[发明专利]一种生态文明地理知识图谱的构建方法

说明书

本发明涉及生态文明领域，提出了一种生态文明地理知识图谱的构建方法，该方法以地理特征和生态文明模式为核心构建生态文明地理科学知识库，以生态文明地理科学知识库作为数据基础，构建本体库，采用分布式网络数据采集技术获取多源异构网络数据进行文本时空分析，抽取生态文明地理时空场景事件、对应的时间和位置属性，构建生态文明地理时空事件数据库，再根据所述生态文明地理本体库和时空事件数据库构建生态文明地理知识图谱。本发明通过构建和应用基于泛在网络的生态文明地理知识图谱，实现生态文明地理不同知识之间的语义关联、智能检索与推理，提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。

技术领域

本发明涉及生态文明建设技术领域，尤其涉及一种生态文明地理知识图谱的构建方法。

背景技术

知识图谱(knowledge graph)是人工智能领域的分支，是大数据时代知识表示最重要的一种方式。本质上是由具有属性的实体通过关系链接而成的网状知识库，即具有有向图结构的一个知识库，其中图的节点代表实体或者概念，而图的边代表实体/概念之间的各种语义关系。目前，知识图谱已在智能搜索、深度问答、社交网络以及一些垂直行业中有所应用，成为支撑这些应用发展的动力源泉。例如谷歌的知识图谱相继融入了维基百科、CIA世界概览等公共资源以及从其他网站搜集、整理的大量语义数据，微软的Bing Search和 Facebook、Twitter等大型社交服务站点达成了合作协议，在用户个性化内容的搜集、定制化方面具有显著的优势。社交网站Facebook 于2013年推出了Graph Search产品，其核心技术就是通过知识图谱将人、地点、事情等联系在一起，并以直观的方式支持精确的自然语言查询，例如输入查询式：“我朋友喜欢的餐厅”“住在纽约并且喜欢篮球和中国电影的朋友”等，知识图谱会帮助用户在庞大的社交网络中找到与自己最具相关性的人、照片、地点和兴趣等。

知识图谱在逻辑上可分为模式层与数据层，数据层由一系列的事实组成，而知识将以事实为单位进行存储，可选择图数据库作为存储介质，例如开源的eo4j、Twitter的FlockDB、sones的GraphDB等。模式层构建在数据层之上，通过本体库来规范数据层的一系列事实表达。本体是结构化知识库的概念模板，通过本体库而形成的知识库不仅层次结构较强，并且冗余程度较小。知识图谱有自顶向下(top-down) 与自底向上(bottom-up)两种构建方式。自顶向下是先为知识图谱定义好本体与数据模式，再将实体加入到知识库，例如Freebase。自底向上指的是从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模式。目前，大多数知识图谱都采用自底向上的方式进行构建，例如Google的KnowledgeVault。知识图谱建立在大规模知识库基础上。

随着互联网近二十年的发展，网络数据内容呈现爆炸式增长的态势，蕴含了反映我国近现代历史及当前生态文明地理演变过程的海量数据。文字描述具有生动形象性、微观细节性、多面性、来源多、层次深、覆盖面广等鲜明特点。深度挖掘文本资料，存在关于生态文明地理的多角度、多层次、多粒度、多时段全息画像的可能。

但是，由于当前地理知识图谱未覆盖生态文明地理领域，多数研究聚焦于专门技术和方法，生态文明地理系统为多学科交叉的复杂巨系统，涵盖自然、环境和人文社会经济等领域，学科之间的知识体系可能存在较大语义鸿沟，导致缺乏统一的标准和规范，缺乏基于语义的统一框架，并且现有的知识库仍依赖于人工构建与维护，严重阻碍了生态地理领域知识的共享和应用。

发明内容

因此，为了解决现有技术中存在的不足，本发明提出了一种生态文明地理知识图谱的构建方法，提供原真地理特征及生态文明模式知识检索、关联追溯、知识推理、主动推荐等服务，结合全国原真地理特征及生态文明模式数据库，为生态文明状态诊断、地理图景设计、生态效益评估、优化调控，以及专项其他项目提供地理特征知识服务和生态文明建设对标模式。

具体的，主要通过以下技术方案来实现：

一种生态文明地理知识图谱的构建方法，包括：