基于知识图谱的液氧煤油火箭发动机知识检索应用系统

技术领域

本发明属于网络信息处理领域，涉及基于知识图谱的液氧煤油火箭发动机知识检索应用系统。

背景技术

知识图谱，通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

知识图谱应用的内容深度主要可以分为两类：

一种是通用知识图谱，没有特别深的行业知识以及专业内容，属于通用性知识图谱，一般作为科普、常识类的应用。

另一种是行业知识图谱，根据某个行业或者是细分领域而定制的应用，主要是解决当前行业或者是细分领域存在的问题。

知识图谱的主要应用场景是语义搜索、智能推送等，用于改善搜索及推送质量，利用知识图谱可以实现信息直达，方便用户快速定位想要的信息。

尽管它在各个行业的各个领域大放异彩，但在液氧煤油火箭发动机知识检索应用的细分领域的应用还是比较欠缺。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出基于知识图谱的液氧煤油火箭发动机知识检索应用系统，将液氧煤油火箭发动机复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示其知识领域的动态发展规律。

本发明解决技术的方案是：

基于知识图谱的液氧煤油火箭发动机知识检索应用系统，包括：知识管理模块、知识挖掘模块、图数据库管理模块、知识检索模块。

知识管理模块：接收外部输入关于液氧煤油火箭发动机的原始知识数据，并将原始知识数据存储入原始知识数据库中；

知识挖掘模块：定义原始知识数据库中各数据的实体；并获取实体与实体之间的关系，生成任意2个实体间的关系数据，并将任意2个实体间的关系数据发送至图数据库管理模块；

图数据库管理模块：接收知识挖掘模块传来的任意2个实体间的关系数据；根据任意2个实体间的关系数据建立图数据库；

检索模块：当需要检索某一实体时，向图数据库管理模块发出检索指令，从图数据库管理模块检索出该实体及所有与该实体有关系的其他实体。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，所述原始知识数据包括纯文本文件、图文文档、图片或视频。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，所述定义实体的方法为：

预定义实体的类别；基于规则方法或统计模型方法，从原始数据中识别信息元素，再将识别的信息元素分类到预定义的实体类别中。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，当基于规则方法识别信息元素时，采用正则匹配，由人工构建规则，将规则与原始数据进行匹配，匹配上的原始数据即为识别到的信息元素。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，当基于统计模型方法识别信息元素时，对原始数据中全部信息元素进行完全标注或部分标注，选取模型并对全部信息元素进行识别模型训练；将符合识别模型训练的信息元素按照标注提取出来，即为识别到的信息元素。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，识别模型的种类包括隐马尔可夫模型、条件马尔可夫模型、最大熵模型和条件随机场模型。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，基于监督学习方法获取实体与实体之间的关系，具体包括的步骤如下：

预定义关系种类；

设定当2个实体之间满足某个预定义关系时，这2个实体的关联字符；并对关联字符进行标注；全部任意2个实体间的关联字符进行标注；

采用关系模型对全部标注的关联字符进行训练，得到最终的任意2个实体间的关系数据。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，所述关系模型包括支持向量机模型、神经网络模型和朴素贝叶斯模型。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，所述图数据库实现将全部实体之间的复杂关系用1张知识图谱表现；即知识图谱中列有全部实体，且任意2个实体间的关系均在1张知识图谱表现。

在上述的基于知识图谱的液氧煤油火箭发动机知识检索应用系统，图数据库采用Neo4j图数据库。

本发明与现有技术相比的有益效果是：

(1)本发明拥有大量液氧煤油火箭发动机研制过程中产生的的公式、算法以及研制经验作为基础数据；实现了规范化、数字化、精准化的开发利用；

(2)本发明基于监督的学习，通过机器学习，不断更新、优化检索内容以及拓展的相关知识；

(3)本发明实现了搜索优化，让相关的研究人员在搜索知识的时候，能够更精准的搜索到内容以及拓展的相关知识，提升效率。

附图说明

图1为本发明知识检索应用系统示意图。

具体实施方式

下面结合实施例对本发明作进一步阐述。

本发明提供了基于知识图谱的液氧煤油火箭发动机知识检索应用系统，围绕液氧煤油火箭发动机总体设计、结构流体、燃烧、仿真、实验等业务，研究知识模型驱动的工程知识抽取。研究基于语义和知识图谱技术的案例/范例/半结构化文本等知识检索服用，研究多类型知识驱动的智能导航、智能计算等多种应用模式，适应液氧煤油火箭发动机研制业务对知识展现、知识共享、知识服用的多种应用场景。

液氧煤油火箭发动机知识检索应用系统，如图1所示，具体包括知识管理模块、知识挖掘模块、图数据库管理模块、知识检索模块；

知识管理模块负责所有原始知识数据的采集以及管理，知识管理模块：接收外部输入关于液氧煤油火箭发动机的原始知识数据，并将原始知识数据存储入原始知识数据库中；原始知识数据包括纯文本文件、图文文档(doc，excel，pdf等)、图片或视频。

知识挖掘模块主要负责定义实体，并从数据中获取实体与实体的关系抽取，并通过机器学习挖掘出更多实体与实体的关系。知识挖掘模块：定义原始知识数据库中各数据的实体；并获取实体与实体之间的关系，生成任意2个实体间的关系数据，并将任意2个实体间的关系数据发送至图数据库管理模块。

定义实体的方法为：

预定义实体的类别；基于规则方法或统计模型方法，从原始数据中识别信息元素，再将识别的信息元素分类到预定义的实体类别中。

当基于规则方法识别信息元素时，采用正则匹配，由人工构建规则，将规则与原始数据进行匹配，匹配上的原始数据即为识别到的信息元素。

当基于统计模型方法识别信息元素时，对原始数据中全部信息元素进行完全标注或部分标注，选取模型并对全部信息元素进行识别模型训练；将符合识别模型训练的信息元素按照标注提取出来，即为识别到的信息元素。识别模型的种类包括隐马尔可夫模型、条件马尔可夫模型、最大熵模型和条件随机场模型。

基于监督学习方法获取实体与实体之间的关系，具体包括的步骤如下：

预定义关系种类；

设定当2个实体之间满足某个预定义关系时，这2个实体的关联字符；并对关联字符进行标注；全部任意2个实体间的关联字符进行标注；

采用关系模型对全部标注的关联字符进行训练，得到最终的任意2个实体间的关系数据。关系模型包括支持向量机模型、神经网络模型和朴素贝叶斯模型。

知识挖掘模块主要负责定义实体。并从数据中获取实体与实体的关系抽取，由专业研究设计人员进行人工标注，将非结构化、半结构化数据转换成结构化数据，并通过机器学习挖掘出更多实体与实体的关系。

非结构化数据：是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑来表现的数据。包括所有格式的办公文档、文本、图谱、HTML、各类报表、图像和音频/视频信息等等。

半结构化数据:和普通文本相比，半结构化数据具有一定的结构性，但结构变化很大。因为我们要了解的数据的细节所以不能将数据简单地组织成一个文件按照非结构化数据处理，由于结构变化很大页不能简单地建立一个表和它对应。

结构化数据:简单的来说就是数据库，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。

图数据库管理模块：接收知识挖掘模块传来的任意2个实体间的关系数据；根据任意2个实体间的关系数据建立图数据库；图数据库实现将全部实体之间的复杂关系用1张知识图谱表现；即知识图谱中列有全部实体，且任意2个实体间的关系均在1张知识图谱表现。图数据库采用Neo4j图数据库。

图数据库管理模块用于储存知识挖掘模块产生的复杂关系数据。用户在检索时可以获取检索结果与其他实体的关系的结果，以图表或文字关联信息的表现形式便于用户获取到最想要的检索结果。

检索模块：当需要检索某一实体时，向图数据库管理模块发出检索指令，从图数据库管理模块检索出该实体及所有与该实体有关系的其他实体。

检索模块在上述的图数据库中读取跟用户检索相关的知识，以图、表以及实体关系展示，用户可以根据所示的实体关系，进一步的获取最终想要得到的结果。

本发明围绕液氧煤油火箭发动机总体设计、结构流体、燃烧、仿真、实验等业务，研究知识模型驱动的工程知识抽取。研究基于语义和知识图谱技术的案例/范例/半结构化文本等知识检索服用，研究多类型知识驱动的智能导航、智能计算等多种应用模式，适应液氧煤油火箭发动机研制业务对知识展现、知识共享、知识服用的多种应用场景。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。