事理知识抽取方法及应用研究
这是一篇关于事理图谱,事件检测,事件预测,事件关系抽取,航空安全事故的论文, 主要内容为随着人工智能技术的不断发展,感知智能为机器提供了视觉、听觉等感知事物的能力,以事理图谱和知识图谱为代表的认知智能让机器拥有了对事物的理解和推理能力。对于民航领域来说,安全是永恒不变的主题,若能通过历史数据发现航空安全事故中的事理演化逻辑并加以应用,有助于提升航空安全事故应急处置能力,保障飞行安全。因此,本文针对事理知识的抽取和应用方法进行了研究。在事理知识抽取方面,本文设计了模式匹配和神经网络相结合的抽取模型,对于显式事件对,本文针对数据特征设计了匹配模板对显示事理知识进行抽取。对于隐式事件对,使用神经网络模型分别对事件和事件关系进行抽取,并着重针对事件的识别提出了基于句法和全文信息增强的中文事件检测方法,该方法针对目前中文事件检测中词语之间句法依存关系利用不充分和缺乏文章全局语义信息的问题,使用图卷积网络和双向门控循环单元分别学习句法关系和全文信息,达到增强事件触发词的特征表示的目的,提升事件检测任务的效果。在ACE2005和CEC数据集上的实验结果表明,本文模型在F1值上至少提升了1.6%和2.14%,证明了方法的有效性。在事理知识的应用方面,首先通过同指消解模型、事件融合方法、事件转移概率计算完成事理图谱的构建,之后针对目前航空安全事故应急处理中对事故发展逻辑利用不充分的问题,提出了事理图谱增强的事件预测方法,该方法通过GCN学习事理图谱子图,将事理逻辑知识融合到事件的表示向量中,充分利用了事理图谱中事件之间的逻辑关系,提升了事件预测的效果。实验结果表明,本文方法在航空安全事故数据集中准确率指标相对于不使用事理图谱的模型提升了6.39%。
事理知识抽取方法及应用研究
这是一篇关于事理图谱,事件检测,事件预测,事件关系抽取,航空安全事故的论文, 主要内容为随着人工智能技术的不断发展,感知智能为机器提供了视觉、听觉等感知事物的能力,以事理图谱和知识图谱为代表的认知智能让机器拥有了对事物的理解和推理能力。对于民航领域来说,安全是永恒不变的主题,若能通过历史数据发现航空安全事故中的事理演化逻辑并加以应用,有助于提升航空安全事故应急处置能力,保障飞行安全。因此,本文针对事理知识的抽取和应用方法进行了研究。在事理知识抽取方面,本文设计了模式匹配和神经网络相结合的抽取模型,对于显式事件对,本文针对数据特征设计了匹配模板对显示事理知识进行抽取。对于隐式事件对,使用神经网络模型分别对事件和事件关系进行抽取,并着重针对事件的识别提出了基于句法和全文信息增强的中文事件检测方法,该方法针对目前中文事件检测中词语之间句法依存关系利用不充分和缺乏文章全局语义信息的问题,使用图卷积网络和双向门控循环单元分别学习句法关系和全文信息,达到增强事件触发词的特征表示的目的,提升事件检测任务的效果。在ACE2005和CEC数据集上的实验结果表明,本文模型在F1值上至少提升了1.6%和2.14%,证明了方法的有效性。在事理知识的应用方面,首先通过同指消解模型、事件融合方法、事件转移概率计算完成事理图谱的构建,之后针对目前航空安全事故应急处理中对事故发展逻辑利用不充分的问题,提出了事理图谱增强的事件预测方法,该方法通过GCN学习事理图谱子图,将事理逻辑知识融合到事件的表示向量中,充分利用了事理图谱中事件之间的逻辑关系,提升了事件预测的效果。实验结果表明,本文方法在航空安全事故数据集中准确率指标相对于不使用事理图谱的模型提升了6.39%。
基于电子病历的事理图谱构建系统的设计与实现
这是一篇关于事理图谱,中文电子病历,医疗事件,事件抽取,事件关系抽取的论文, 主要内容为医疗信息化建设水平的提高,使得医疗机构可以高效便捷的记录和存储医疗电子病历。电子病历记录了患者的诊疗过程,是医疗机构诊疗经验沉淀的成果,其中蕴含着许多丰富且极具价值的医疗知识。医疗健康大数据的发展,使得面向电子病历的智能化建设得到了重视。近年来,在人工智能领域,知识图谱的出现极大地推动了认知智能的发展。以事件和事件关系为核心的事理图谱的出现,有助于使机器学会事件之间的事理逻辑,掌握事件的发展和演化规律。电子病历中记录的诊疗过程可以抽象概括为医疗事件,基于电子病历数据构建面向医疗领域的事理图谱,有助于了解疾病的发展和演化规律,进而使电子病历中沉淀的医疗知识能更好的服务于疾病的诊治。本文研究基于中文电子病历构建事理图谱的问题。中文电子病历中的内容大部分是非结构化的自然语言文本,本文旨在通过自然语言处理技术,抽取中文电子病历中的医疗事件,挖掘医疗事件之间的关系,进而构建面向医疗领域的事理图谱,并在上述事理图谱构建算法的基础上,设计并实现基于电子病历的事理图谱构建系统。本文的工作包括以下几个方面:1)定义面向中文电子病历的事件表示形式,采用两阶段的事件抽取方法抽取中文电子病历中的医疗事件。其中,第一阶段抽取医疗事件的触发词,第二阶段抽取医疗事件的事件元素。2)归纳整理中文电子病历中显式因果关系表达模板,采用基于模式规则匹配的方法,抽取中文电子病历中具有因果关联的文本片段,进而提取因果事件对。3)对医疗事理图谱构建系统进行需求分析,在需求分析的基础上详细设计系统的整体架构及功能模块,最终实现了一个基于电子病历的事理图谱构建系统。
事理知识抽取方法及应用研究
这是一篇关于事理图谱,事件检测,事件预测,事件关系抽取,航空安全事故的论文, 主要内容为随着人工智能技术的不断发展,感知智能为机器提供了视觉、听觉等感知事物的能力,以事理图谱和知识图谱为代表的认知智能让机器拥有了对事物的理解和推理能力。对于民航领域来说,安全是永恒不变的主题,若能通过历史数据发现航空安全事故中的事理演化逻辑并加以应用,有助于提升航空安全事故应急处置能力,保障飞行安全。因此,本文针对事理知识的抽取和应用方法进行了研究。在事理知识抽取方面,本文设计了模式匹配和神经网络相结合的抽取模型,对于显式事件对,本文针对数据特征设计了匹配模板对显示事理知识进行抽取。对于隐式事件对,使用神经网络模型分别对事件和事件关系进行抽取,并着重针对事件的识别提出了基于句法和全文信息增强的中文事件检测方法,该方法针对目前中文事件检测中词语之间句法依存关系利用不充分和缺乏文章全局语义信息的问题,使用图卷积网络和双向门控循环单元分别学习句法关系和全文信息,达到增强事件触发词的特征表示的目的,提升事件检测任务的效果。在ACE2005和CEC数据集上的实验结果表明,本文模型在F1值上至少提升了1.6%和2.14%,证明了方法的有效性。在事理知识的应用方面,首先通过同指消解模型、事件融合方法、事件转移概率计算完成事理图谱的构建,之后针对目前航空安全事故应急处理中对事故发展逻辑利用不充分的问题,提出了事理图谱增强的事件预测方法,该方法通过GCN学习事理图谱子图,将事理逻辑知识融合到事件的表示向量中,充分利用了事理图谱中事件之间的逻辑关系,提升了事件预测的效果。实验结果表明,本文方法在航空安全事故数据集中准确率指标相对于不使用事理图谱的模型提升了6.39%。
基于多元知识图谱的纪检案件初核线索挖掘方法研究与应用
这是一篇关于多元知识图谱,案件调查,事件抽取,事件关系抽取,图神经网络的论文, 主要内容为大数据技术的广泛应用在创造了巨大的社会及经济价值的同时,也深刻影响着不同行业领域的创新发展,其中就为现代纪检案件调查初核工作提供了新思路新方法。案件调查相关数据来源广、规模大、类型多,导致当前纪检调查组在人工处理应用案件数据的工作中存在着自动化水平低、数据处理成本高且效率低、结果不够直观等问题。本文构建了完整的纪检案件多元知识图谱及纪检案件线索调查系统,以达到数据治理、数据组织、线索发现和可视化展示的目标,有效支撑案件调查组的工作,提升案件初核调查成效。为有效利用案件相关文本数据,本文首先提出RBBLC事件抽取模型及RBBLC事件关系抽取模型,高效准确获得案情相关事件及其因果关系。其次,为有效整合获取到的事件信息及实体信息,构建了完整的纪检案件多元知识图谱,并利用图卷积神经网络等图算法深入学习图谱中的结构、属性等信息,获取图中结点的嵌入表示以支持对涉案结点的分类研判,分析涉案相关信息是否存在异常,以有效提升案件数据分析能力及线索发现效率。最后,利用某纪委提供的真实案件相关数据,研发了纪检案件线索调查系统,可视化展示案件多元知识图谱及线索调查结果。
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：代码助手 ，原文地址：https://m.bishedaima.com/lunwen/56308.html
