新型冠狀病毒肺炎（coronavirus disease 2019,COVID-19）疫情的暴發(fā)產生了海量與時空信息相關的數據,當前的地理時空疫情分析難以關聯人物關系、事件等數據,由此提出了一種利用地理知識圖譜結合交互式可視分析COVID-19疫情態(tài)勢的方法。首先定義了病患實體和關系類型,提出了事件語義模型和事件關系分類,并根據不同的數據分類設計了知識抽取和知識表示方法,構建了病患時空信息知識圖譜;然后分別從宏觀和微觀層次把控疫情態(tài)勢的任務出發(fā),設計了知識圖譜可視化視圖和交互分析方法;最后構建實驗分析系統,利用COVID-19確診患者數據,通過地圖分布可視化、圖譜可視化和軌跡可視化等多視圖協同交互對COVID-19疫情態(tài)勢進行分析實驗。實驗結果表明,該方法能夠從實時疫情態(tài)勢監(jiān)控、病患關聯關系、高危人群防控和地區(qū)防控態(tài)勢等方面為疫情態(tài)勢分析提供一種新的思路與方法。 

【文章來源】：武漢大學學報(信息科學版). 2020,45(06)北大核心EICSCD

【文章頁數】：10 頁

【部分圖文】：

事件模式層和關系示例

COVID-19病患時空信息知識圖譜是將與COVID-19疫情相關的概念、實體、屬性、事件等利用資源描述框架（resource description frame‐work,RDF）表示為三元組，即<s（主語），p（謂語），o（賓語）>，進而建立各要素、實體、事件之間的關系，用“點-邊”的有向圖進行表示，結果如圖2所示。3 知識圖譜交互式可視分析

力引導布局

【參考文獻】：
期刊論文
[1]基于眾包的古琴名人時空信息采集與移動軌跡時空分析[J]. 劉菊,陳璨,許珺.  地球信息科學學報. 2019(06)
[2]基礎地理知識服務的基本問題與研究方向[J]. 陳軍,劉萬增,武昊,李志林,趙勇,張藍.  武漢大學學報(信息科學版). 2019(01)
[3]基于事件本體的突發(fā)事件領域知識建模[J]. 朱文躍,劉宗田.  計算機工程與應用. 2018(21)
[4]論地理知識圖譜[J]. 陸鋒,余麗,仇培元.  地球信息科學學報. 2017(06)
[5]開放式地理實體關系抽取的Bootstrapping方法[J]. 余麗,陸鋒,劉希亮.  測繪學報. 2016(05)
[6]面向SPARQL查詢的地理語義空間索引構建方法[J]. 段紅偉,孟令奎,黃長青,李穎,李繼園.  測繪學報. 2014(02)



本文編號：3366950