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。     

区域地质调查文本中文命名实体识别

作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。笔者等在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度。笔者等提出一种基于轻量级预训练模型(ALBERT)—双向长短时记忆网络(BiLSTM)—条件随机场(CRF)模型的地质命名实体识别方法。首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测。实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑。     

区域地质调查文本中文命名实体识别

作为我国地质调查领域最重要的数据源之一,地质调查报告中蕴含着丰富的地学知识及地质体描述等关键信息,准确高质量地抽取地质命名实体为地学知识图谱构建、知识推理及知识演化提供基础。本文在阐述地质命名实体识别任务基础上,分析地质实体不仅包含大量专业术语,还存在实体嵌套、大量长实体等领域特性,进一步增加了地质命名实体识别难度。笔者等提出一种基于轻量级预训练模型（ALBERT）—双向长短时记忆网络（BiLSTM）—条件随机场（CRF）模型的地质命名实体识别方法。首先利用ALBERT对输入字符上下文特征进行建模,并采用BiLSTM对其进行进一步上下文特征表征,最后采用CRF实现标注序列预测。实验结果表明,在构建的地质命名实体识别数据集上,相比于主流的命名实体识别模型算法,本文所提出的方法具有更好的抽取性能,提出的命名实体识别模型能为领域实体识别提供借鉴,同时为地学领域实体关系抽取和地学知识图谱构建提供有力方法支撑。     

面向中文文本的地质语义信息标注与语料库构建

实现文本中地质信息的结构化抽取、语义解析、可视化表达和知识图谱构建，将为地质大数据的深度挖掘与利用提供有力的数据基础和技术支撑。无论是采用传统统计模型还是深度学习模型，地质信息语义解析均需要已标注的语料库的支持。特别是，地质信息的文本描述具有领域性特征，无法通过通用自然语言语料迁移实现。因此，不同层次的地质信息标注语料库的构建成为地质语义信息解析的关键和基础。文章在分析中文文本中地质语义信息描述语言特点的基础上，从地质实体的时空和属性描述特征出发，清晰表达地质实体的各种语义关系，制定了中文文本的地质语义信息标注体系和标注规范，自主研发了“交互式地质语义信息标注工具”，解决了传统人工标注存在错误率高、重复工作量大等缺点，以矿产资源的中文研究文献和报告为数据源，构建了大规模地质语义信息标注语料库，较为有效地解决了当前相关标准和规模化标准数据匮乏的问题。     

Bayes约束随机场下坝基溶蚀区随机模拟方法及其影响分析

基于完全随机场模拟溶蚀岩体可能会高估其空间变异性和不能有效地利用溶蚀以外的地质信息和实践经验,提出用Bayes约束参数随机场模型描述坝基溶蚀区的随机模拟方法。引入Bayes公式,对溶蚀区域岩土参数的统计特性进行修正,反映出地质勘测的新增地质信息和试验参数信息,建立约束随机场,并在此基础上进行随机有限元分析,研究坝基溶蚀对大坝结构性态的作用效应。计算结果表明,相对于完全随机场模型,Bayes约束随机场模型更为客观地考虑了溶蚀岩体的空间变异性,有效地降低了溶蚀参数完全随机场下结构响应的模拟方差。在概率分析过程中,推荐蒙特卡洛响应面耦合方法（MC-RSM）作为适用于复杂工程的随机模拟方法,该方法能够代替直接MC法对同样力学机制的不断重复,减小计算时间成本。     

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。     

面向地质时空大数据表达与存储管理的数据模型研究

随着传感器实时监测等高新技术在地质勘查或生产开发中的应用,形成了动态与静态并存、多源异构的地质时空大数据。然而,目前地质信息系统在地质数据组织管理方面,主要是静态地存储和表达出地质矿产勘查或生产开发在某个特定时期的状态,尚不能满足对勘查或生产开发过程中实时信息的存储管理,进而支持对地质过程的分析和研判。针对性开展了地质时空大数据表达与存储管理的数据模型研究,目标是能够融合数据多源与时空多维性,又能够支持时间关联与时间多粒性。针对地质大数据、地质过程的静态与动态数据紧密结合的特点,采用面向对象和基于事件的思想,提出了基于事件多因素驱动的地质时空大数据概念模型,并开展了相应的地质大数据存储管理逻辑模型、基于系统工程库的管理结构和地质时空对象管理模型设计。基于地质时空大数据逻辑组织管理模型和时空过程的非关系型分布式数据库架构,设计了地质大数据存储模型。融合三维地质建模技术、动态监测信息实时可视化等技术,构建了所需模型过程模拟的三维环境,通过绑定观测数据源,设计实现了基于OPC接口的模拟数据产生事件、作用对象响应的矿山动态开采流程。在王家岭煤矿首采区地质数据支持下开展了应用研究,实现地质时空事件条件下的矿山动态开采过程表达与数据管理,验证了本文模型的可行性和有效性。     

多模态数据的地质图关联网络构建及知识服务

地质图件及其附属资源（如描述文本）作为地质知识的重要存储媒介,蕴含着大量的地学知识及专家经验知识及隐式知识。快速精准地对多模态地质数据进行知识规范化定义、形式化表达、语义化关联和精准化推理是目前地学知识抽取及挖掘的前沿。当前,海量的地学数据中图件及附属描述信息知识分布零散,图件中的信息无法有效地与描述信息进行关联并提供知识服务。本文以多模态地质数据为数据源,建立了多源数据驱动下的地质图知识表达模型,通过地质基础知识、规则知识及决策知识来表达图件中蕴含的显隐式地质知识,从语义、空间、属性三个维度表示地质对象间的关系;并基于领域知识针对地质图件及描述信息开展了地质实体及关系的精准抽取及存储研究,最后以江西省于都县银坑幅G50E011007图幅150000矿产地质调查矢量数据为例进行了验证与分析,实验结果验证了本文所提出的知识表达模型及知识抽取方法, 能够较好地解决地质知识建模中图文关联弱、知识挖掘不充分等问题。     

基于饱和渗透系数空间变异结构的斜坡渗流及失稳特征

以往研究一般采用单随机变量方法（SRV）或基于水平或垂直方向波动范围生成的空间变异随机场来模拟岩土参数的空间变异性,对具有倾斜定向特征的空间变异随机场未有涉及.基于条件模拟相关理论和非侵入式随机有限元的理论框架,提出了利用序贯高斯模拟方法进行斜坡参数条件随机场模拟并运用有限元方法进行斜坡渗流和稳定性分析的方法.针对理想边坡,对各向同性和几何各向异性的共7种空间变异结构的饱和渗透系数（K_s）各进行了200次条件随机场模拟,基于条件随机场模拟结果进行了有限元渗流和稳定性计算,对每种空间变异结构多次计算结果进行了统计分析.结果表明:本文所提出的方法不仅再现了研究区域参数的空间二阶统计特性,通过设定变异函数参数进行不同空间变异类型、变异程度、变异定向性的随机场模拟,同时利用现场观测数据对随机场模拟结果进行条件限制,从而提高了随机场的赋值精度;K_s的空间变异结构对孔隙水压力的分布规律、地下水位线变化范围、稳定性系数和最危险滑动面分布特征均有一定程度的影响.本研究为库岸斜坡稳定性评价提供方法支撑.      

西南地区机场建设中的主要工程地质问题

本文简单阐述了我国西南地区机场建设中的重大工程地质问题的类型、危害、分布、形成条件、治理措施等,对西南地区机场建设有重要的指导意义.