoring and early warning systems for geological hazards. This paper provides a solid foundation for the advancement and practical application of large-scale, high-quality geological knowledge graphs.

Graphical abstract

关键词

多源异构地质数据 / 地质知识图谱 / 专家群智协同构建 / 知识图谱应用 / 地质领域本体 / 知识获取

Key words

multi-source heterogeneous geological data / geological knowledge graph / expert crowd intelligence co-construction / knowledge graph applications / geological domain ontology / knowledge acquisition

0 引言

在人类进入深时地球科学大数据与大知识驱动时代的今天,以大数据及数据密集型计算为核心的第四范式支配下,使得地质学进入更加快速与全面的定量化发展阶段^[1-3]。随着对野外调查、钻探槽探等山地工程、地球物理探测、地球化学探测、遥感、分析测试和综合研究等采集技术的快速发展及相关研究的深入,由矢量地图、遥感影像等空间数据,以及物联感知、网络文本、时空语义网、科技文献等组成的群智感知多源大数据已经形成并持续快速增长。作为典型的数据密集型科学,知识驱动的地球科学(简称地学)大数据分析的理论与方法亟待发展^[4-6]。

大数据背景下的地球科学发现通常涉及多源、多模态数据,面对多模态地质信息的爆炸式增长与有效利用之间的矛盾,从多模态数据中获取隐藏的、非显性的地质信息,建立统一的语义表达基础,实现地质数据的整合共享、关联集成和挖掘分析已成为当前地学迫切需要解决的问题^[7]。解决上述问题的关键在于利用知识工程技术为新范式下的地质研究建立统一的、形式化的、计算机可理解的知识基础。目前,知识图谱被广泛应用于知识工程领域,成为最先进的技术之一。它通过有向图的方式对人类知识进行形式化表达和组织,将人类的知识构建成一种计算机可理解、可计算、可推理的语义网络,从而有效地组织和管理知识。已有的地质知识图谱研究主要集中在利用自然语言处理和深度学习等技术方法上,如实体抽取^[8-10]、属性抽取^[11]、关系抽取^[12-14]、地质图件抽取^[4,15]、地质表格抽取^[16]、知识表示与推理^[5]等。借助于这些技术方法及知识图谱本身强大的知识表达能力、开放互联能力和推理预测能力,知识图谱已成为人工智能的重要基石之一,并在智能问答、语义搜索、成矿预测、三维地质建模等领域得到广泛应用。

地质知识图谱旨在建立将地质领域知识表示为计算机可理解的知识网络,已经逐渐成为地质信息科学领域的研究热点,但尚处于概念探讨和初步实验阶段,其基本原因是地质知识不仅具有通用知识的内涵和特点,还与地质对象的演化过程相关,具有特定的时空特征与地学机理特性。尽管地质知识图谱已在地学领域得到了初步实践与探索,但大多在通用领域知识图谱模式上开展实验,暂未考虑多源多模态数据中地质知识时空及演化特性,不能充分、准确地表达复杂时空关系与演化关系,不足以充分关联、深入挖掘地质时空大数据中蕴含的丰富地质隐式知识。

为此,本文旨在将知识图谱技术与地质信息科学相融合,提出了基于多源异构数据的大规模地质知识图谱构建方法。该方法旨在建立大规模高质量地质知识库,支持地质知识智能服务,如融合地质语义关系和空间关系的地质知识智能问答,以及为三维地质精细建模和智能找矿预测等领域提供技术支持。文章首先回顾了地质知识图谱的研究现状。随后,提出了地质知识图谱构建的技术体系和流程。最后,讨论和阐述了地质知识图谱的应用场景。通过本文的研究,期望能有效地利用多源异构数据构建大规模地质知识图谱,以推动地质领域的智能化发展,并为三维地质精细建模和智能找矿预测等应用提供技术支撑。

1 相关工作

知识图谱是对概念、实体及语义关系进行形式化描述的知识系统。但地质领域知识图谱还处于概念的探究及初步实验阶段。本部分将围绕多模态地质知识图谱构建过程中本体结构设计、信息抽取、地质知识推理及应用三个方面进行综述。

1.1 地质知识图谱的本体构建

针对不同的应用需求,知识图谱的本体结构各不相同。当前,地质知识图谱主要从地学基础研究、专业细分领域研究等知识范围构建本体结构。相关学者分别在铜矿、金矿、锂矿、铁矿等专业细分领域构建了矿石、矿物、矿区、矿床、矿段及矿体六类本体,并在本体的支撑下抽取其中蕴含的矿物、矿床等地质实体及相互间继承、实例、包含等时空语义关系等^[6,17-22];在地质灾害领域,相关学者分别针对地质对象、地质环境、灾害及应急处置构建了相应的本体,并在本体的支撑下抽取灾害类型等实体及时空、语义及属性关系^[23-25];在地球科学领域,有大量的学者通过对地质文本进行领域特征分析,最终构建了地质时间、地质空间、地质主题、地质事件及地名本体、地质构造本体、岩石本体和地层本体等,并在本体引导下抽取了大量地质命名实体及实体间时空、属性、结构关系等^[12,26];在基础地质领域,相关学者构建了地理地质环境本体,抽取其中蕴含的地质与岩体要素、地质构造及工程地质等实体及实体间时空、属性、因果、拓扑关系等^[27];针对地质剖面图,相关学者构建了地层岩性本体及地层对象本体,并对地质剖面图中蕴含地层、岩石等实体及实体间空间关系进行抽取^[28]。

1.2 地质知识图谱的信息抽取

当前地质数据大多以非结构化或半结构化的形式存在,对地质数据进行信息抽取并将其转换成“实体-关系-实体”三元组数据进而构建地学知识图谱。地质知识图谱信息抽取的关键技术主要有命名实体识别、关系抽取和属性抽取等,主要方法有基于规则的方法、基于机器学习的方法及基于深度学习的方法。目前已有较多学者从知识图谱构建关键技术方面进行了探索,为本研究提供了有力的文献支撑。例如,在地学领域,相关学者利用基于规则的方法进行了命名实体识别和关系抽取等研究^[29-30];随着深度学习的出现,大量的学者针对地质命名实体进行了相应的研究,其中主流的命名实体识别模型主要有BERT-BiGRU-CRF模型、BERT-BiGRU-Attention-CRF模型等^{[25-26,31-33]};针对地质实体关系抽取,大量的学者针对地质文本数据中存在的实体间语义关系等进行抽取,其主要方法有流水线实体关系抽取和实体关系联合抽取^{[15,25,34-36]};针对属性抽取,邱芹军等^[11]提出了一种基于BERT-BiLSTM-CRF模型的三维地质建模约束信息抽取方法。

1.3 地质知识图谱推理及应用

地质知识推理旨在利用地质知识图谱中实体概念间的关系,通过计算机推理,建立新地质实体之间的关联,以理解地质学知识体系的演化特征并发现新的地质学知识。目前,常用的知识推理方法包括基于符号空间推理、基于向量空间推理和基于神经-符号联合推理方法^[37]。其中基于符号空间推理主要利用相关规则从已有的实体关系中推断新的实体关系,并检测可能存在的逻辑冲突,主要方法有基于OWL的本体推理、基于Datalog的规则推理和基于Rete算法的产生式规则推理^[38-40],该方法具有精确及可解释性高等优点,但知识获取的难度大。基于向量空间的推理方法是将知识图谱中的实体和关系映射到低维的向量空间,然后通过向量运算和相似性运算,捕捉知识图谱中的结构和语义信息^[41],其根据打分模型的不同分为基于距离的模型、基于语义匹配的模型以及最新的知识图谱嵌入表示模型^[42-44],该方法在表达能力、泛化能力、处理噪声以及计算效率等方面具有明显的优势,但也存在可解释性低以及迁移能力差等问题。基于神经-符号联合推理方法是指结合上述两种推理方法的优势,将基于向量推理强大的泛化能力和基于符号推理的可解释能力相结合,使得模型具有更加强大的推理能力和表达能力^[45]。

2 基于多源异构地质数据理解的知识图谱构建

本文结合现有地质领域知识服务的实际需求与知识图谱构建方法的特点,采用专家群智协同(自顶向下)与多源异构地质数据智能挖掘(自底向上)相结合的方法进行地质领域知识图谱的构建,并通过知识图谱嵌入表示学习实现地质知识的“结构化表达-语义化关联-向量化计算-精准化推理”,形成一套面向多源异构地质数据的知识图谱高质量迭代建模框架(图1)。该框架主要包括自底向上的专家交互过程和自顶向下的应用反馈过程。在系统框架的底层,研制一套基于B/S(browser/server)架构的地质领域知识图谱协同建模与迭代进化系统,各领域专家在进行协同合作的同时可以根据语义相似度模型解决可能会存在的逻辑冲突问题,从而使系统在服务上层模块时以群智协同的方式实现人机交互。

第一层为本体层构建,按照“语义概念层-变化机理层-特征属性层”的结构模式构建地质本体;第二层为多源异构数据的获取,数据类型主要包括三种:非结构化数据、图件数据以及遥感数据;第三层是地质知识三元组高置信抽取,主要针对三类数据对其中蕴含的实体及语义关系进行抽取形成知识图谱;第四层为知识图谱的对齐融合,主要对抽取的实体进行消歧、对齐融合以减少知识图谱的冗余;第五层描述地质知识图谱的主要应用场景,有效支撑地质知识的精准检索、智能问答、三维地质建模等多种应用。

2.1 顾及“语义概念层-变化机理层-特征属性层”统一的地质本体构建

地质本体设计是将地质领域多学科知识按照统一体系结构进行组织的基石,是推动地质领域知识完备性与易用性表达的关键。相比于通用知识图谱,地质领域知识需要包含地质实体的演化知识,即对实体时空变化、时空演化、空间形态等信息进行概括和凝练。此外,还需要结合实体及关系抽取任务,引入地质对象变化机理相关知识,通过地学知识对机理进行补充,展示地质对象相关的地学知识对实体及关系抽取的作用,最终形成通过状态内部关系与外部变化对该地质对象相关的领域知识的存在及发展进行表达的领域知识本体模式。

为服务地质实体及关系精准抽取任务,构建能够将地质对象特征状态下的特征反演为实际地学特征表现的知识链路,其中地质体具体表现为多模态数据中能用同一类别概括的地质实体(如地质构造、岩石、矿物、地质年代、地层等)。对于地质时空过程信息而言,这一链路的途径为地质对象的时空变化机理模型。为反映这一知识链路的特性,设计“语义概念层-变化机理层-特征属性层”的三层结构,确保地质知识图谱对于实体关系抽取任务所需知识的合理组织。

地质本体是建立地质知识图谱的重要支撑,核心内容包括概念层设计、属性、领域规则定义等。如“地质体”这一概念代表地质图件中的所有客观存在可解释的地质对象,“沉积地质体”是“地质体”的一个子类,“化学成分”是对“沉积地质体”的属性描述(图2)。地质实体语义关系统一表达如图3所示。

2.2 多源异构地质数据获取

地质学发展至今积累了大量的地质资料数据,随着地球信息探测技术的迅速发展,又有源源不断的新的地质数据快速产生。地质大数据不仅有定性、定量数据,还包括文档、地质图件或者是地质工作者在工作中留下的视频、音频文件等资料。

地质数据的采集平台和方法多种多样,所获取的数据也以不同形式进行组织和管理^[46]。例如,野外露头描述数据、钻孔岩心描述数据、各种地质报告文档数据及大量野外填图、素描和照片,遥感获取的影像数据,地质灾害监测获得的实时点位数据等。这些数据有的以纸质形式存储和管理,有的经过结构化转换并以GIS形式入库存储。不同的数据组织方式导致了不同的数据结构,同时对同一地质对象的描述也因空间基准和时空尺度的差异而存在语义鸿沟。不同的数据采集方法和多角度的描述使得地质大数据呈现严重的异构性和多模态性。从数据类型上,地质知识图谱构建的数据来源包括地质报告及期刊文献等专业数据、网络文本等开放域数据、地学关联数据及语义网等结构化数据和矢量及栅格等地质图件数据等。表1展示了目前主流的地质领域知识图谱构建数据来源及对应细分领域^{[6,8,19,23-24,27-28,47-54]}。

2.3 基于多源数据理解的地质知识三元组抽取

在自顶向下完成地质领域本体设计和知识表达模型后,为兼顾地质领域知识图谱对于领域内大量知识的覆盖完整度,需要结合自然语言处理、地质矢量数据解析、遥感图像目标检测等技术,从多源地学数据中进行知识三元组的高置信抽取。本节重点阐述非结构化文本数据、地质图矢量/栅格数据和遥感影像数据等地质数据抽取技术方法。

2.3.1 面向文本数据的地质知识抽取

2.3.1.1 面向文本数据的命名实体识别

地质命名实体识别旨在对地质报告等文本数据中蕴含的岩石、矿物、地质年代、地质构造、地名、地层等命名实体进行识别。目前,虽然诸多学者针对地质领域命名实体识别做了大量的研究,但仍然存在诸多问题:(1)存在大量命名实体间相互嵌套问题(如“石榴子石透辉石夕卡岩”);(2)存在很多生僻且较为冗长的地质实体,导致命名实体识别边界不清;(3)缺乏大规模高质量深度学习模型训练样本集。针对上述问题,提出一种基于人在回路的BERT-BiLSTM-CRF的命名实体识别模型(图4)。

该方法首先标注部分小样本数据集训练深度学习模型,并且利用学习模型识别未标注的样本数据,对模型识别错误的数据采用人工干预的方式进行纠正,然后输入模型进行训练,通过多次迭代以提升深度学习模型学习和表征的能力。

该方法主要包括语料库的搜集、BERT-BiLSTM-CRF模型以及人在回路学习增强三大模块。首先,以地质报告为数据源,参考地质领域的行业规范(如中国地质调查局地质调查技术标准),结合地质报告中关键信息的描述特点,指定并设计地质时间、地质构造、地层、岩石、矿物、地名等实体类型;其次,利用BERT-BiLSTM-CRF模型对实体进行表征与训练,其中BERT模型将输入的文本信息联合上下文语境进行预训练,获得相应的词向量;然后将其输入BiLSTM中进行学习,获得各类实体的概率分布;最后输入CRF模块中进行判断,对序列中各类实体进行分类提取,最终得到实体类别;最后,人在回路学习增强模块将其用于一组未被标记的文本数据进行命名实体识别,然后从抽取的结果中选取正确的样本进行标注形成标准语料库,而错误样本则通过人工判断和纠正,重新输入到模型中进行再次迭代训练,经过多次迭代后增强模型学习能力。

2.3.1.2 面向文本数据的关系抽取

实体关系抽取旨在对实体间的语义关系进行抽取。目前关系抽取方法主要分为流水线抽取和联合抽取两种,其中流水线关系抽取将实体关系抽取分为两个步骤进行,但很容易造成误差传播,导致抽取结果不精准;联合抽取同时进行实体和关系抽取,通常采用模型参数共享的方法。目前针对地质实体关系的研究还较少,且在抽取的过程中存在以下问题:(1)地质实体关系抽取缺少大规模高质量标注数据集;(2)地质文本具有较强的领域性,不仅存在通用领域关系类型,还存在大量特有的地质关系类型(如因果关系、演化关系、共生关系、接触整合关系等);(3)地质文本中存在大量关系重叠问题。针对上述问题,本文提出一种顾及中文汉字多特征及关系重叠问题的实体关系联合抽取方法(图5)。该方法主要分为构建地质实体关系语料库和模型训练两大部分,其中模型主要分为融合多特征、主实体识别和关系及客实体识别三个模块。

首先以地质报告为数据源,通过对地质报告的组织形式及内容进行分析后,定义了空间关系、结构关系、属性关系及功能关系四大类、24种小类关系类别,通过数据增强对数据集进行扩充;其次,将文本输入BERT模型中进行编码以获得文本的特征向量,融合汉字的拼音、五笔以及偏旁特征和BERT编码的特征向量,提高模型对于复杂地质实体的识别能力;第三,在模型中引入时域卷积网络(Temporal Convolutional Network,TCN)和轴向注意力机制有效捕捉序列中的长期依赖关系,更好融合全局信息,同时在模型中加入指针网络,可针对边界冲突问题,使得概率值高实体被优先预测;第四,利用两个独立的二分类器识别文本中所有出现的主实体,在主实体识别的基础上识别客实体及两个实体间的关系,其中引入关系图卷积网络,对不同的关系赋予不同的权重,从而解决关系异构等问题。

2.3.2 面向矢量/栅格地质图数据的知识抽取

地质图作为地质知识获取的重要来源之一,现有的地质图包括剖面图、平面图等,其数据格式主要有栅格数据和矢量数据两种形式。地质图中的基本内容包括地理要素和地质要素,其中蕴含了水系、地貌、地层、断裂、岩体等丰富的实体知识及时间、空间及语义关系,这些知识的获取对于构建和丰富地质知识图谱具有重要的支撑作用。然而,现有的对于地质知识的抽取主要以文本为主,关于地质图知识抽取研究较少,主要是因为:(1)地质图中的地质对象零散庞杂,缺少统一的组织表达框架;(2)地质图中对象的时空分布与语义关联复杂,缺少有效的地质实体关系抽取手段;(3)现有的一些研究并未对地质图知识进行体系化整理,对地质图中蕴含的地质知识挖掘也不充分。因此,针对上述问题,提出领域本体引导的地质知识表达框架(图6),并以江西省于都县银坑幅地质矢量图为研究对象,构建了地质图知识图谱。

首先构建地质图知识本体层,通过对地质图中存在的地理要素概念和地质要素概念进行分析,对领域内的概念及关系进行明确形式化的界定和说明。针对地质领域中的地理要素、地层单元、岩体单元、地质年代单元、成矿单元以及构造单元6种要素,通过专家知识定义各要素间存在的语义关系、方位关系及属性关系,形成地质知识表达模型;其次,以江西省于都县银坑幅 G50E011007 (1∶50 000)矿产地质调查矢量数据库为例,导出该地质图对应的dBase(dbf)数据表,通过设计各个字段间的映射关系,抽取表中的实体名称及对应属性信息;地质图件中对象间的语义关系可通过dbf字段进行空间链接获得;方位关系的获取可基于GIS软件创建新字段并计算地层单元的相邻单元的值。栅格地质图件可通过多模态大模型和深度学习对图中地质对象及语义关系进行抽取后形成知识图谱。

2.3.3 面向遥感影像数据的地质知识抽取

基于遥感影像数据的地质知识抽取指综合应用先进的图像处理和信息提取技术从图像中获取感兴趣的地质环境要素的过程,其主要研究对象为岩性、土、水、冰川、构造、矿物和各类地质灾害等地质体及实体间空间关系和语义关系。利用深度学习对遥感图像进行智能解译已成为主流方法。然而,目前基于深度学习的遥感影像智能解译仍存在很多问题:(1)利用深度学习从遥感图像中抽取信息需要依赖大量已标注的数据,无法对所有的地质要素进行提取;(2)由于遥感成像机理较为复杂,现有的方法性能较低、可靠性较差;(3)由于地质要素分类体系较为复杂,分布具有区域性,且受地质环境等方面的影响导致遥感影像中的地质要素边界模糊,模型无法准确识别。因此本文提出一种地质环境遥感影像特征和语义特征一致性映射约束方法(图7)。该方法设计组合式自编码器将影像特征和知识语义特征映射到统一的特征空间,进一步结合分布一致性约束训练实现特征分布匹配对齐,进而融合影像与语义特征服务于地质环境要素解译,发挥知识推理与数据学习互补性优势,从而解决单独依赖遥感大数据驱动的深度解译网络模型复杂、解译机理不清、泛化能力差等缺陷。

2.4 多源地质知识对齐融合、更新与补全

在对多源异构地质数据中蕴含的实体及关系抽取后,需对抽取结果中存在的同义实体或关系进行对齐、消歧与合并,减少知识图谱冗余信息,提高知识图谱质量。因此,针对多源数据中的同义实体或关系,提出一种基于图卷积网络(GCN)的知识图谱对齐方法,首先给定一组预先对齐的实体,通过训练GCN将不同的实体嵌入统一的向量空间,然后通过计算嵌入向量之间的距离进行对齐融合,并且在该过程中将实体的结构和属性信息进行嵌入,将结构嵌入和属性嵌入的结果结合起来,以获得精确对齐(图8)。

整个过程主要包括GCN模型的实体嵌入、结构和属性的嵌入及对齐预测。首先,给定两个不同的知识图谱子图KG₁和KG₂;然后利用GCN网络输入节点的特征向量和图的结构,将实体投影到低维的向量空间中,等效实体彼此接近。其次,为能够同时利用属性信息和结构信息,在GCN层中对每个实体分配两个特征向量,即结构特征向量和属性特征向量;根据两个知识图谱的实体在GCN表示空间中的距离来进行实体对齐;最终对于等价实体,距离越小越相似,而对于非等价实体,距离应大。在多源子图谱进行同义实体的对齐融合后,实体间往往会还存在缺失关系的情况,因此需要对地质领域知识图谱整体地进行关系补全操作。可通过基于度量学习的增量节点插入位置推荐方法,根据增量节点与知识图谱中已有节点的语义关联度,确定新发现节点的插入位置,实现更新后知识图谱中实体间的关系补全。

2.5 地质知识存储与可视化

随着知识图谱规模的日益增长,数据管理愈加重要。一方面,以文件形式保存的知识图谱显然无法满足用户的查询、检索、推理、分析及各种应用需求;另一方面,传统数据库的关系模型与知识图谱的图模型间存在显著差异,关系数据库无法有效管理大规模知识图谱数据,地质知识存储与可视化显得十分重要。目前常见的知识图谱数据库主要有基于关系数据库的存储方法、面向RDF的三元组数据库和原生图数据库,而原生图数据库主要有Neo4j、TigerGraph、JanusGraph、OrientDB等。本文选择TigerGraph图数据库,主要由于其所开发的可视化图形工具GraphStudio,可在Web页面上快速管理图数据库,实现设计图模型,创建图模型映射,加载数据,探索图数据及编写GSQL查询。根据所设计的知识图谱本体结构创建图模式,进而将岩石矿物、地层、地质年代等实体数据及演化关系、计算关系、时空关系等关系数据映射到图模型中,最终根据所创建的数据映射加载实例数据,将知识图谱间的大量关系数据存储到TigerGraph图数据库中。

3 多源地质知识图谱与知识服务应用

地质知识图谱构建不仅可提供传统知识图谱的知识查询检索等功能,同时结合大语言模型可以为构建对话问答系统提供新路径,提高大模型的专业化能力。通过知识图谱约束的三维地质建模可充分考虑地质体间的隐式关系与约束条件,一定程度上提高三维地质模型的精度。分析地质数据、历史矿产信息等,更全面地展现各种矿床成因的整体性和关联性,为新一轮找矿突破提供新思路与方法。

3.1 地学知识智能检索与问答

丰富的地质数据与知识挖掘低效率间的矛盾,导致业务层面地质数据信息查询,信息间关系挖掘不充分。通过梳理地质知识认知体系,构建融合多源异构数据地质知识图谱,提升专业知识服务质量,支持专业知识检索与问答^[55]。地质知识图谱知识检索主要涉及对用户查询理解、模板匹配、查询语句生成、检索结果展示等,一般利用图数据库match语言进行检索(图9)。

此外,与传统的信息检索系统相比,知识图谱在智能知识问答领域能够准确理解问题中的语义环境和用户的真实意图,在处理输入信息时的限制更少,输出的答案也更加贴近人类的正常回答模式。结合大语言模型与知识图谱创建的智能问答系统新模式,不仅可减少单独大模型生成误导性信息的风险,弥补不能完全满足专业需求的缺陷,而且可弥补单一知识图谱传统问答在开放域知识方面不足。二者的结合能够有效地利用知识图谱增强大语言模型的生成结果,并借助大语言模型的语义理解能力来丰富知识图谱检索。

如对输入的问题“石炭系形成的时间”文本进行信息过滤,即文本分类,判断出该文本是否与地质领域相关。其次,通过知识库检索与文本相关的知识,以提示的方式和问题一起输入大模型,如ChatGPT、ChatGLM、Bard等,大模型通过推理生成具备专业知识的答案。然后,对该回答进行知识抽取,从回答中抽取出三元组。将抽取出的三元组和地质知识图谱进行匹配,以验证回答的专业性,同时将知识图谱中的节点以问题的形式输入大模型,获取易读的自然语言解释,从而实现大模型和知识图谱的双向转换。综上所述,地质知识图谱在智能检索与问答领域的优势在于其结构化的知识表示、语义理解能力、跨数据源集成、答案的精确性和智能推荐功能,这些特点使其成为地质学习、研究和应用中重要的工具和平台。

3.2 地质知识图谱引导的三维地质精细建模

深刻掌握地表地形、地貌、地层岩性及地质结构间的空间关系对于了解地下结构、地质活动及矿产资源的勘探与开发至关重要。目前,三维地质建模的主要数据来源是二维图形数据库和钻探数据,对于其他类型的数据的应用较少。符合地质语义约束的地下空间三维模型高效精细构建以及多尺度地质结构与属性的耦合表达制约了三维地质模型的深度实践和应用。现有三维地质建模方法都较多地关注地质“框架”模型的构建,较少顾及复杂地质结构内部细节表征和属性信息的精细刻画,以及“框架”内的非均质性及其地质学内涵。其根本原因是:缺少多源异构数据和地质语义知识的融合机制,模型对多尺度细节特征的刻画和对地质认知的表达能力不足。通过构造模型知识图谱和地质构造特征的语义推理,可以优化地质曲面重构的过程和精度(图10)。

因此,根据先验知识结合专家经验,建立初始知识图谱;根据区域多模态数据修正、完善知识图谱,判断地质曲面间的关系;根据地质曲面与地质体的组合规则推理得到地质体实体;根据地质曲面接触关系得到地质体接触关系。在构建几何语义知识图谱时,首先从单元实体间的关系出发,通过推理来识别更高层次的实体和关系。地质曲面的接触关系可用于推断曲面相交情况,进而确定曲面如何被划分为多个单元实体。结合构造解释数据,进一步确定这些单元实体间的关系。通过知识图谱从而确定模型中包含的对象间的相互关系,地质模型的建立不仅包括地质语义实体及相互关系的显式表达,也将这些关系转换为建模的直接约束。基于原始构造解释数据和知识图谱估计出曲面交线,通过对这些交线进行评估并调整,保证它们遵循地质规律,从而提升构造数据的质量。这样的曲面重构过程变成了受约束的内部插值,通过利用经过验证的交线和调整后的解释数据作为种子数据,进一步构建闭合的块体,形成与知识图谱一致的三维地质构造。综上所述,地质知识图谱通过综合利用数据和专家知识,实现了对三维地质建模过程中关键信息的精细控制和优化,为地质勘探、资源开发等提供了更为有效的支持和指导。

3.3 融合多源数据的基于地质知识图谱的智能找矿预测

地质知识图谱整合分散、异构、多模态的地质信息,集中存储大量地质信息,更全面地展现各种矿床成因的整体性和关联性,其不仅打破了传统地质图使用几何形状表示地质现象的局限性,而且还使地质知识图具有表达空间属性的能力,并根据各种矿床成因要素的重要性,不断扩展图谱知识体系的深度,增强知识覆盖率和关系复杂性,支持挖掘传统地质数据中的隐含信息^[56]。

以相关图数据提取断层、地层、侵入体和蚀变带的空间特征和语义关系,结合地质报告、研究报告、论文等半结构化或非结构化资料,构建矿产地质知识图谱,采用链路预测、中心性计算、社区发现、相似度计算等知识图谱分析方法进行知识推理,发现地质要素与成矿作用的关联关系,通过图嵌入的方法,关联相关地质分析数据,实现“知识-数据”的集成,结合深度学习方法,挖掘隐藏的成矿地质规律与模式,发现有利的成矿空间位置、成矿时间、成矿物质和成矿能量供给条件,预测可能的成矿位置,确定有利找矿区或找矿靶区(图11)。综上所述,通过对融合多源数据的地质知识图谱进行数据分析及知识推理等技术,可以有效提升智能找矿预测的准确性和效率,为矿产资源勘探和开发提供了强大的支持和指导。

3.4 基于地质知识图谱的地质灾害监测预警

地质灾害高位隐蔽、突发性、不确定性、链式效应等特点,为灾害监测预警和广域范围内隐患识别精准识别提出了挑战。地质灾害数据的类型及总量不断增加,相比于传统信息服务知识库,地质知识图谱对从海量地质灾害数据中获取、表达知识具有巨大优势,为地质灾害信息间潜在关系与链式传导的获取、使用和展示提供了新的方案,有助于地质灾害相关数据的快速收集、融合和关联。

地质灾害既具有地学领域的基本特征,又具有自然灾害领域的独特特征,当前针对地质灾害的知识表示模型,尚未建立起致灾因子、孕灾环境、承灾体之间复杂关联的表示,对成因机理等概念知识的表达能力不足。此外,现有数据驱动的预测方法对监测数据依赖程度高,知识驱动的方法受主观因素干扰。因此,构建以地质灾害类型、成灾机理、孕灾因素和演化规律为基础的全域地质灾害易发性知识体系,构建地质知识图谱并利用专家知识筛选预测指标,对预测指标的共线性和重要性进行评估,以选取合适的致灾因子、孕灾环境、成灾模式和前兆变形等特征作为预测指标(图12)。其次,从地质知识图谱中提取相应的预测指标数据,运用推理模型判断发生地质灾害的概率,可为灾害知识管理提供实际应用价值。综上所述,对地质知识图谱进行推理可以有效促进地质灾害监测预警更加科学化和精准化,可以更好地提升社会对地质灾害的应对能力。

4 总结与展望

基于多源异构地质数据的知识图谱是地球科学研究的前沿方向,构建地质知识图谱是地球科学界的一项系统性知识工程。本文从多源、多模态、多类型地质数据出发,针对地质知识的特点和实际应用角度出发,提出了地质知识图谱构建及迭代生成进化方法,建立了顾及地学机理和地质知识的知识图谱,阐述了地质知识图谱智能问答、三维地质精细建模、智能找矿预测和地质灾害监测预警四个典型的地质知识图谱应用方法,为进一步开展地质知识图谱的应用提供了思路与指导。地质知识图谱研究处于初级阶段,无论是地质知识体系的结构化梳理与语义化关联,还是大规模地质知识图谱构建与不同应用场景验证等,均需要开展进一步的深化研究。此外在之后的研究中将进一步融入大语言模型,从海量数据中通过语言模型任务习得参数化知识,进而减缓在知识抽取任务中存在的诸多问题,而知识图谱作为一种结构化的表达,可以提供精准的语义支撑,辅助大语言模型进行信息抽取及知识推理。

感谢深时数字地球国际大科学计划(DDE)大知识工作组,感谢匿名审稿人和编辑对论文提出的修改意见和建议。

参考文献

[1] BENIEST A, SCHELLART W P. A geological map of the Scotia Sea area constrained by bathymetry, geological data, geophysical data and seismic tomography models from the deep mantle[J]. Earth-Science Reviews, 2020, 22: 103391.

[2] CHEN G, CHENG Q, PUETZ S. Data-driven discovery in geosciences: opportunities and challenges[J]. Mathematical Geosciences, 2023, 55(3): 287-293.

[3] QIU Q, WANG B, MA K, et al. A practical approach to constructing a geological knowledge graph: a case study of mineral exploration data[J]. Journal of Earth Science, 2023, 34(5): 1374-1389.

[4] WANG C, HAZEN R M, CHENG Q, et al. The Deep-Time Digital Earth program: data-driven discovery in geosciences[J]. National Science Review, 2021, 8(9): nwab027.

[5] 吴麒瑞, 田苗, 谢忠, 等. 融合多模态数据的地震灾害知识图谱构建及应用[J]. 地质科技通报, 2025, 44(4): 90-106.

[6] QIU Q, MA K, LV H, et al. Construction and application of a knowledge graph for iron deposits using text mining analytics and a deep learning algorithm[J]. Mathematical Geosciences, 2023, 55(3): 423-456.

[7] MA X, MA C, WANG C. A new structure for representing and tracking version information in a deep time knowledge graph[J]. Computers & Geosciences, 2020, 145: 104620.

[8] QIU Q, XIE Z, WU L, et al. GNER: a generative model for geological named entity recognition without labeled data using deep learning[J]. Earth and Space Science, 2019, 6(6): 931-946.

[9] QIU Q, XIE Z, WU L, et al. BiLSTM-CRF for geological named entity recognition from the geoscience literature[J]. Earth Science Informatics, 2019, 12: 565-579.

[10] 邱芹军, 田苗, 马凯, 等. 区域地质调查文本中文命名实体识别[J]. 地质论评, 2023, 69(4): 1423-1433.

[11] 邱芹军, 马凯, 朱恒华, 等. 基于BERT的三维地质建模约束信息抽取方法及意义[J]. 西北地质, 2022, 55(4): 124-132.

[12] WANG B, WU L, XIE Z, et al. Understanding geological reports based on knowledge graphs using a deep learning approach[J]. Computers & Geosciences, 2022, 168: 105229.

[13] WANG T, ZHENG L, LV H, et al. A distributed joint extraction framework for sedimentological entities and relations with federated learning[J]. Expert Systems with Applications, 2023, 213: 119216.

[14] 邱芹军, 王斌, 徐德馨, 等. 地质领域文本实体关系联合抽取方法[J]. 高校地质学报, 2023, 29(3): 419-428.

[15] QIU Q, WANG B, MA K, et al. Geological profile-text information association model of mineral exploration reports for fast analysis of geological content[J]. Ore Geology Reviews, 2023, 153: 105278.

[16] 董家慧子, 谢忠, 邱芹军, 等. 融合容错机制的基于Attention-Mask RCNN地质表格信息抽取方法[J]. 地质科学, 2023, 58(3): 1147-1163.

[17] 张前龙, 周永章, 郭兰萱, 等. 找矿知识图谱的智能化应用: 以钦杭成矿带斑岩铜矿为例[J]. 地学前缘, 2024, 31(4): 7-15.

[18] 叶育鑫, 刘家文, 曾婉馨, 等. 基于本体指导的矿产预测知识图谱构建研究[J]. 地学前缘, 2024, 31(4): 16-25.

[19] 周永章, 张前龙, 黄永健, 等. 钦杭成矿带斑岩铜矿知识图谱构建及应用展望[J]. 地学前缘, 2021, 28(3): 67-75.

[20] ENKHSAIKHAN M, HOLDEN E J, DUURING P, et al. Understanding ore-forming conditions using machine reading of text[J]. Ore Geology Reviews, 2021, 135: 104200.

[21] 燕群. 矿床知识图谱构建方法及找矿预测应用[D]. 长春: 吉林大学, 2022.

[22] 张春菊, 刘文聪, 张雪英, 等. 基于本体的金矿知识图谱构建方法[J]. 地球信息科学学报, 2023, 25(7): 1269-1281.

[23] 邱芹军, 吴亮, 马凯, 等. 面向灾害应急响应的地质灾害链知识图谱构建方法[J]. 地球科学, 2023, 48(5): 1875-1891.

[24] 许强, 崔圣华, 黄维, 等. 面向工程地质领域的滑坡知识图谱构建方法研究[J]. 武汉大学学报 (信息科学版), 2023, 48(10): 1601-1615.

[25] MA K, TIAN M, TAN Y, et al. Ontology-based BERT model for automated information extraction from geological hazard reports[J]. Journal of Earth Science, 2023, 34(5): 1390-1405.

[26] 谢雪景, 谢忠, 马凯, 等. 结合BERT与BiGRU-Attention-CRF模型的地质命名实体识别[J]. 地质通报, 2023, 42(5): 846-855.

[27] 朱庆, 王所智, 丁雨淋, 等. 铁路隧道钻爆法施工智能管理的安全质量进度知识图谱构建方法[J]. 武汉大学学报(信息科学版), 2022, 47(8): 1155-1164.

[28] WANG B, WU L, LI W, et al. A semi-automatic approach for generating geological profiles by integrating multi-source data[J]. Ore Geology Reviews, 2021, 134: 104190.

[29] BUDI I, BRESSAN S. Association rules mining for name entity recognition[C]// Proceedings of the Fourth International Conference on Web Information Systems Engineering. Rome: IEEE, 2003: 325-328.

[30] CHEN Q, YAO H, LI S, et al. Fact-condition statements and super relation extraction for geothermic knowledge graphs construction[J]. Geoscience Frontiers, 2023, 14(5): 101412.

[31] 肖克炎, 王瑶, 李楠, 等. 智能综合找矿模型: 理论构建、方法集成与找矿实践[J]. 地学前缘, 2026, 33(4): 12-24.

[32] 储德平, 万波, 李红, 等. 基于 ELMO-CNN-BiLSTM-CRF 模型的地质实体识别[J]. 地球科学, 2021, 46(8): 3039-3048.

[33] YU Y, WANG Y, MU J, et al. Chinese mineral named entity recognition based on BERT model[J]. Expert Systems with Applications, 2022, 206: 117727.

[34] CHEN Z, YUAN F, LI X, et al. Knowledge Extraction and quality inspection of chinese petrographic description texts with complex entities and relations using machine reading and knowledge graph: a preliminary research study[J]. Minerals, 2022, 12(9): 1080.

[35] LIU C, JI X, DONG Y, et al. Chinese mineral question and answering system based on knowledge graph[J]. Expert Systems with Applications, 2023, 231: 120841.

[36] 周永章, 郭艳军. 人工智能与大数据地球科学研究进展[J]. 地学前缘, 2026, 33(4): 5-12.

[37] WANG W G. Knowledge graph reasoning: modern methods and applications[J]. Big Data Research, 2021, 1: 1-24.

[38] 龚资. 基于OWL描述的本体推理研究[D]. 长春: 吉林大学, 2007.

[39] 封皓君, 段立, 张碧莹. 面向知识图谱的知识推理综述[J]. 计算机系统应用, 2021, 30(10): 21-30.

[40] 顾小东. 基于RETE算法的大规模规则推理引擎研究与应用[D]. 南京: 南京大学, 2016.

[41] REN H, HU W, LESKOVEC J. Query2box: reasoning over knowledge graphs in vector space using box embeddings[J]. arXiv (2020-02-14)[2025-09-05]. https://doi.org/10.48550/arXiv.2002.05969.

[42] DETTMERS T, MINERVINI P, STENETORP P, et al. Convolutional 2D knowledge graph embeddings[C]// Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence (AAAI-18). New Orleans, USA: AAAI Press, 2018: 1811-1818.

[43] SUN Z, DENG Z H, NIE J Y, et al. Rotate: knowledge graph embedding by relational rotation in complex space[J]. arXiv (2019-02-26)[2025-09-05].https://arxiv.org/pdf/1902.10197v1.

[44] NICKEL M, KIELA D. Poincaré embeddings for learning hierarchical representations[J]. Advances in neural information processing systems, 2017, 30, 6341 - 6350.

[45] EBRAHIMI M, SARKER M K, BIANCHI F, et al. Neuro-symbolic deductive reasoning for cross-knowledge graph entailment[C]// AAAI Spring Symposium: Combining Machine Learning with Knowledge Engineering. 2021.

[46] 翟明国, 杨树锋, 陈宁华, 等. 大数据时代: 地质学的挑战与机遇[J]. 中国科学院院刊, 2018, 33(8): 825-831.

[47] YU C, ZHANG L, HOU M, et al. Climate paleogeography knowledge graph and deep time paleoclimate classifications[J]. Geoscience Frontiers, 2023, 14(5): 101450.

[48] ZHANG L, HOU M, CHEN A, et al. Construction of a fluvial facies knowledge graph and its application in sedimentary facies identification[J]. Geoscience Frontiers, 2023, 14(2): 101521.

[49] TANG X, FENG Z, XIAO Y, et al. Construction and application of an ontology-based domain-specific knowledge graph for petroleum exploration and development[J]. Geoscience Frontiers, 2023, 14(5): 101426.

[50] WANG H, ZHONG H, CHEN A, et al. A knowledge graph for standard carbonate microfacies and its application in the automatical reconstruction of the relative sea-level curve[J]. Geoscience Frontiers, 2023, 14(5): 101535.

[51] DENG C, JIA Y, XU H, et al. Gakg: a multimodal geoscience academic knowledge graph[C]// Proceedings of the 30th ACM International Conference on Information & Knowledge Management. 2021: 4445-4454.

[52] MA C, KALE A S, ZHANG J, et al. A knowledge graph and service for regional geologic time standards[J]. Geoscience Frontiers, 2023, 14(5): 101453.

[53] 乔辉, 王志章, 李莉, 等. 基于卫星影像建立曲流河地质知识库及应用[J]. 现代地质, 2015, 29(6): 1444-1453.

[54] 李永鑫, 王德富, 马志刚, 等. 知识图谱驱动下的多源遥感滑坡隐患识别[J]. 测绘通报, 2024(1): 12-18.

[55] 季晓慧, 董雨航, 杨中基, 等. 基于知识图谱多跳推理的中文矿物知识问答方法与系统[J]. 地学前缘, 2024, 31(4): 37-46.

[56] 王成彬, 王明果, 王博, 等. 融合知识图谱的矿产资源定量预测[J]. 地学前缘, 2024, 31(4): 26-36.

基金资助

国家自然科学基金项目(42571487)

国家重点研发计划项目(2022YFB3904200)

国家重点研发计划项目(2022YFF0711601)

国家重点研发计划项目(2022YFF0801201)

国家重点研发计划项目(2022YFF0801200)

国家自然科学基金原创探索计划项目(42050101)

新疆维吾尔自治区重点专项(2022A03009-3)

地质探测与评估教育部重点实验室主任基金项目(GLAB2023ZR01)