北京
作者简介
吴 军
清华大学机械工程系
博士 副教授 博导
研究方向为先进制造装备设计与控制、高效聚光器设计、机床数控系统
入选中组部“万人计划”的青年拔尖人才支持计划
获国家自然科学基金委优秀青年科学基金资助
获“十二五”机械工业先进科技工作者
作者简介
关立文
清华大学机械工程系
博士 研究员 博导
研究方向为智能装备的优化设计、监控、精度保证、模拟仿真等研发与应用关键技术研究
获中国机械工业科学技术奖特等奖
获“十二五”机械工业优秀科技成果奖
获“十二五”机械工业优秀创新团队
王得强, 吴军, 关立文. 结合知识图谱的行业知识库构建方法研究[J]. 制造技术与机床, 2022, (8): 74-80.
DOI:10.19287/j.mtmt.1005-2402.2022.08.011
结合知识图谱的行业知识库构建方法研究
王得强 吴 军 关立文
（清华大学机械工程系）
摘要
首先阐述了机器学习和知识图谱的相关概念以及在行业知识库建设中的应用情况和地位，然后结合典型算法介绍了机器学习常见的模型，为提高行业知识库中知识的关联性并降低冗余性，引入了行业知识图谱及其构建相关的新技术方法，进而引出了对于行业知识库构建方法的研究，结合智能知识库展示了知识图谱的创新性应用，即利用知识图谱为知识库的搜索和推荐功能提供技术支持，同时通过知识图谱对领域知识进行更加直观地展示。最后，结合行业知识库的建设工作对机器学习和知识图谱在其中的作用发挥进行了更深一步的阐述和总结。
知识图谱; 机器学习; 深度学习; 自然语言处理；知识库
导 语
近年来，随着技术的飞速发展，在制造业、医疗、农业和电子商务等诸多领域都产生了大量的行业数据和异构知识，其中有些数据以资料文献形式被收录于中国知网、WOS等大型的资料检索库，有些数据则以图文等形式存在于网页中，而这些数据的获取过程都存在着查询时间长、查询结果缺乏针对性及查询过程缺乏智能化等问题。此外，诸多行业知识库也存在着数据的冗余性和搜索的低效性等问题，以制造业为例，当前制造业中产品在设计、制造、装配和服务等生命周期过程中会产生大量的相关数据和知识，而它们的存储普遍存在着冗余性较高、分布分散、关联性较弱等问题，如何从冗余的数据中抽取有用信息并有效表达数据之间的内在关联，进一步利用数据的关联性实现高效的信息检索和智能推荐，是当前制造业乃至行业知识库面临的一个重要需求。
伴随着机器学习等人工智能技术的飞速发展，自然语言处理、图像识别等技术的应用也越来越广泛，比如各式各样的聊天机器人、无人驾驶汽车等智能产品，它们的出现正在为人们的生活创造便利，而在行业知识库的建设过程中，如何结合机器学习构建知识图谱使知识库变得更加智能化，从而更好地服务行业研究人员和相关用户，促进行业发展，则是本文研究的主要工作。
阅读全文，欢迎点击
声明：
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
