基于关联规则挖掘的船用柴油机关键件工艺信息快速匹配方法研究
这是一篇关于工艺知识,本体模型构建,知识挖掘,工艺实例匹配,知识重用,最近邻算法的论文, 主要内容为新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展注入了新动能,深刻改变人们的生产生活方式。制造业是人工智能技术的重要应用领域,人工智能与制造业的深度融合正引发具有深远影响的产业变革。在此背景下,工艺设计领域也迎来了新一轮的技术挑战:现有的工艺设计系统积累了大量工艺实例,却缺乏有效利用与挖掘,需要花费大量时间搜索、查询重复的工艺设计案例,降低了工艺设计的效率。为此,本文提出了一种基于关联规则挖掘的船用柴油机关键件工艺信息快速匹配方法,研究了基于本体的工艺知识表达模型、基于关联规则挖掘的工艺知识生成方法以及基于最近邻算法的工艺实例检索与知识重用方法。开发了工艺信息快速匹配功能模块并验证。该模块包括了工艺知识本体创建、工艺知识挖掘和工艺实例检索与知识重用三个模块。论文主要研究内容如下:(1)提出了基于本体的工艺知识表达模型创建方法为解决现有机加工艺知识缺乏统一表示的问题,设计了一种基于本体的工艺知识表达模型。首先,分析机加工艺知识构成,提炼出关键概念和属性。其次,采用本体表示法对关键概念和属性进行形式化描述,构建出工艺本体知识模型。然后,设计了一种基于本体模型的工艺知识表达方法,将工艺知识转换为本体模型,实现对工艺知识的有效组织与管理。最后,创建零件工艺本体知识库,对工艺知识有序存储和整理,为后续的知识挖掘奠定了基础。(2)创建基于关联规则挖掘的工艺知识生成方法首先,收集历史工艺信息和数据,利用等宽法对数据离散化处理。其次,通过数据清洗和归一化等手段进行数据预处理,保证数据质量和准确性。然后,利用Apriori算法对处理后的数据进行分析和整合,挖掘出工艺信息之间的关联,并形成相应的工艺知识。最后,以柴油机关键件活塞工艺信息为例,通过关联规则挖掘方法,实现工艺知识的生成。(3)提出基于最近邻算法的工艺实例检索与知识重用方法首先,建立融合案例推理(CBR)和规则推理(RBR)的知识推理机制。其中CBR作为主要推理方法,提取零件加工特征类型,并搜索相应的工艺实例来获取当前特性的工艺参数信息。RBR则作为后置补充,用于检验CBR的准确性。其次,建立了工艺实例检索与知识重用的算法流程,实现待加工零件特征与历史案例的高效匹配,并结合规则推理,为工艺设计提供了精准的参数建议。最后,利用最近邻算法,匹配待加工零件的特征类型和工艺实例,实现工艺知识的重用。(4)开发了工艺信息快速匹配功能模块为了实现船用柴油机关键件的工艺信息快速匹配,以柴油机缸盖、连杆作为测试对象,以三维机加工工艺设计系统MPD-Processer软件为平台,在此基础上开发了工艺知识本体创建、工艺知识挖掘和工艺实例检索与知识重用三个模块组件。结合各功能模块的应用效果,验证了本文所提方法的有效性与实用性。
基于模板诱导的金融领域知识图谱自动构建
这是一篇关于金融领域知识图谱,知识挖掘,模板诱导,知识融合的论文, 主要内容为在构建金融领域知识图谱时,知识挖掘成为基本步骤,而从爆炸式增长的网页数据中抽取结构化知识成为主要的数据来源。在从半结构化网页中抽取结构化数据的研究中,基于模板诱导的方式成为主流方向,而目前模板诱导的方案中,存在着无法有效屏蔽噪声节点信息和实现复杂等方面的不足。本文利用模板诱导技术,将相似详情页面诱导出较为通用的模板,并使用此模板来提取结构化的数据。在获取到的各大金融网站的实体信息以及实体间的关系数据后,如何将多数据源的数据进行融合变得尤为重要。本文介绍了基于实体名称以及实体属性关系的知识融合方案,并取得了良好的效果,最终利用Neo4j图数据库,将结构化的数据导入数据库中,利用Cypher语言查询数据,便于用户快速访问。实验表明,本文所设计的模板诱导方案在实现复杂度、抗噪声节点性、模板通用性等方面具有明显的优势,在数据融合方案中,有效解决了多源数据的冗余、实体关系最大化合并等问题。
基于模板诱导的金融领域知识图谱自动构建
这是一篇关于金融领域知识图谱,知识挖掘,模板诱导,知识融合的论文, 主要内容为在构建金融领域知识图谱时,知识挖掘成为基本步骤,而从爆炸式增长的网页数据中抽取结构化知识成为主要的数据来源。在从半结构化网页中抽取结构化数据的研究中,基于模板诱导的方式成为主流方向,而目前模板诱导的方案中,存在着无法有效屏蔽噪声节点信息和实现复杂等方面的不足。本文利用模板诱导技术,将相似详情页面诱导出较为通用的模板,并使用此模板来提取结构化的数据。在获取到的各大金融网站的实体信息以及实体间的关系数据后,如何将多数据源的数据进行融合变得尤为重要。本文介绍了基于实体名称以及实体属性关系的知识融合方案,并取得了良好的效果,最终利用Neo4j图数据库,将结构化的数据导入数据库中,利用Cypher语言查询数据,便于用户快速访问。实验表明,本文所设计的模板诱导方案在实现复杂度、抗噪声节点性、模板通用性等方面具有明显的优势,在数据融合方案中,有效解决了多源数据的冗余、实体关系最大化合并等问题。
基于关联规则挖掘的船用柴油机关键件工艺信息快速匹配方法研究
这是一篇关于工艺知识,本体模型构建,知识挖掘,工艺实例匹配,知识重用,最近邻算法的论文, 主要内容为新一代人工智能正在全球范围内蓬勃兴起,为经济社会发展注入了新动能,深刻改变人们的生产生活方式。制造业是人工智能技术的重要应用领域,人工智能与制造业的深度融合正引发具有深远影响的产业变革。在此背景下,工艺设计领域也迎来了新一轮的技术挑战:现有的工艺设计系统积累了大量工艺实例,却缺乏有效利用与挖掘,需要花费大量时间搜索、查询重复的工艺设计案例,降低了工艺设计的效率。为此,本文提出了一种基于关联规则挖掘的船用柴油机关键件工艺信息快速匹配方法,研究了基于本体的工艺知识表达模型、基于关联规则挖掘的工艺知识生成方法以及基于最近邻算法的工艺实例检索与知识重用方法。开发了工艺信息快速匹配功能模块并验证。该模块包括了工艺知识本体创建、工艺知识挖掘和工艺实例检索与知识重用三个模块。论文主要研究内容如下:(1)提出了基于本体的工艺知识表达模型创建方法为解决现有机加工艺知识缺乏统一表示的问题,设计了一种基于本体的工艺知识表达模型。首先,分析机加工艺知识构成,提炼出关键概念和属性。其次,采用本体表示法对关键概念和属性进行形式化描述,构建出工艺本体知识模型。然后,设计了一种基于本体模型的工艺知识表达方法,将工艺知识转换为本体模型,实现对工艺知识的有效组织与管理。最后,创建零件工艺本体知识库,对工艺知识有序存储和整理,为后续的知识挖掘奠定了基础。(2)创建基于关联规则挖掘的工艺知识生成方法首先,收集历史工艺信息和数据,利用等宽法对数据离散化处理。其次,通过数据清洗和归一化等手段进行数据预处理,保证数据质量和准确性。然后,利用Apriori算法对处理后的数据进行分析和整合,挖掘出工艺信息之间的关联,并形成相应的工艺知识。最后,以柴油机关键件活塞工艺信息为例,通过关联规则挖掘方法,实现工艺知识的生成。(3)提出基于最近邻算法的工艺实例检索与知识重用方法首先,建立融合案例推理(CBR)和规则推理(RBR)的知识推理机制。其中CBR作为主要推理方法,提取零件加工特征类型,并搜索相应的工艺实例来获取当前特性的工艺参数信息。RBR则作为后置补充,用于检验CBR的准确性。其次,建立了工艺实例检索与知识重用的算法流程,实现待加工零件特征与历史案例的高效匹配,并结合规则推理,为工艺设计提供了精准的参数建议。最后,利用最近邻算法,匹配待加工零件的特征类型和工艺实例,实现工艺知识的重用。(4)开发了工艺信息快速匹配功能模块为了实现船用柴油机关键件的工艺信息快速匹配,以柴油机缸盖、连杆作为测试对象,以三维机加工工艺设计系统MPD-Processer软件为平台,在此基础上开发了工艺知识本体创建、工艺知识挖掘和工艺实例检索与知识重用三个模块组件。结合各功能模块的应用效果,验证了本文所提方法的有效性与实用性。
基于知识图谱的合理用药分析与推荐方法研究
这是一篇关于药物再利用,临床药物推荐,知识挖掘,知识图谱,预训练学习的论文, 主要内容为合理用药对于药物发现与临床治疗具有重要作用。当前,合理用药主要依赖于医疗人员的经验与专业知识,受主观局限,结果往往耗时且有风险。因此,在医疗领域药物数据资源日趋丰富的今天,采用人工智能技术分析药物作用机制,指导个性化医疗。但是,现有合理用药研究主要利用深度学习技术,基于大样本标注数据,实现新疾病的药物预测与组合药物推荐。这种单纯数据驱动的方法需要高资源环境且模型的泛化能力面临挑战。针对这一问题,本文采用数据与模型融合驱动的策略,引入外部药物领域知识,开展基于知识图谱的合理用药分析与推荐方法研究,具体研究成果如下:(1)融合多源语义信息构建了药物知识图谱。通过Drugbank、Pub Chem等药物数据库抽取疾病-药物、疾病-靶点、药物-药物等三元组,整合各类药物数据库的语义信息,采用七步法的设计方式实现跨多个数据源的药物知识图谱构建。共收集了包含17834种药物实体和包含180543种与药物相关的实体关系对,直观展示多维实体关系,并使用Trans E模型做嵌入分析,通过T-SNE验证嵌入分析的有效性,并实现药物相似情况分析,为后续融合药物相关性的临床合理用药推荐提供知识基础。(2)设计和实现了融合预训练和多任务学习的药物靶点结合亲和力预测模型。该模型利用Transformer与图卷积网络(Graph Convolutional Networks,GCN)建立药物与靶点的特征表示,并针对带标签的药物-靶点对的数据量少以及深度网络参数量大的特点,提出一种双适应机制结合预训练的多任务框架。在标准药物-靶标结合亲和力数据集DAVIS上的实验结果显示,本文的模型均方误差为0.847,相较基准模型提高了17%,并通过消融实验以及预训练方法的替换对实验结果进行分析。表明本文的方法可以解决过拟合问题,有效发现新的药物-靶点间的关系。以2019新冠病毒病(Corona Virus Disease 2019,COVID-19)为例,用该模型针对新冠病毒的两类靶点在美国食品药物管理局(Food and Drug Administration,FDA)中的权威药物做相互作用预测,找到可能针对新冠病毒病的有效药物。并且通过药物再利用找到新的药物-疾病潜在关联关系,补全药物知识图谱,进一步完善融合知识图谱的联合用药推荐所需的知识基础。(3)设计和实现了融合知识图谱与深度学习的联合用药推荐模型。基于临床数据,该模型利用单次诊疗记录对模型进行预训练,以弥补连续诊疗记录的不足,并针对联合用药的风险,利用知识图谱中的药物间相互作用知识对候选药物组合进行约束,实现联合用药推荐。在公开mimic数据的实验结果表明,本文的模型相较于基线模型在Jaccard相似系数上提高了16%,通过进一步消融实验的分析,可以证明本文的药物组合模型能为临床合理用药提供有效技术支撑。综上所述,本文采用数据与模型融合驱动的策略,整合形成药物知识图谱,研发了用于知识图谱补全的药物靶点结合亲和力预测模型,构建了融合知识图谱的联合用药推荐模型并构建基于两个模型的合理用药的原型系统。本文的研究就人工智能与临床合理用药的结合进行了有益探索,能为智能药物开发与个性化医疗服务提供强有力的技术支撑。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/55508.html
