科技创新|态极数据经纬时空知识管理(四)

优采云 发布时间: 2022-08-23 22:59

  科技创新|态极数据经纬时空知识管理(四)

  04

  时空知识图谱构建案例

  态极数据经纬智能知识管理平台DFKM是时空知识图的“智能”数据平台:融合领域地上、地下时空基准网与感知数据统管共用和多源感知终端为“时空一张图”,构建时空人工智能大模型,实现时空智能问答、时空智能推荐及时空智能分析,可作为时空人工智能、数字孪生的数据融合知识发现平台。

  数据源:数据源由TransSpider网页采集器进行采集,主要采集51job等招聘网站的招聘岗位数据。

  构建过程:

  1、TransSpider 网页采集器配置,爬取51job招聘网站信息;

  2、爬取数据预处理成为指定csv格式;

  3、概念设计创建本体,本体属性,关系,关系规则创建资源目录,并上传文件;

  4、创建资源字段对应的资源字段;

  5、创建提取规则(实体提取,实体特征提取,关系提取,关系特征提取);

  6、新建提取任务 。

  应用场景参考:

  1、基于用户掌握的专业技能进行岗位的推荐;

  2、基于能力图谱构建专业领域的知识问题系统;

  3、通过引入知识图谱中的实体以及实体的描述信息丰富语义,优化信息检索模型,可灵活支持各类实体搜索,让人才搜索更便捷,更智能;

  4、基于庞大的知识图谱和数据支持,针对职位的市场人才数据情况进行洞察,招聘前先掌握人才市场分布情况,薪资情况。

  数据源:数据源OSM地图数据转换文件、百度交通拥堵数据、气象数据;

  构建过程:

  1、源数据采集,通过TransDFKM的DCA进行对源数据进行接入;

  2、对接入数据根据图谱构建的概念进行对数据分析,对数据拆解为本体数据、本体特征数据、关系数据、关系特征数据等;

  3、将分析后的数据根据分析结果对数据进行相应的预处理,形成KEE数据输入源;

  4、使用TransDFKM的TransStudio工作台进行模型构建(本体创建、本体分类特征创建、关系规则创建、关系特征分类创建);

  

  5、使用TransDFKM的TransStudio工作台进新KEE提取任务设置(创建资源目录,并上传文件,创建资源字段对应的资源字段,创建提取规则【实体提取,实体特征提取,关系提取,关系特征提取】,新建提取任务)。

  应用场景参考:

  1、道路网络360画像 ;

  2、交通网络流预测;

  3、道路网络的动力学传播分析;

  4、道路网瓶颈路段分析;

  5、路网交通流分配分析;

  6、交通需求社区结构及交互特性;

  7、交通需求热点发现;

  8、交通需求空间自相关性;

  数据源:赛文交通网公众号;

  构建过程:

  1、使用爬虫引擎爬取互联网数据转换为文档文件或通过人工手动进行上传文档数据;

  2、将收集的文档数据进行统一存储;

  3、通过界面设置提取任务,上传转换后的docx文档进行数据提取并设置任务发布状态为自动发布或者关闭自动发布或者通过监控引擎监控新的文档进行任务的自动构建;

  4、通过智能文档提取引擎将数据提取至开发图数据库;

  5、未开启自动发布时人工校验数据,校验不合格返回到提取任务提取,进行新版本数据提取,校验合格后手动进行数据发布;

  6、开启自动发布,数据在提取完成后直接提取到发布到生产图数据库中。

  应用场景参考:

  1、下一个词的建议:可以考虑当前一个或任意数量的先前单词来建议下一个单词;

  2、高级搜索引擎:当我们拥有单词的顺序以及它们之间的依赖关系的信息时,可以实现高级搜索功能,其中除了检查单词的确切顺序之外,还可以考虑某些单词在我们的目标之间的情况并提供一些建议;

  3、基于内容的推荐:通过将文本分解成组件,可以比较项目描述(产品等)

  

  以图网络的形式表示时空数据和非结构化文档信息,提供了统一且灵活的隐藏在数据中时空知识的探索模式。

  05

  TransDFKM 应用场景

  基于对人、车、路、地、物、事的时空感知、数据管理和智能分析能力,打造基于个体行为模型的可计算全息路网的数字交通智能数据底座平台,支持精准、实时、全面的数字交通场景应用,实现能感知、有知识、可进化、 会做事的综合交通运输大数据支撑体系。

  实时交通孪生仿真-交通态势实时感知:采集感知数据->集成接入->数据经纬智能知识管理平台->时空知识图谱->三维实景引擎->三维可视化,良好网络情况下,可达100毫秒时延。

  实现了接近90%准确率的交通流预测,全网路段单次预测未来12小时耗时仅2.324ms

  厦门市思明区西北部路网

  坐标范围:118.077°24.464° 118.108° 24.482°

  原始法构建道路路网(直接利用态极时空知识图谱的道路网络子图谱)

  236 路段进行路网空间特征

  流量特征(车速)提取,直接抽取态极时空知识图谱的路段流量特征数据(静态关系动态特征)

  交通流预测模型:时空图卷积神经网络(Graph WaveNet)

  交通流预测——预测结果对比(2020.06.24-2020.06.26)

  基于微内容的原子知识管理

0 个评论

要回复文章请先登录注册


官方客服QQ群

微信人工客服

QQ人工客服


线