May, 2023

面向海事领域概率知识图谱自动建设

PDF
TL;DR本文提出了一种从自然语言数据中自动构建概率性知识图谱的初始原型 ——Maritime DeepDive，利用该工具从海盗事件中提取概率事件，该工具的准确性和信心得到了验证。
maritime crimedata fusionsoft dataprobabilistic knowledge graphsmaritime deepdive
发现论文，激发创造
  • 海事问答系统的释义技术

    本文研究通过开发将人类自然语言自动翻译为机器可理解语言的能力，从而增强人机交流效率，重点是如何利用传统方法训练有限的数据集训练语义解析器，在海事领域的实验结果表明被翻译成 SQL 格式的语句和逻辑方面的形式是一种有用的训练数据集。

    Mar, 2022

  • 基于知识图谱的上下文感知安全监测机器学习

    讨论了机器学习在知识图谱上的应用以及实验评估了一种适用于工业系统的异常活动评分方法。该方法经过无监督训练后，能够在各种场景下生成直观易懂、可解释的警报，为利用知识图谱的关系式机器学习在入侵检测方面带来潜在的好处。

    May, 2021

  • 实现传感器化船舶的智能翻新与性能异常检测：一个海运业界经验

    该研究提出了一种深度学习驱动的异常检测系统，结合可解释的机器学习模型，用于识别工业传感器化船舶 TUCANA 中的性能异常，该系统不仅提高了安全性、效率和可持续性，还推动了成本有效和智能化的海上交通运输的新时代。

    Dec, 2023

  • 应用 AIS 数据和深度循环架构进行海上环境中的异常检测

    基于深度循环模型的海上监视方法，利用公开可用的自动识别系统（AIS）数据，通过对观测到的船舶运动模式进行编码和重建，结合阈值机制对计算的观测和重建的运动模式之间的误差进行处理，通过训练深度学习框架（编码器 - 解码器架构）使用观测到的运动模式，使模型能够学习和预测预期的轨迹，并与实际轨迹进行比较，研究展示了具有回归丢失的双向门控循环单元（GRU）在捕捉海上数据的时间动态方面表现出卓越的性能，彰显了深度学习在增强海上监视能力方面的潜力，为未来领域的研究奠定了坚实基础，通过技术的创新应用为改善海上安全指明了道路。

    Jun, 2024

  • 基于本体论和知识图谱的语义数据流程图集及其安全分析

    本文提出一种基于知识图谱和本体的自动化方式来分析云计算系统的安全威胁模型，并探讨该方法在现代敏捷开发环境中的应用挑战。通过使用包含 180 个语义图的本体，建立了基于 Docker Compose 的云配置数据流程图，并评估本体和知识图谱用于自动识别图谱中的安全威胁。

    Mar, 2023

  • 无监督知识图谱构建和面向事件的知识注入在科学自然语言推理中的应用

    通过引入科学知识图谱来使预训练模型适应科学领域并提出了无监督构建科学知识图谱的方法，进一步提出了以事件为中心的知识注入方法，实验结果表明，方法达到了最先进的性能并具有效果和可靠性。

    Oct, 2022

  • 从时间序列数据和知识图谱中学习语义关联规则

    该研究论文介绍了在数字孪生系统中利用语义关联规则学习和知识图谱的方法，并通过工业应用的评估表明该方法能够学习具有语义信息的大量关联规则，为进一步研究工业应用的语义关联规则学习奠定了基础。

    Oct, 2023

  • 分层非负矩阵分解生成网络安全知识图

    从科学论文中提取本体学的等结构来构建多模态知识图谱，以及在网络安全领域应用层次 NMF 方法构建网络安全领域特定的知识图谱。

    Mar, 2024

  • 从国家漏洞数据库中文本描述构建知识图谱

    本文介绍了一种基于知识图谱构建漏洞图谱的新方法，结合了命名实体识别、关系提取和实体预测，以及神经模型、启发式规则和知识图谱嵌入。我们展示了这种方法如何帮助修复用于网络安全的知识图谱中缺失项，并评估了其性能。

    Apr, 2023

  • 使用 DeepDive 进行增量知识库构建

    DeepDive 是一个结合数据库和机器学习思想来帮助开发 KBC 系统的系统，通过提出两种增量推理的方法，基于采样和变分技术，解决了 KBC 迭代过程中效率低的问题，并通过评估表明其可以加速 KBC 推理任务两个数量级而对质量几乎没有影响。

    Feb, 2015