隨著民航業(yè)的飛速發(fā)展,保障飛行安全、提升飛行能力和降低航空安全事件發(fā)生率一直是航空安全管理的重要內(nèi)容,目前航空安全事件發(fā)生的原因呈現(xiàn)復雜化和多元化特征,對航空安全事件發(fā)展趨勢的預測也面臨新的挑戰(zhàn)。知識圖譜是一種圖結構的大規(guī)模事實性數(shù)據(jù)庫,可以通過學習歷史航空安全事件的多因素、多屬性,推理事件的發(fā)展規(guī)律,本文圍繞航空安全事件知識圖譜推理方法與應用在以下方面進行了研究:針對目前傳統(tǒng)卷積神經(jīng)網(wǎng)絡模型在知識圖譜鏈接預測過程中單獨地處理每個三元組信息,無法有效學習實體鄰域存在的豐富語義和潛在關系信息的問題,提出了一種基于注意力機制和卷積神經(jīng)網(wǎng)絡的知識圖譜鏈接預測方法（AttGCN）,該方法首先獲得與每個實體相關聯(lián)的所有三元組信息,使用卷積神經(jīng)網(wǎng)絡學習三元組特征;然后通過注意力機制衡量不同鄰域三元組對目標實體的影響程度,并使用注意力權重更新實體的特征向量,使得實體特征向量融合所有鄰域實體特征及其相應的關系特征;最后利用卷積神經(jīng)網(wǎng)絡使用基于特定關系的濾波器交互式的學習頭實體和關系特征,并同時對所有的尾實體進行鏈接預測。實驗結果表明,AttGCN方法可以有效學習知識圖譜中每個實體的鄰域三元組信息,在W... 

【文章來源】：中國民航大學天津市

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

014年-2018年民航運輸事件次數(shù)和死亡人數(shù)知識圖譜以及基于知識圖譜的推理技術為海量信息的表示和分析提供了解

中國民航大學碩士學位論文7其中節(jié)點用于描述事件的實體或概念，邊用于描述實體或概念間的語義關系，并且通過三元組(頭實體，關系，尾實體)的形式對數(shù)據(jù)進行組織和管理。比如，有三元組(CA1562,運行類型，客運)表示知識(事實)：航班“CA1562”的運行類型是“客運”。知識圖譜以圖節(jié)點化、結構化、語義化的形式對現(xiàn)實世界中的非結構化知識進行描述，從而使現(xiàn)實中的信息更加標準和高效率的被使用。其中知識的組織形式發(fā)展過程如圖2-1所示：圖2-1知識的組織形式發(fā)展過程知識圖譜通常分為通用領域知識圖譜和特定領域知識圖譜，通用領域知識圖譜涵蓋的內(nèi)容主要涉及常識性的知識，強調(diào)的是內(nèi)容上的廣度，主要表現(xiàn)為從各領域盡可能獲取更多描述客觀世界的事實�，F(xiàn)有的各大企業(yè)研發(fā)的知識圖譜多為通用領域知識圖譜，目前各互聯(lián)網(wǎng)領頭企業(yè)如微軟、谷歌、IBM、百度等都相繼通過收購和研發(fā)，實現(xiàn)了自己的知識圖譜產(chǎn)品，其相關成果如表2.1所示。表2.1知識圖譜相關成果知識圖譜項目(產(chǎn)品名稱)知識來源Vault(谷歌搜索引擎)維基百科、互聯(lián)網(wǎng)數(shù)據(jù)蘋果Siri(WolframAlpha)MathematicaDBpedia知識庫維基百科Metaweb語義搜索(Freebase)維基百科YAGO知識庫維基百科百度搜索引擎(百度知心)互聯(lián)網(wǎng)搜狗搜索引擎(知立方)互聯(lián)網(wǎng)中文醫(yī)學知識圖譜CMeKG北京大學特定領域知識圖譜主要用于對特定領域專業(yè)知識的描述，特定領域知識圖譜的數(shù)據(jù)主要來源于某一特定領域的專有數(shù)據(jù)資源和特定的關系，主要在特定領域進行應用實踐�；跇嫿ê玫奶囟I域知識圖譜，應用系統(tǒng)可以利用領域數(shù)據(jù)以及數(shù)據(jù)之間的特定關系進行領域內(nèi)的復雜業(yè)務分析與推理工作。一般事件報道中包含豐富的信息，例如，事件發(fā)生的時間、地點、原因以及與事件有關的對象、事發(fā)后果等。在信息化背景下

中國民航大學碩士學位論文9實體時不一致的問題，實現(xiàn)了異構信息融合；密集實體向量為詞匯向量的順序提供了一種解決方案，以便每個維度的數(shù)值都可以參與計算，從而提高了語義計算的效率[19]。通過學習知識圖譜中的三元組信息，對知識表示學習效果進行驗證的研究工作中，距離模型[20]為知識圖譜三元組中的兩個實體分別建立相應的投影矩陣，并將投影矩陣映射到其相應的關系空間中，空間中兩個投影矩陣的距離體現(xiàn)了實體在相應關系下的相關度。雙線性模型[21]生成一個關系矩陣，并將存在該關系的兩個實體向量采用關系矩陣進行雙線性變換從而體現(xiàn)兩個實體間的語義聯(lián)系。之后，在詞向量空間平移不變現(xiàn)象[23]的啟發(fā)下，Bordes等人提出了轉移模型TransE[22]，該模型認為對一個三元組而言，關系可以看成頭實體向量到尾實體向量在嵌入空間中的表示轉移。TransE的實驗結果顯示，該模型可以用于對大規(guī)模知識圖譜中的實體、屬性和關系的向量化表示工作中。TransE模型的結構如圖2-2所示。圖2-2TransE模型本文主要利用TransE對航空安全事件知識圖譜的實體和關系進行向量化表示，因此在本節(jié)中將重點介紹TransE模型。有三元組(頭實體、關系、尾實體)，存在以下性質，在嵌入空間中的向量化表示為,,ors,,,ors分別是頭實體、關系和尾實體的向量化表示。假設頭實體s與尾實體o之間真實存在關系r，則表明三元組,,ors成立，且相應的三元組(頭實體、關系、尾實體)向量化表示滿足關系ors。所以，對于TransE模型，定義了基于邊界的損失函數(shù)，如式2.1所示：SorsSorsorsorsloss),,(),,(-,0max(2.1)其中ors越小說明對應的這一對實體存在關系的可能性越大，TransE模型隨機替換掉語料庫中真三元組的頭實體或者尾實體，并作為假三元組集合，S：

【參考文獻】：
期刊論文
[1]中文醫(yī)學知識圖譜CMeKG構建初探[J]. 奧德瑪,楊云飛,穗志方,代達勱,常寶寶,李素建,昝紅英.  中文信息學報. 2019(10)
[2]基于知識地圖的民用航空安全信息事件分析[J]. 劉俊杰,趙永正,張麗娟.  安全與環(huán)境學報. 2018(02)
[3]面向知識圖譜的知識推理研究進展[J]. 官賽萍,靳小龍,賈巖濤,王元卓,程學旗.  軟件學報. 2018(10)
[4]知識圖譜研究進展[J]. 漆桂林,高桓,吳天星.  情報工程. 2017(01)
[5]知識圖譜構建技術綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計算機研究與發(fā)展. 2016(03)
[6]知識表示學習研究進展[J]. 劉知遠,孫茂松,林衍凱,謝若冰.  計算機研究與發(fā)展. 2016(02)
[7]關聯(lián)規(guī)則挖掘在航空安全報告分析中的應用[J]. 馮霞,李娟娟,閆冠男.  計算機工程與設計. 2011(01)
[8]航空企業(yè)基于SHEL模型的神經(jīng)網(wǎng)絡安全評價研究[J]. 王起全.  中國安全科學學報. 2010(02)
[9]基于FAHP的航空維修安全風險管理研究[J]. 劉洋,王燕青.  安全與環(huán)境學報. 2010(01)

碩士論文
[1]融合知識庫和文本信息的實體關系抽取研究[D]. 劉壯.大連理工大學 2019
[2]基于分類變量關聯(lián)關系的民航不安全事件風險識別[D]. 陳思.北京交通大學 2019
[3]基于卷積神經(jīng)網(wǎng)絡的實體關系抽取方法研究[D]. 武文雅.北京交通大學 2019
[4]面向社會安全事件的知識圖譜構建方法研究[D]. 郭正斌.北京信息科技大學 2018
[5]基于知識圖譜的事件可視分析的研究[D]. 沈飛.東南大學 2017



本文編號：2905289