面向野外地质填图的空间实体对象表达

开展以计算机技术为核心的辅助地质填图野外数据采集，必须以野外地质空间实体数据的采集为主线研制地质填图野外数据采集系统，运用软件工程学和系统工程学的方法，把面向对象软件工程开发技术与实际野外地质填图流程相结合运用到系统开发的各个环节，研究面向野外地质填图空间实体的分析方法和面向野外空间实体的数据对象的分析模型，建立了野外地质空间实体E－C－R模型，类层次结构及信息结构模型，为系统实现及系统集成提供了可行的技术开发路线。     

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从"数字化"走向"智能化",需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取.地学命名实体和关系联合提取是当前研究的难点和核心.本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取.首先,通过收集数字地质填图工作中的剖面测量...     

地层信息系统中的地质实体与数据类型

结合地质实体概念厘清数据类型及其特征对地层信息系统的发展有重要意义。地层信息系统数据可以归类为属性数据、几何数据、关系数据、元数据4类,地层信息中的地质实体可分为基础地质实体和地质实体要素,进一步把地质实体要素分为关联要素和非关联要素。文中分析了矿体、风化分界面、断层、褶皱、不整合面、滑坡体的几何属性。区分观测者位置、数据采集点和数据本身空间属性,数据获取方法可分为地表调查、钻入调查、岩层透视调查、岩层非透视调查,并分析了原始数据与地质实体的对应关系。     

地质领域文本实体关系联合抽取方法

地质领域实体关系抽取是构建地质知识图谱的基础，对地质领域文本信息抽取与知识库构建具有重要的作用。针对地质领域实体关系复杂、缺少人工标注语料库等特点，提出了面向地质领域实体关系联合抽取模型，着重对多地质文本中存在的复杂重叠关系进行识别，避免传统流水线模型中由于实体识别错误造成级联误差。文章构建了高质量地质领域实体关系语料库，提出了基于预训练语言模型BERT(Bidirectional Encoder Representations from Transformers)和双向门控循环单元BiGRU(Bidirectional Gated Recurrent Units)与条件随机场CRF(Conditional Random Field)的序列标注模型，实现对实体关系的联合抽取。在构建数据集上进行了实验，结果表明，本文提出的联合抽取模型在实体关系抽取上的F1值达到0.671，验证了本文模型在地质实体关系抽取的有效性。     

基于BERT的金矿地质实体关系抽取模型研究

金矿实体关系的智能识别是提高金矿文献分析挖掘和知识提取的重要方法和途径。此次研究针对目前金矿实体关系抽取涉及到的核心问题,如金矿实体关系复杂、人工标注信息少等特点,提出了基于BERT(Bidirectional Encoder Representations from Transformer)的远程监督关系抽取模型。并通过金矿地质数据编码、金矿分类和金矿地质实体过滤等模块的优化改进,提高了金矿地质实体关系抽取的准确率。最后通过对金矿文献数据的实体关系抽取实验,验证了该方法的有效性。      

基于BERT—BiLSTM—CRF模型的中文岩石描述文本命名实体与关系联合提取

地质调查正在从“数字化”走向“智能化”,需要在大数据思维的指导下,面向非结构化数据开展机器阅读和地质知识的自动提取。地学命名实体和关系联合提取是当前研究的难点和核心。本文采用基于大规模预训练中文语言模型的BERT—BiLSTM—CRF方法开展岩石描述文本命名实体与关系联合提取。首先,通过收集数字地质填图工作中的剖面测量和路线地质观测数据,建立岩石描述语料;然后,在岩石学理论指导下分析岩石知识组成,完成岩石知识图谱命名实体与关系的模式设计,标注岩石语料;最后,开展岩石描述语料知识提取的深度学习训练和消融试验对比。试验结果显示,大规模预训练中文语言模型（BERT）对岩石描述语料知识提取具有较高的适用性。推荐的BERT—BiLSTM—CRF模型方法对岩石命名实体与关系联合提取的准确率（F1值）为91.75%,对岩石命名实体识别的准确率（F1值）为97.38%。消融试验证明基于BERT的词嵌入层对岩石描述知识提取的性能提升影响显著,双向长短时记忆网络模型层（BiLSTM Layer）能提升实体关系联合提取性能。     

数字地质填图研究现状与发展趋势

数字地质填图是指区域地质调查数据的野外获取及其成果的数字化统一性再现.当前数字地质填图现状和发展趋势已基本上实现了数字填图系统的采集、存储、管理、描述、分析和再现地质实体在地球表面空间分布有关的数据信息.在计算机辅助下, 通过野外观测路线的调查, 对地质、地理、地球物理、地球化学和遥感等多源地学数据进行综合分析和地质制图.在掌上机WindowsCE平台上, 实现了数字填图所需的基本GIS基本功能(GPS定位路线采集、素描), 实现了遥感系统与数字填图系统的一体化整合.      

基于深度信念网络的地质实体识别方法

地质实体作为地质信息表达的核心要素,对其准确识别是地质文本数据挖掘和应用的重要基础。本文通过分析各种类型文本数据中地质实体信息的描述特点,构建了地质实体信息的标注规范和语料库,设计了基于深度信念网络(Deep Belief Networks)的地质实体识别模型,解决了文本数据中地质实体信息的结构化、规范化处理问题。以矿产资源地质调查报告为实验数据,对本文的地质实体识别方法性能进行了评估分析。结果表明,深度学习模型能够在较小规模语料库的基础上,达到较好的地质实体识别性能。     

怎样画野外地质素描图(六)

六、地质素描的分类并举例地质素描,以其表现手法分为立体图形素描及平面图形素描两种(地质剖面图及踏勘时常用的随手地质剖面图均属地质制图及地质草图类,不在此列).立体图形素描,不但要表现地质现象的存在及诸多因素间的联系,而且要把现象存在的空间关系反映出来,给人以立体的感觉.它是以绘画理论为基础的一种表现手法(图68之左).