排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
地球科学（以下简称地学）知识图谱具有强大的知识表示和语义推理能力，已成为地学大数据和地学人工智能发展必要的基础设施。然而，目前的地学知识图谱研究主要面向实验场景，缺乏面向实际应用的大规模地学知识图谱构建方法和共享应用框架研究，导致尚未真正在地学领域现实应用中得到使用。为此，本文面向地学大数据和人工智能研究与应用对地学知识图谱的迫切需求，首先研究了大规模地学知识图谱的构建技术，在此基础上，提出一种覆盖地学知识图谱构建、共享和应用全生命周期的总体框架。然后，以“深时数字地球（DDE）”国际大科学计划为例，开展了面向实际应用的知识图谱平台研发实践。最后，利用该平台，构建了DDE大规模地学知识图谱，开展了知识图谱开放共享，有效实现了知识图谱应用，证明本框架可有效支撑大规模地学知识图谱的构建与共享应用。本文对于地学知识图谱现实应用价值的实现具有重要的促进作用。 相似文献
2.
随着信息技术和地球科学的发展，地球科学领域数据快速增长，积累了海量数据，亟需建立领域知识图谱促进地球科学大数据的利用。因此深时数字地球（DDE）提出构建地学知识库和知识图谱，为未来的地学研究提供新一代的基础科研工具，促进研究范式的变革。文章回顾了知识图谱的发展历史，对主要知识体系构建工具进行了调研。结合地球科学学科特点，梳理了地球科学知识体系对构建工具的需求，并设计和实现了一个面向地球科学知识体系的专业编辑平台：“地球科学知识体系编辑平台”。平台具有操作简单、协同编辑、协同审核等一系列特点，基本满足地球科学知识体系的建设需求，填补了这一领域的空白。平台上线以来，已经有18个地球科学领域的专业学科人员在线协同构建，极大提高了地球科学知识图谱建设的效率。在此基础上，结合目前地球科学知识图谱建设状况，从技术角度出发，对地球科学知识体系编辑平台的后续发展方向进行了讨论。 相似文献
3.
知识图谱作为当前最有效的知识组织和服务方式，已经成为人工智能的基石，在语义搜索、机器翻译、信息推荐等方面得到了广泛的应用。大数据时代下，地球科学（以下简称地学）分散、多源、异构数据的整合集成、挖掘分析及其知识的智能发现等迫切需要知识图谱的支撑。为了促进地学知识图谱的建设与应用，自2019年启动以来，“深时数字地球国际大科学计划”（Deep-time Digital Earth,简称DDE）就将知识图谱作为其重要的研究建设内容，经过3年多的建设，DDE已经建设形成了大量的地学知识图谱，亟需一站式共享这些知识图谱。文章首先介绍了DDE知识图谱内容体系，分析了DDE知识图谱内容组成及其特征；在此基础上，开展了地学知识图谱一站式共享服务系统的设计，包括系统功能体系和架构的设计；最后介绍了系统实现的技术路线及其关键技术。实践证明系统可有效实现DDE知识图谱的一站式共享服务，可为类似的知识共享服务系统提供参考。 相似文献
1