[发明专利]一种基于知识图谱的智能渔业问答机器人的构建方法在审

专利信息
申请号: 202010833552.6 申请日: 2020-08-18
公开(公告)号: CN111966787A 公开(公告)日: 2020-11-20
发明(设计)人: 王溯;袁红春 申请(专利权)人: 上海海洋大学
主分类号: G06F16/33 分类号: G06F16/33;G06F16/332;G06N3/00;G06Q50/02
代理公司: 上海申浩律师事务所 31280 代理人: 张洁
地址: 201306 上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 知识 图谱 智能 渔业 问答 机器人 构建 方法
【说明书】:

发明公开了一种基于知识图谱的智能渔业问答机器人的构建方法,包括:参照当前现有的其他领域的语义划分,进行知识建模的结构的建立;通过研究渔业领域半结构化、非结构化的数据,还原渔业生产过程中的业务模式,并剥离出渔业知识的语义类型、语义关系以及提取出对象本体;通过爬取结构化的数据,从中提取出相应对象本体的本体属性及实例;将爬取的结构化数据和来自第三方知识库的数据进行知识融合,通过在Web页面中嵌入使用AIML技术的智能渔业问答机器人,最终得到一个完整的基于知识图谱的智能渔业问答机器人的构建方法。本发明提高了领域的知识概念体系的建设完整率,为养殖户获取其所需的信息提供了更加方便的途径,可提高生产效率。

技术领域

本发明适用于智慧渔业技术领域,尤其涉及一种基于知识图谱的智能渔业问答机器人的构建方法。

背景技术

传统的水产养殖行业对于环境因素的依赖十分高,其养殖过程中出现的问题,存在过多地依靠口口相传的经验,其效果难以保证。科学地解决水产养殖过程中出现的问题才是最终提高产量、减少不必要的损失的关键因素。

传统的养殖技术获取的渠道一是通过高校科研团队下乡考察指导,或建立养殖合作试验地,二是通过农户自行在互联网上查找相关资料,如中国水产养殖网等。对于农户来说,高校科研团队下乡考察指导不具备时效性,有些时效性较高的问题,等不到调研团队到来的那一刻;自行上网搜索资料,难以辨别哪个说的真实可靠,对从海量的信息中筛选出其所需要的,并不是一件容易的事情。

往往从事水产养殖行业的人数相对与其他的行业较为偏少,因此除了政府主导的传统信息网站之外,很少或者几乎没有其他类似的水产养殖相关的信息平台,更不要说专攻于水产养殖行业的智能信息交流平台。所以,对于我国水产养殖行业目前的现状来说,其行业相关的技术信息较为难以从互联网上获取。

知识图谱是近年来人工智能发展的基础。目前,知识图谱的应用的研发也在各行各业开展得如火如荼,但唯独在水产养殖领域缺少相应的实际应用。与此同时,水产养殖行业知识图谱语义的建设,目前仍然处于空白的状态。

随着经济的发展,我国人口数量越来越多,那么首先要解决的问题是吃饭问题。所以,为了解决全国14亿人口的温饱问题,要将先进的技术引入到传统渔业中,以提高水产养殖产量和生产效率。

发明内容

根据上述行业问题,本发明的目的是提供一种基于知识图谱的智能渔业问答机器人的构建方法,本发明通过参照当前现有的其他领域的语义划分、研究渔业领域非结构化数据、还原渔业生产过程中的业务模式,以及再通过爬取结构化、半结构化的数据,建立一套渔业养殖领域的知识图谱;再辅以智能渔业问答机器人,得到一个完整的基于知识图谱的智能渔业问答机器人的构建方法。本发明可以为渔业工作者快速地获取其所想要的信息,同时可以为其他农牧行业相关领域知识图谱的建设提供参考,也可为养殖户养殖方法的改进提供咨询。

本发明是通过以下技术方案实现的:

一种基于知识图谱的智能渔业问答机器人的构建方法,包含以下几步:

S01:参照当前现有的其他领域的语义划分,进行知识建模的上层结构的建立;

S02:通过研究渔业领域半结构化及非结构化数据,还原渔业生产过程中的业务模式,并剥离出渔业知识的语义类型、语义关系以及提取出对象本体;

S03:通过爬取结构化的数据,从中提取出相应对象本体的本体属性及实例;

S04:将S03阶段爬取的结构化数据和来自第三方知识库的数据进行知识融合,通过实体消歧、指代消解,减少实体种类,降低图谱稀疏性,并与对象本体进行知识合并,得到知识图谱;

S05:通过在Web页面中嵌入使用AIML技术的智能渔业问答机器人,并设定特定的语句类型将其链接到知识图谱,最终得到一个完整的基于知识图谱的智能渔业问答机器人的构建方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海海洋大学,未经上海海洋大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010833552.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top