CN103646025B - 一种基于推理的层级知识库构建***和方法 - Google Patents
一种基于推理的层级知识库构建***和方法 Download PDFInfo
- Publication number
- CN103646025B CN103646025B CN201310507147.5A CN201310507147A CN103646025B CN 103646025 B CN103646025 B CN 103646025B CN 201310507147 A CN201310507147 A CN 201310507147A CN 103646025 B CN103646025 B CN 103646025B
- Authority
- CN
- China
- Prior art keywords
- ontology
- knowledge
- classification
- knowledge base
- domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 12
- 238000007500 overflow downdraw method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000009411 base construction Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000013481 data capture Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 201000005577 familial hyperlipidemia Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/954—Navigation, e.g. using categorised browsing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明提出一种基于推理的层级知识库构建***和方法,其中***包括:数据抓取模块,用于从数据源中获取数据;本体(Ontology)模块,用于构建并更新领域Ontology、分类Ontology及全局Ontology;知识抽取模块,用于抽取每个数据源中能够映射到领域Ontology中的属性内容,得到所需要的领域知识;知识构建模块,包括知识融合子模块和推理引擎子模块;其中,知识融合子模块,用于将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;推理引擎子模块,用于调用Ontology模块进行分类Ontology的定义,并定制相关推理规则,将推理规则应用到基础知识库上,得到潜在的知识并存储到各个分类对应的分类知识库中。本发明能够便于知识库的维护和更新。
Description
技术领域
本发明涉及信息表示和存储技术领域,尤其涉及一种基于推理的层级知识库构建***和方法。
背景技术
现有的网络技术是将互联网上分散的资源融为有机整体,实现资源的全面共享和有机协作,使人们能够透明地使用资源的整体能力并按需获取信息。那么如何能够更好的将庞大的数据信息组织成一个高效的,能够更好的满足用户需求的知识整体,这就涉及到了知识库的构建问题。知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群,是针对某一(或某些)领域问题求解的需要,采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。
从不同的构建角度出发,知识库的构建方法也不尽相同。现有的常用方法是从知识本身的结构出发,基于知识层次理论建立一个知识组织层次模型,然后按照这个模型来组织知识构建层级知识库;还有一种层级划分是按照动作层、知识层和行为层来划分的,这种三层模型是基于推理规则而来,通过行为层和知识层的,来得到动作层要执行的动作。
现有的层级知识库技术普遍存在的问题是分层比较固定,不是知识组织层次模型的四层,就是划分为动作层、知识层和行为层的三层模型。而且所有的知识都存储在同一个知识库中,维护和更新都比较麻烦。
发明内容
本发明提供了一种基于推理的层级知识库构建***,能够便于知识库的维护和更新。
本发明还提供了一种基于推理的层级知识库构建方法,能够便于知识库的维护和更新。
本发明的技术方案是这样实现的:
一种基于推理的层级知识库构建***,包括:
数据抓取模块,用于从数据源中获取数据;
本体(Ontology)模块,用于构建并更新领域Ontology、分类Ontology及全局Ontology;
知识抽取模块,用于根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
知识构建模块,包括知识融合子模块和推理引擎子模块;其中,所述知识融合子模块,用于将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;所述推理引擎子模块,用于调用所述Ontology模块进行分类Ontology的定义,并定制相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
上述***中,Ontology模块包括构建Ontology子模块和完善Ontology子模块;其中,
所述构建Ontology子模块用于构建领域Ontology,还用于定义分类Ontology和全局Ontology;其中,所述领域Ontology的构建是通过该领域对应的多个数据源的Ontology融合得到;
所述完善Ontology子模块用于当数据源发生变化时更新领域Ontology,当分类发生变化时更新分类Ontology,当领域Ontology和分类Ontology任意一个发生变化时更新全局Ontology。
知识抽取模块包括数据预处理子模块和抽取子模块;其中,
所述预处理模块用于对所述数据抓取模块所获取的数据进行预处理,包括删除冗余数据和剔除噪声数据;
所述抽取子模块用于,针对所述预处理之后的数据,根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识。
知识融合子模块将同一个领域下来自各个数据源的领域知识进行融合的方式为:获取每个数据源映射到领域Ontology同一个属性的属性集合,并为所述属性定义融合的方法,从而得到来自不同数据源的同一个属性的融合后的值;其中,所述融合的方法为拼接或取均值,但并不局限于这两种方式。
上述***中,推理引擎子模块是基于位图的方式进行推理的。
上述***还包括知识库接口模块,用于为上层应用或用户提供统一的访问所述层级知识库的接口。
上述知识库接口模块利用三元组存储(Triple Store)自身的SPARQL端点(Endpoint)为接口,上层应用或用户参考Ontology的定义来构造SPARQL访问所述层级知识库。
一种基于推理的层级知识库构建方法,包括:
从数据源中获取数据,构建并维护领域Ontology、分类Ontology及全局Ontology;
根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;定制分类Ontology的相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
上述方法中,领域Ontology的构建是通过该领域对应的多个数据源的Ontology融合得到;
维护领域Ontology、分类Ontology及全局Ontology的方式为:当数据源发生变化时更新领域Ontology,当分类发生变化时更新分类Ontology,当领域Ontology和分类Ontology任意一个发生变化时更新全局Ontology。
上述方法中,将同一个领域下来自各个数据源的领域知识进行融合的方式为:获取每个数据源映射到领域Ontology同一个属性的属性集合,并为所述属性定义融合的方法,从而得到来自不同数据源的同一个属性的融合后的值;其中,所述融合的方法为拼接或取均值,但并不局限于这两种方式。
可见,本发明提出的基于推理的层级知识库构建***和方法中,分层结构是根据自定义规则来生成的,层级比较灵活。同时,将这些通过规则推理得到的知识存储在小的知识库中,由这些小的知识库和基础知识库构成一个层级的知识库,维护和更新十分方便和灵活,提高了知识的更新效率
附图说明
图1为本发明实施例一的结构示意图;
图2a为基于MO和LOi构建GO的方法中的协议过程示意图;
图2b为基于MO和LOi构建GO的方法中的调解过程示意图;
图3为实施例二中基于推理引擎构建层级知识库的一个以餐饮(dining)领域为例的实例结构图;
图4为实施例二中定义的分类Ontology结构示意图;
图5为实施例二中规则和条件的关系示意图;
图6为实施例二中基于规则推理的实现方案示意图。
具体实施方式
本发明提出一种基于推理的层级知识库构建***,包括:
数据抓取模块,用于从数据源中获取数据;
Ontology模块,用于构建并更新领域Ontology、分类Ontology及全局Ontology;
知识抽取模块,用于根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
知识构建模块,包括知识融合子模块和推理引擎子模块;其中,所述知识融合子模块,用于将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;所述推理引擎子模块,用于调用所述Ontology模块进行分类Ontology的定义,并定制相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
以下结合附图举具体的实施例详细介绍。
实施例一:
本发明针对不同的领域,构建领域内的Ontology,将从网络上获取的数据参照Ontology进行表示和存储,从而构建一个领域内的知识库。用户可以参考Ontology,构建查询来访问知识库。同时,可以根据知识库中的内容和属性,参考所需要的细分类自定义规则,并将规则应用到知识库上,得到潜在的知识和关系存储到小的知识库中,从而构建一个由基础知识库和小知识库构成的层级知识库。通过推理得到的层级知识库使得知识得到了细化,更能满足上层用户或者是应用的需求。同时,这样的层级结构更新和维护都更加方便和高效。
本实施例介绍本发明提出的层级知识库构建***的框架。如图1为本发明实施例一的结构示意图,包括如下模块:
1)数据抓取模块
该模块的主要功能是分布式地从不同数据源获取数据,所抓取的数据对应于该数据源的Ontology。有两种方案,一种是先定义好该数据源的Ontology,然后再相应的抓取数据;一种是先抓取数据,再根据数据定义数据源的Ontology,两种方法均可。
2)Ontology(Ontology)模块
Ontology模块包含两个子模块,一个是构建Ontology子模块、一个是完善Ontology子模块。
其中,构建Ontology子模块负责构建所需要的领域Ontology,分类Ontology和全局Ontology;全局Ontology是前两者的融合。分类Ontology是根据分类所需要而定义的一系列子类,每个分类对应一个Ontology。
完善Ontology子模块负责当数据源发生变动时及时的更新领域Ontology;分类发生变化时更新分类Ontology,全局Ontology则随着领域Ontology,分类Ontology的变化而变化。
其中,构建领域Ontology的方式可以为:根据某个领域对应的数据源自身的Ontology(LOi)来自动生成***所需要的领域Ontology(GO)。一种可行的方案是利用参考的领域Ontology(MO)来迭代地构建基于这些LOi的GO。该方案的构建包含两个过程:一个是协议(Agreement)过程;一个是调解(Conciliation)过程。图2a给出了基于MO和LOi构建GO的方法中的协议过程,图2b给出了基于MO和LOi构建GO的方法中的调解过程。
3)知识抽取模块
该模块包含两个子模块,一个是数据预处理子模块、另一个是抽取子模块。
其中,数据预处理子模块负责对原始数据进行预处理,包括删除冗余数据,剔除噪声数据等。
抽取子模块针对预处理后的数据,根据各个数据源的Ontology(LOi)、领域Ontology(GO)、以及两者之间的映射关系,提取能和GO有映射关系的LOi中的属性,从而得到所需要的领域知识。
4)知识构建模块;
该模块包含两个子模块,一个是知识融合子模块,另一个是推理引擎子模块。
其中,知识融合子模块负责将抽取得到各个数据源的数据,根据模式映射文件,将不同数据源映射到相同域的数据进行融合,并存储到RDB数据库中和三元组存储中,从而得到基础知识库。一个可行的方案是基于Ontology的整合,每个数据源的Ontology(LOi)和领域Ontology(GO)之间存在一个映射关系的文件,根据这个文件,可以知道对应到GO中同一个属性的LOi中的属性集合,为该属性定义一个融合方法,然后将不同数据源的该属性的数据进行融合,比如rating取平均值等等。
推理引擎子模块负责根据分类Ontology和基础知识库中的属性情况,定制相关推理规则,并将推理规则应用到基础知识库上,得到潜在的知识和关系,并存储到各个分类对应的小的知识库中,从而由这些小知识库和基础知识库构成一个层级的知识库。当然这个过程可以是迭代的,从而生成不同的层次。一个可行的方案是基于规则的推理。
5)知识库接口模块,该模块的主要功能是为上层应用或者用户提供统一的知识库访问接口。一种可行的方案就是将所有的知识都存储在三元组存储中,然后提供SPARQL Endpoint作为访问的接口。
实施例二:
如图3为本发明实施例二中基于推理引擎构建层级知识库的一个以餐饮(dining)领域为例的实例结构图。
由图3可以看出,要构建得到一个层级知识库,本实施例需要三个步骤:
第一步,定义好需要的分类,并调用Ontology模块构建得到分类Ontology,每个分类对应一个Ontology,每个Ontology内部包含各个子类。针对dining领域,比如针对菜单(menu)的一个医学分类,我们可以定义一个名为’dining_disease.rdf’的医学分类Ontology文件,该Ontology文件内部的结构如图4所示,图4中的箭头表示子类关系。
第二步,根据基础知识库的内容和属性,以及当前的各个分类Ontology内部的子类,定义相关的推理规则。规则是由条件所构成的,图5给出了规则和条件之间的关系。
针对图4中的分类Ontology举一个简单的例子,高血脂禁用菜单(HyperliBanMenu)的规则为如下表所示。
上表表示的规则为:高血脂患者不能食用的菜为成分中包含酒精类的,或者营养成分中胆固醇值大于0.1的,或者是营养成分中总脂肪含量大于20的。这些条件的定义是根据常识性知识和基础知识库中所包含的属性来确定的。
第三步,应用这些推理规则到基础知识库上,得到潜在的知识,即每个分类Ontology内部的子类实例,从而每个分类所对应的小知识库包含的就是该分类Ontology所定义的类的一些实例。这些实例是基础知识库中实例的子集,也就是基础知识的一个细化。图6给出了基于规则推理的一种实现方案:
本实施例中实现的一种推理引擎原理是采用位图(bitmap)的方法,将每个条件应用到基础知识库中该条件所对应的类型的知识上,比如针对菜单的条件应用到所有菜单上,然后得到一个长度为对应类型知识个数的bit数组,0表示不符合条件,1则反之。然后根据规则中定义的条件组合,将这些bit数组进行交或者并运算,从而得到符合某个规则的知识集合,最终将这些知识存储到对应类别的三元组(NT)文件中。
这个过程中,分类的定义、每个分类Ontology内部的子类定义、以及推理规则的定制都有两种方式,一种是由知识库的构建者定义,另外一种就是由用户输入来定义。
本发明还提出一种基于推理的层级知识库构建方法,该方法应用于上述***,该方法包括:
从数据源中获取数据,构建并维护领域Ontology、分类Ontology及全局Ontology;
根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;定制分类Ontology的相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
上述方法中,领域Ontology的构建是通过该领域对应的多个数据源的Ontology融合得到;
所述维护领域Ontology、分类Ontology及全局Ontology的方式可以为:当数据源发生变化时更新领域Ontology,当分类发生变化时更新分类Ontology,当领域Ontology和分类Ontology任意一个发生变化时更新全局Ontology。
上述方法中,将同一个领域下来自各个数据源的领域知识进行融合的方式可以为:获取每个数据源映射到领域Ontology同一个属性的属性集合,并为所述属性定义融合的方法,从而得到来自不同数据源的同一个属性的融合后的值;其中,所述融合的方法为拼接或取均值,但并不局限于这两种方式。
综上可见,本发明提出一种基于推理的层级知识库构建的***和框架。采用语义网的Ontology技术,构建各个不同领域内的知识库,同时依赖基于规则的推理引擎得到潜在的知识和关系来构建层级的知识库。这种层级知识库将知识进行了细化,更加能够满足不同用户的不同需求。同时,这种层级的结构更新和维护都更加方便和高效。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种基于推理的层级知识库构建***,其特征在于,所述***包括:
数据抓取模块,用于从数据源中获取数据;
Ontology模块,用于构建并更新领域Ontology、分类Ontology及全局Ontology;其中,全局Ontology是领域Ontology和分类Ontology的融合,分类Ontology是根据分类所需要而定义的一系列子类,每个分类对应一个Ontology;
知识抽取模块,用于根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
知识构建模块,包括知识融合子模块和推理引擎子模块;其中,所述知识融合子模块,用于将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;所述推理引擎子模块,用于调用所述Ontology模块进行分类Ontology的定义,并定制相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
2.根据权利要求1所述的***,其特征在于,所述Ontology模块包括构建Ontology子模块和完善Ontology子模块;其中,
所述构建Ontology子模块用于构建领域Ontology,还用于定义分类Ontology和全局Ontology;其中,所述领域Ontology的构建是通过该领域对应的多个数据源的Ontology融合得到;
所述完善Ontology子模块用于当数据源发生变化时更新领域Ontology,当分类发生变化时更新分类Ontology,当领域Ontology和分类Ontology任意一个发生变化时更新全局Ontology。
3.根据权利要求1所述的***,其特征在于,所述知识抽取模块包括数据预处理子模块和抽取子模块;其中,
所述预处理模块用于对所述数据抓取模块所获取的数据进行预处理,包括删除冗余数据和剔除噪声数据;
所述抽取子模块用于,针对所述预处理之后的数据,根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识。
4.根据权利要求1所述的***,其特征在于,所述知识融合子模块将同一个领域下来自各个数据源的领域知识进行融合的方式为:获取每个数据源映射到领域Ontology同一个属性的属性集合,并为所述属性定义融合的方法,从而得到来自不同数据源的同一个属性的融合后的值;其中,所述融合的方法为拼接或取均值。
5.根据权利要求1所述的***,其特征在于,所述推理引擎子模块是基于位图的方式进行推理的。
6.根据权利要求1至5任意一项所述的***,其特征在于,所述***还包括知识库接口模块,用于为上层应用或用户提供统一的访问所述层级知识库的接口。
7.根据权利要求6所述的***,其特征在于,所述知识库接口模块利用三元组存储Triple Store自身的SPARQL端点Endpoint为接口,上层应用或用户参考Ontology的定义来构造SPARQL访问所述层级知识库。
8.一种基于推理的层级知识库构建方法,应用于权利要求1所述的***,其特征在于,所述方法包括:
从数据源中获取数据,构建并维护领域Ontology、分类Ontology及全局Ontology;其中,全局Ontology是领域Ontology和分类Ontology的融合,分类Ontology是根据分类所需要而定义的一系列子类,每个分类对应一个Ontology;
根据数据源的Ontology、所述领域Ontology、以及二者之间的属性映射关系,抽取每个数据源中能够映射到领域Ontology中的属性内容,从而得到所需要的领域知识;
将同一个领域下来自各个数据源的领域知识进行融合并存储,得到基础知识库;定制分类Ontology的相关推理规则,将推理规则应用到所述基础知识库上,得到潜在的知识,并将所述潜在的知识存储到各个分类对应的分类知识库中,将所述分类知识库和基础知识库构成层级知识库。
9.根据权利要求8所述的方法,其特征在于,所述领域Ontology的构建是通过该领域对应的多个数据源的Ontology融合得到;
所述维护领域Ontology、分类Ontology及全局Ontology的方式为:当数据源发生变化时更新领域Ontology,当分类发生变化时更新分类Ontology,当领域Ontology和分类Ontology任意一个发生变化时更新全局Ontology。
10.根据权利要求8所述的方法,其特征在于,所述将同一个领域下来自各个数据源的领域知识进行融合的方式为:获取每个数据源映射到领域Ontology同一个属性的属性集合,并为所述属性定义融合的方法,从而得到来自不同数据源的同一个属性的融合后的值;其中,所述融合的方法为拼接或取均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507147.5A CN103646025B (zh) | 2013-10-24 | 2013-10-24 | 一种基于推理的层级知识库构建***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507147.5A CN103646025B (zh) | 2013-10-24 | 2013-10-24 | 一种基于推理的层级知识库构建***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646025A CN103646025A (zh) | 2014-03-19 |
CN103646025B true CN103646025B (zh) | 2016-08-17 |
Family
ID=50251241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310507147.5A Active CN103646025B (zh) | 2013-10-24 | 2013-10-24 | 一种基于推理的层级知识库构建***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646025B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105302532B (zh) * | 2014-06-25 | 2018-06-29 | 成都普中软件有限公司 | 一种构造***模型的可视建模编辑器 |
CN104376110A (zh) * | 2014-11-27 | 2015-02-25 | 武汉理工数字传播工程有限公司 | 一种基于本体推理的中文知识推理方法 |
CN106156083B (zh) * | 2015-03-31 | 2020-02-21 | 联想(北京)有限公司 | 一种领域知识处理方法及装置 |
CN106708832B (zh) * | 2015-08-06 | 2020-10-02 | 北京波尔通信技术股份有限公司 | 一种无线电领域知识库的构建方法及装置 |
CN106407271B (zh) * | 2016-08-26 | 2020-02-14 | 厦门快商通科技股份有限公司 | 一种智能客服***及其智能客服知识库的更新方法 |
CN106649988B (zh) * | 2016-11-15 | 2019-09-24 | 西北工业大学 | 基于本体的维修几何模型关键零部件快速定位与显示方法 |
CN108121722A (zh) * | 2016-11-28 | 2018-06-05 | 渡鸦科技(北京)有限责任公司 | 知识库的构建方法及装置 |
CN106815307A (zh) * | 2016-12-16 | 2017-06-09 | 中国科学院自动化研究所 | 公共文化知识图谱平台及其使用办法 |
CN107239481B (zh) * | 2017-04-12 | 2021-03-12 | 北京大学 | 一种面向多源网络百科的知识库构建方法 |
CN107545034A (zh) * | 2017-07-24 | 2018-01-05 | 华中师范大学 | 一种地方志知识融合方法 |
CN108595471B (zh) * | 2018-03-07 | 2022-08-02 | 中山大学 | 一种基于智能规划的知识获取方法 |
CN108932530A (zh) * | 2018-06-29 | 2018-12-04 | 新华三大数据技术有限公司 | 标签体系的构建方法及装置 |
CN109086347A (zh) * | 2018-07-13 | 2018-12-25 | 武汉尼维智能科技有限公司 | 一种国际海运危险货物知识图谱***的构建方法、装置及存储介质 |
CN112347113B (zh) * | 2020-09-16 | 2021-12-14 | 北京中兵数字科技集团有限公司 | 航空数据融合方法、航空数据融合装置和存储介质 |
CN113792157B (zh) * | 2021-09-14 | 2022-10-25 | 哈尔滨工业大学 | 一种面向领域机理知识库的构建方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876981A (zh) * | 2009-04-29 | 2010-11-03 | 阿里巴巴集团控股有限公司 | 一种构建知识库的方法及装置 |
CN103324689A (zh) * | 2013-06-04 | 2013-09-25 | 北京大学 | 业务领域知识库构建方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493820A (zh) * | 2008-01-25 | 2009-07-29 | 北京华深慧正***工程技术有限公司 | 一种药监行业知识库的平台及其构建方法 |
CN102141997A (zh) * | 2010-02-02 | 2011-08-03 | 三星电子(中国)研发中心 | 智能决策支持***及其智能决策方法 |
-
2013
- 2013-10-24 CN CN201310507147.5A patent/CN103646025B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876981A (zh) * | 2009-04-29 | 2010-11-03 | 阿里巴巴集团控股有限公司 | 一种构建知识库的方法及装置 |
CN103324689A (zh) * | 2013-06-04 | 2013-09-25 | 北京大学 | 业务领域知识库构建方法和装置 |
Non-Patent Citations (3)
Title |
---|
Appropriate global ontology construction:a domain-reference-ontology based approach;Cheikh Niang et al;《Proceedings of the 13th International Conference on Information Integretion and Web-based Applications and Services》;20111231;第166-173页 * |
基于情境的移动商务餐饮服务知识建模及推理研究;吕苗等;《情报学报》;20130228;第32卷(第2期);第138-147页 * |
基于混合推理的知识库的构建及其应用研究;钟秀琴等;《计算机学报》;20120430;第35卷(第4期);第761-766页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103646025A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103646025B (zh) | 一种基于推理的层级知识库构建***和方法 | |
US11893046B2 (en) | Method and apparatus for implementing a set of integrated data systems | |
US9753960B1 (en) | System, method, and computer program for dynamically generating a visual representation of a subset of a graph for display, based on search criteria | |
US20140365527A1 (en) | Secure access to hierarchical documents in a sorted, distributed key/value data store | |
US20130006968A1 (en) | Data integration system | |
US9201700B2 (en) | Provisioning computer resources on a network | |
Park et al. | Graph databases for large-scale healthcare systems: A framework for efficient data management and data services | |
US10360245B2 (en) | Attribute value derivation | |
CN105808853A (zh) | 一种面向工程应用的本体构建管理与本体数据自动获取方法 | |
US20150058363A1 (en) | Cloud-based enterprise content management system | |
CN111159427B (zh) | 一种基于众包的知识图谱构建方法及*** | |
CN109710775A (zh) | 一种基于多规则的知识图谱动态生成方法 | |
Grolinger et al. | Collaborative knowledge as a service applied to the disaster management domain | |
Maté et al. | A novel multidimensional approach to integrate big data in business intelligence | |
CN113407810A (zh) | 一种基于大数据的城市信息和服务集成***及方法 | |
CN110134688B (zh) | 一种在线社交网络中热点事件数据存储管理方法及*** | |
Ameen et al. | Extracting knowledge from ontology using Jena for semantic web | |
Wang et al. | A general framework for big data knowledge discovery and integration | |
KR101107582B1 (ko) | 웹기반의 온톨로지 편집 운영 시스템 | |
Blanke et al. | Back to our data—experiments with nosql technologies in the humanities | |
Kaufhold et al. | Cross-Media Usage of Social Big Data for Emergency Services and Volunteer Communities: Approaches, Development and Challenges of Multi-Platform Social Media Services | |
US20150220859A1 (en) | Context specific resource editors | |
Liu et al. | Using OODB modeling to partition a vocabulary into structurally and semantically uniform concept groups | |
Iribarne et al. | Modeling Big data‐based systems through ontological trading | |
Retima et al. | A quality-aware context information selection based fuzzy logic in IoT environment. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |