基于本体指导的矿产预测知识图谱构建研究

叶育鑫 , 刘家文 , 曾婉馨 , 叶水盛

地学前缘 ›› 2024, Vol. 31 ›› Issue (4) : 16 -25.

PDF (5732KB)
地学前缘 ›› 2024, Vol. 31 ›› Issue (4) : 16 -25. DOI: 10.13745/j.esf.sf.2024.5.4
知识图谱与智能推理

基于本体指导的矿产预测知识图谱构建研究

作者信息 +

Ontology-guided knowledge graph construction for mineral prediction

Author information +
文章历史 +
PDF (5868K)

摘要

在基于数据驱动范式的科学研究中,构建知识图谱已被证明是获取和表征知识的有效手段之一。然而,目前已构建的矿产资源预测领域知识图谱仍然存在诸多挑战和局限性,有待进一步解决和完善。首先,针对矿产预测的本体构建问题研究相对较少,尤其是该领域现有知识图谱的本体层普遍缺乏时空语义,限制了对于矿产资源时空特征的有效表示与分析。其次,现有图谱构建方法主要为面向数据层面的文本抽取,而缺乏对于复杂逻辑关系的本体层建设,以及本体层与数据层之间的有效关联。以上问题会导致构建的地学知识图谱缺乏深层次的语义信息,难以满足矿产资源预测对表达复杂地学概念和关系的需求。针对上述问题,本研究以综合信息矿产预测理论为指导,旨在构建可应用于矿产预测任务的复杂语义知识图谱。具体而言,首先通过对矿产预测的理论和方法进行解析构建初始化领域本体,然后选择成熟的地质时间本体和地理空间本体对初始本体进行本体融合和扩展,通过嵌入时空语义有效表达地矿产资源的时空特征。此外,重点关注了本体层与数据层之间的关联建设,通过建立丰富的语义关系,实现知识图谱中各个节点之间的有效连接与信息共享。实验结果表明,采用本文所提出的方法构建的图谱在知识丰度和置信度等指标上均优于其他现有方法。这一研究为矿产预测领域提供了更为深入和全面的数据资源建设的方法支撑,有助于推动该领域的进一步发展和应用。

关键词

矿产资源 / 知识图谱 / 本体工程 / 综合信息矿产预测理论

Key words

mineral resources / knowledge graph / ontology engineering / mineral prediction theory

引用本文

引用格式 ▾
叶育鑫, 刘家文, 曾婉馨, 叶水盛 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 DOI:10.13745/j.esf.sf.2024.5.4

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

基金资助

吉林省自然科学基金项目(20220101114JC)

国家自然科学基金原创探索计划项目(42050103)

AI Summary AI Mindmap
PDF (5732KB)

19

访问

0

被引

详细

导航
相关文章

AI思维导图

/