一种结合地理知识的遥感影像目标实体关联方法北大核心CSCD

遥感影像目标识别技术已广泛应用于目标动态监测与定位等领域。但影像目标识别的结果缺乏与目标属性信息的链接,导致分析人员只能依据影像特征进行分析,难以进行更复杂的目标数据关联分析与挖掘。针对遥感影像目标识别语义属性信息缺失的问题,本文利用知识图谱相关技术将影像判别的目标信息与知识语义网链接。首先,提出了一种遥感影像目标知识图谱构建框架;其次,针对遥感影像目标不同的数据类型,构建遥感影像目标知识抽取模型,提出了基于相似度目标实体识别和预定义模式的关系抽取方法;然后,基于多特征Logistic模型的影像目标实体链接方法,实现了遥感影像目标实体与百科知识库的知识关联;最后,针对预定试验区域进行试验,验证了本文方法的可行性。     

基于时序超图模型的战场环境多层次知识建模方法

新型作战样式对战场环境服务保障提出了新要求，战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题，将知识图谱与战场环境相结合，提出了战场环境知识分类方法，认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式；针对三元组知识表示碎片化的问题，构建了战场环境时序超图表示模型，实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模，将各类知识表示为具备时空特点、场景特点的统一知识超图网络；最后，利用地图、事件、影响过程和作战影响效能等数据进行实验验证，超图网络从语义层面实现了各类战场环境知识的关联，可进一步为实现基于超图的智能推理和服务决策提供支撑。     

基于文本解析的栅格类图表知识抽取方法

栅格类图表包含了丰富的时空含义,文本信息是其知识特征的主要体现。提出一种基于文本解析的栅格类图表知识抽取方法。首先,通过CRAFT+CRNN的方法,进行图表文本信息的定位与矢量化;其次,在分析大规模样本数据的基础上,解析了常见图表数据的结构特征,并提出采用模板和机器学习2种方法进行文本块的结构类别判断;最后,利用自然语言处理方法,构建栅格类图表的知识标签体系。实验表明,该方法在栅格类图表的文本定位矢量化、文本块的结构判断等方面具有较高的准确率,能够进行栅格图表的知识标签体系构建,抽取图表中包含的知识,为海量数据的快速检索和理解提供支撑。