一种概率超图驱动的地学知识图谱推理优化系统和方法技术方案

本发明专利技术公开了一种概率超图驱动的地学知识图谱推理优化系统和方法，属于地理大数据分析技术领域。该系统包括地学知识图谱输入模块、地学本体设定模块、超图模型构建模块、超图自编码器模块、地学知识图普推理优化模块；该方法包括：地学知识图谱结构拆解；知识数据超图模型构建；超图信息传递概率计算；地学知识图谱推理优化：本发明专利技术通过采用多对多的图节点超边规则，改变地学知识图谱图结构形状，由于采用多对多的图节点超边规则，显著表达地理知识间的共性和异性关系，使得隐性的地学过程现象和关联，由非结构化的计算或推理变得可结构化地计算或推理，解决了本领域长期以来不能解决多对多的地学知识图谱网络结构问题的疑难问题。问题。问题。

【技术实现步骤摘要】
一种概率超图驱动的地学知识图谱推理优化系统和方法


[0001]本专利技术属于地理大数据分析
，特别涉及一种概率超图驱动的地学知识图谱推理优化系统和方法。

技术介绍

[0002]人工智能发展到今天能解决很多问题、但是也有很多问题很难理解：怎样让机器能够真正理解人的语言，目前还做得很不够。进一步规划机器学习发展路径已经成为当今的热点。机器学习目前还只是停留在计算智能、感知智能上，怎样让机器能有认知能力、模仿人去认知一些事物、提高机器学习的认识能力是一个新的课题，知识图谱就是填补人机鸿沟的很重要的方法。
[0003]知识图谱是描述真实世界中存在的各种实体、或概念、及其关系的语义网络图，所述语义网络图模拟人的语言记忆和联想方式，直接而明确地表达概念的语义关系，可利用语义网络的结构关系检索和推理，效率高、通过节点和关系的特殊图结构数据为真实世界的各个场景直观建模；语义网络在辅助智能问答、物联网设备互联、可解释性人工智能等多个方面展现出丰富的应用价值：
[0004]地学知识图谱的广泛应用可以推动地球科学与信息科学、数据科学的交叉融合,促进学科发展。具体的，地学知识图谱可以应用在工程全生命周期管理、高精度地质时间轴构建、地学大数据综合分析以及智能地图编辑与制图控制等多个地学领域场景。
[0005]随着卷积神经网络在图像、声音、文本等数据上的应用发展，人们尝试将一般概念的卷积神经网络应用于图结构这类几何数据中，于是，图卷积神经网络应运而生。图卷积神经网络大量应用于生物化学等领域，将一个化学结构或一个蛋白质抽象为一个图，图中的节点是更小的分子，边代表键或者相互作用；集中于对于分子拓扑结构的建模，许多的化学结构和性质能够体现在图本身的结构特性上。相比传统的图数据的研究，使用图卷积神经网络对这些分子结构的刻画能够显著地帮助到包括新药发现、药物分类等任务。
[0006]然而，不同于生物化学等领域分子结构网络这类节点间作用关系单一的同质信息网络，所述节点间作用关系单一，第一，是指传统分子结构网络节点之间的关系是一对一或者一对多的关系；第二，虽然传统分子结构网络定义了一对一或者一对多的关系，但并没有给每一个连接关系定义语义关系，也就是，只知道它们之间是连接的、但并不知道是基于什么内容的连接，比如，两个节点之间的连接是包含的关系还是细分的关系并不知道。而地学知识图谱的复杂性在于：第一，其知识实体之间的关系往往是较为复杂的多对多的多元关联关系，在运用简单图卷积网络进行建模时，如果简单地把多对多的连接关系转换为一对一或者一对多的关系，将导致丢失很多有用的信息；第二，除了多对多的关系以外，还要给每一个关系设定语义，否则就不能完整地表达地学知识图谱的设计思想。
[0007]总之，现有应用图卷积神经网络的技术，不能解决多对多的地学知识图谱网络结构问题，也不能解决给每种地学知识图谱关系定义语义的问题。

技术实现思路

[0008]本专利技术针对现有技术的不足，提出一种概率超图驱动的地学知识图谱推理优化系统和方法，目的在于解决现有应用图卷积神经网络的技术，不能解决多对多的地学知识图谱网络结构问题，也不能给每种地学知识图谱关系定义语义的问题。
[0009]本专利技术为解决其技术问题采用以下技术方案：
[0010]一种概率超图驱动的地学知识图谱推理优化系统，其特征在于：包括地学知识图谱模块、地学本体设定模块、超图模型构建模块、超图自编码器模块、以及地学知识图普推理优化模块；所述超图自编码器模块包括超图信息计算模块、以及超图信息传递模块；
[0011]所述地学知识图谱模块分别向地学本体设定模块、以及超图模型构建模块发送基础地学知识图谱信息；
[0012]所述地学本体设定模块从地学知识图谱模块获得相关信息、并根据该相关信息抽象出地学内的概念层次结构、并将抽象出的地学内的概念层次结构发送给超图模型构建模块；
[0013]所述超图模型拆分模块根据地学知识图谱信息和地学本体设定模块的信息，对地学知识图谱进行拆分，拆分后组成具有超边、超边关系、节点关系的超图模型，从而构建超图模型；所述超图属于一种集合，而并非实体和边的关系，超图是将同一个概念的实体、或同一个上级的实体集合起来称为超图；所述超边就是由二个或二个以上具有同一个本体的节点组成的集合；所述超边关系就是一个超边和另一个超边之间的关系；所述节点关系就是一个节点或实体和另一个节点或实体之间的关系；
[0014]所述超图自编码器的超图信息计算模块接收超图模型构建模块的存储信息、并根据存储的超边数据、超边关系数据、有限节点数据及节点关系数据，结合通用的邻接矩阵构造函数算法转化为超图邻接矩阵M，在此基础上搜索超图模型数据存储模块的超边语义索引、超边关系语义索引、节点语义索引、节点关系语义索引，构造超图语义矩阵X，并将超图邻接矩阵M、以及超图语义矩阵X作为超图信息传递模块的输入；
[0015]所述超图自编码器的超图信息传递模块包括超图编码器、超图解码器，所述超图编码器用于学习和挖掘超图模型的深层特征，所述超图解码器用于重构超图邻接矩阵，通过超图编码器、超图解码器将推理优化后的知识图谱输出给地学知识图普推理优化模块。
[0016]所述超图模型数据存储模块，包括：超边数据表、超边关系数据表、有限节点数据表、节点关系数据表、文本语义数据表；所述超边数据表存储超边索引、超边语义；所述超边关系数据表存储超边关系索引、超边关系语义；所述有限节点数据表存储有限节点索引、所述超边索引、节点语义；所述节点关系数据表存储节点关系索引、节点关系语义；所述文本语义数据表存储文本索引、文本语义；所述文本索引包括超边语义索引、超边关系语义索引、节点语义索引、节点关系语义索引；所述文本语义包括超边语义、超边关系语义、节点语义、节点关系语义。
[0017]所述超图信息计算模块包括超图邻接矩阵M和超图语义矩阵X，所述超图邻接矩阵M用于同时表征超图的节点和超边、节点与节点、超边和超边之间的关系，所述超图语义矩阵X用于表征超图建模实体的语义信息、以及节点和超边、节点与节点、超边和超边之间的关系的语义信息。
[0018]所述超图编码器结合超图模型和图卷积算法，设计l层超图卷积层，其中 l由超边
数目确定，将超图结构和信息嵌入到低维空间中，输出经过l层卷积后对应节点特征向量
[0019][0020]其中，f
HGCN
为超图卷积函数，输入位于超边ε中节点的特征向量超图模型的邻接矩阵M、语义矩阵X，其中初始为N维单位向量，通过超图卷积进行计算更新，σ
ReLU
为激活函数线性整流函数，是维度为N
×
N邻接矩阵与单位矩阵的和，
⊙
为训练过程中不断更新的卷积核，其初始值为随机给出；分别对每组超边中的n节点进行编码，得到n项隐层特征，作为超图解码器的输入。
[0021]所述超图解码器经过编码器得到的隐层特征将会作为解码器的输入，首先对n项特征进行内积，获得代表计算更新后的超图邻接矩阵；整合所有计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种概率超图驱动的地学知识图谱推理优化系统，其特征在于：包括地学知识图谱模块、地学本体设定模块、超图模型构建模块、超图自编码器模块、以及地学知识图普推理优化模块；所述超图自编码器模块包括超图信息计算模块、以及超图信息传递模块；所述超图模型构建模块包括超图模型拆分模块、超图模型存储模块；所述地学知识图谱模块分别向地学本体设定模块、以及超图模型构建模块发送基础地学知识图谱信息；所述地学本体设定模块从地学知识图谱模块获得相关信息、并根据该相关信息抽象出地学内的概念层次结构、并将抽象出的地学内的概念层次结构发送给超图模型构建模块；所述超图模型拆分模块根据地学知识图谱模块和地学本体设定模块发送的信息，对地学知识图谱进行拆分，拆分后组成具有超边、超边关系、节点关系的超图模型，从而构建超图模型；所述超图属于一种集合，而并非实体和边的关系，超图是将同一个概念的实体、或同一个上级的实体集合起来称为超图；所述超边就是由二个或二个以上具有同一个本体的节点组成的集合；所述超边关系就是一个超边和另一个超边之间的关系；所述节点关系就是一个节点或实体和另一个节点或实体之间的关系；所述超图自编码器的超图信息计算模块接收超图模型构建模块的存储信息、并根据存储的超边数据、超边关系数据、有限节点数据及节点关系数据，结合通用的邻接矩阵构造函数算法转化为超图邻接矩阵M，在此基础上搜索上述数据中的语义索引，构造超图语义矩阵X，并将超图邻接矩阵M、以及超图语义矩阵X作为超图信息传递模块的输入；所述语义索引包括超边语义索引、超边关系语义索引、节点语义索引、节点关系语义索引。所述超图自编码器的超图信息传递模块包括超图编码器、超图解码器，所述超图编码器用于学习和挖掘超图模型的深层特征，所述超图解码器用于重构超图邻接矩阵，通过超图编码器、超图解码器将推理优化后的知识图谱输出给地学知识图普推理优化模块。2.根据权利要求1所述的一种概率超图驱动的地学知识图谱推理优化系统，其特征在于：所述超图模型数据存储模块，包括：超边数据表、超边关系数据表、有限节点数据表、节点关系数据表、文本语义数据表；所述超边数据表存储超边索引、超边语义；所述超边关系数据表存储超边关系索引、超边关系语义；所述有限节点数据表存储有限节点索引、所述超边索引、节点语义；所述节点关系数据表存储节点关系索引、节点关系语义；所述文本语义数据表存储文本索引、文本语义；所述文本索引包括超边语义索引、超边关系语义索引、节点语义索引、节点关系语义索引；所述文本语义包括超边语义、超边关系语义、节点语义、节点关系语义。3.根据权利要求1所述的一种概率超图驱动的地学知识图谱推理优化系统，其特征在于：所述超图信息计算模块包括超图邻接矩阵M和超图语义矩阵X，所述超图邻接矩阵M用于同时表征超图的节点和超边、节点与节点、超边和超边之间的关系，所述超图语义矩阵X用于表征超图建模实体的语义信息、以及节点和超边、节点与节点、超边和超边之间的关系的语义信息。4.根据权利要求1所述的一种概率超图驱动的地学知识图谱推理优化系统，其特征在于：所述超图编码器结合超图模型和图卷积算法，设计l层超图卷积层，其中l由超边数目确定，将超图结构和信息嵌入到低维空间中，输出经过l层卷积后对应节点特征向量
其中，f
HGCN
为...

【专利技术属性】
技术研发人员：谢潇，鄂超，伍庭晨，贾慧彤，李方方，
申请(专利权)人：北京帝测科技股份有限公司，
类型：发明
国别省市：