[發(fā)明專利]一種基于知識圖譜的果樹病蟲害智慧云知識服務(wù)系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011531292.3
• 申請日: 2020-12-23
• 公開（公告）號: CN112633504A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 關(guān)連正;張建;耿傳偉
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06N5/04
• 分類號: G06N5/04;G06N5/02;G06F16/36;G06F40/295
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

1.一種基于知識圖譜的果樹病蟲害智慧云知識服務(wù)系統(tǒng)，其特征在于，包括以下模塊：

知識獲取與加工模塊，對果樹病蟲害原始數(shù)據(jù)進(jìn)行知識抽取與表示；

知識存儲模塊，利用Neo4j圖數(shù)據(jù)庫存儲果樹病蟲害本體與特征實(shí)體關(guān)系圖譜，基于SOA設(shè)計(jì)核心業(yè)務(wù)服務(wù)API接口，提供數(shù)據(jù)交互服務(wù)，Docker容器封裝系統(tǒng)應(yīng)用，使系統(tǒng)平臺具有高移植性和可擴(kuò)展性；

知識推理與應(yīng)用模塊，提供知識推理以及相關(guān)防治知識推薦功能。

2.根據(jù)權(quán)利要求1所述的果樹病蟲害智慧云知識服務(wù)系統(tǒng)，其特征在于，知識獲取與加工模塊，對果樹病蟲害原始數(shù)據(jù)進(jìn)行知識抽取與表示具體為：

利用正則表達(dá)式、Pandas以及Xpath對半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行自動化數(shù)據(jù)清洗，其中Excel數(shù)據(jù)利用Pandas對其中缺省數(shù)據(jù)進(jìn)行過濾，XML數(shù)據(jù)以及HTML文本數(shù)據(jù)通過Xpath路徑查詢語言篩選其中包含病蟲害特征節(jié)點(diǎn)，結(jié)合正則表達(dá)式，將數(shù)據(jù)處理為結(jié)構(gòu)化數(shù)據(jù)；

利用中文分詞對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分詞，詞性標(biāo)注以及命名實(shí)體識別方法篩選病蟲害特征實(shí)體；

利用Word2Vec詞向量模型對非結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練，利用詞向量表示病蟲害特征實(shí)體，利用余弦相似度算法計(jì)算病蟲害特征實(shí)體與本體的關(guān)聯(lián)程度，過濾關(guān)聯(lián)度小于預(yù)設(shè)閾值的病蟲害特征實(shí)體；

利用三元組表示法描述病蟲害特征實(shí)體與本體關(guān)系，其中病蟲害本體包含屬性為ID、名稱、別名、圖片、發(fā)病部位、發(fā)病規(guī)律、癥狀以及防治方法；

其中結(jié)構(gòu)化數(shù)據(jù)包含病蟲害防治相關(guān)知識書籍或視頻資源，利用三元組表示法描述其關(guān)系，防治知識本體包含屬性為ID、名稱、資源類型、存儲地址、圖片。

3.根據(jù)權(quán)利要求1所述的果樹病蟲害智慧云知識服務(wù)系統(tǒng)，其特征在于，知識存儲模塊，利用Neo4j圖數(shù)據(jù)庫提供果樹病蟲害知識圖譜存儲服務(wù)，保存病蟲害本體與特征實(shí)體關(guān)系以及相關(guān)防治知識本體關(guān)系；

基于SOA將果樹病蟲害知識服務(wù)系統(tǒng)按照服務(wù)功能進(jìn)行拆分，設(shè)計(jì)API接口包括用戶身份驗(yàn)證服務(wù)接口、用戶權(quán)限控制服務(wù)接口、果樹病蟲害特征實(shí)體提取服務(wù)接口、病蟲害知識推理與檢索服務(wù)接口、病蟲害圖像識別服務(wù)接口、病蟲害知識推薦服務(wù)接口；利用Mysql關(guān)系型數(shù)據(jù)庫提供用戶相關(guān)數(shù)據(jù)存儲服務(wù)以及相關(guān)系統(tǒng)訪問日志存儲服務(wù)；利用Redis分布式緩存數(shù)據(jù)庫提供API接口訪問緩存服務(wù)；

利用Docker容器技術(shù)，將本系統(tǒng)平臺知識服務(wù)應(yīng)用進(jìn)行封裝。

4.根據(jù)權(quán)利要求1所述的果樹病蟲害智慧云知識服務(wù)系統(tǒng)，其特征在于，知識推理與應(yīng)用模塊，提供知識推理以及相關(guān)防治知識推薦功能具體為：

針對用戶查詢描述信息進(jìn)行中文分詞、詞性標(biāo)注以及命名實(shí)體識別，提取病蟲害特征實(shí)體，將特征實(shí)體用Word2Vec模型表示為詞向量，再對特征實(shí)體與知識庫中病蟲害特征實(shí)體知識節(jié)點(diǎn)做關(guān)聯(lián)度計(jì)算，過濾掉弱關(guān)聯(lián)度實(shí)體；

利用提取的特征實(shí)體與知識庫中特征實(shí)體知識節(jié)點(diǎn)做映射，檢索相關(guān)聯(lián)的病蟲害本體知識節(jié)點(diǎn)信息，并根據(jù)公式(1)計(jì)算該特征實(shí)體節(jié)點(diǎn)集與本體知識節(jié)點(diǎn)關(guān)聯(lián)程度，對關(guān)聯(lián)程度結(jié)果集進(jìn)行排序得到第一檢索結(jié)果向量集S；

其中，Node_i.in表示檢索結(jié)果中，病蟲害本體知識節(jié)點(diǎn)入度，Node_j,out表示檢索結(jié)果中，病蟲害特征實(shí)體節(jié)點(diǎn)出度，n表示病蟲害特征實(shí)體節(jié)點(diǎn)個(gè)數(shù)；

利用圖像分類模型對用戶上傳的病蟲害圖片進(jìn)行識別，得到結(jié)果向量集C，

并利用公式(2)融合得到的向量集S、C，得到檢索結(jié)果Result知識節(jié)點(diǎn)；

利用知識推理方法獲取與檢索結(jié)果Result知識節(jié)點(diǎn)關(guān)系為“防治”的知識節(jié)點(diǎn)，三元組表示法描述為(？，防治，Result)，通過知識推理與計(jì)算得到相關(guān)防治知識節(jié)點(diǎn)信息，實(shí)現(xiàn)知識推薦服務(wù)。

5.一種基于知識圖譜的果樹病蟲害智慧云知識服務(wù)方法，其特征在于，包括以下步驟：

1)對果樹病蟲害原始數(shù)據(jù)進(jìn)行知識抽取與表示具體為：

利用正則表達(dá)式、Pandas以及Xpath對半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行自動化數(shù)據(jù)清洗，其中Excel數(shù)據(jù)利用Pandas對其中缺省數(shù)據(jù)進(jìn)行過濾，XML數(shù)據(jù)以及HTML文本數(shù)據(jù)通過Xpath路徑查詢語言篩選其中包含病蟲害特征節(jié)點(diǎn)，結(jié)合正則表達(dá)式，將數(shù)據(jù)處理為結(jié)構(gòu)化數(shù)據(jù)；

利用中文分詞對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分詞，詞性標(biāo)注以及命名實(shí)體識別方法篩選病蟲害特征實(shí)體；

利用Word2Vec詞向量模型對非結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練，利用詞向量表示病蟲害特征實(shí)體，利用余弦相似度算法計(jì)算病蟲害特征實(shí)體與本體的關(guān)聯(lián)程度，過濾關(guān)聯(lián)度小于預(yù)設(shè)閾值的病蟲害特征實(shí)體；

利用三元組表示法描述病蟲害特征實(shí)體與本體關(guān)系，其中病蟲害本體包含屬性為ID、名稱、別名、圖片、發(fā)病部位、發(fā)病規(guī)律、癥狀以及防治方法；

其中結(jié)構(gòu)化數(shù)據(jù)包含病蟲害防治相關(guān)知識書籍或視頻資源，利用三元組表示法描述其關(guān)系，防治知識本體包含屬性為ID、名稱、資源類型、存儲地址、圖片；

2)利用Neo4j圖數(shù)據(jù)庫提供果樹病蟲害知識圖譜存儲服務(wù)，保存病蟲害本體與特征實(shí)體關(guān)系以及相關(guān)防治知識本體關(guān)系，具體為：

基于SOA將果樹病蟲害知識服務(wù)系統(tǒng)按照服務(wù)功能進(jìn)行拆分，設(shè)計(jì)API接口包括用戶身份驗(yàn)證服務(wù)接口、用戶權(quán)限控制服務(wù)接口、果樹病蟲害特征實(shí)體提取服務(wù)接口、病蟲害知識推理與檢索服務(wù)接口、病蟲害圖像識別服務(wù)接口、病蟲害知識推薦服務(wù)接口；利用Mysql關(guān)系型數(shù)據(jù)庫提供用戶相關(guān)數(shù)據(jù)存儲服務(wù)以及相關(guān)系統(tǒng)訪問日志存儲服務(wù)；利用Redis分布式緩存數(shù)據(jù)庫提供API接口訪問緩存服務(wù)；

利用Docker容器技術(shù)，將系統(tǒng)平臺知識服務(wù)應(yīng)用進(jìn)行封裝；

3)提供知識推理以及相關(guān)防治知識推薦功能具體為：

針對用戶查詢描述信息進(jìn)行中文分詞、詞性標(biāo)注以及命名實(shí)體識別，提取病蟲害特征實(shí)體，將特征實(shí)體用Word2Vec模型表示為詞向量，再對特征實(shí)體與知識庫中病蟲害特征實(shí)體知識節(jié)點(diǎn)做關(guān)聯(lián)度計(jì)算，過濾掉弱關(guān)聯(lián)度實(shí)體；

利用提取的特征實(shí)體與知識庫中特征實(shí)體知識節(jié)點(diǎn)做映射，檢索相關(guān)聯(lián)的病蟲害本體知識節(jié)點(diǎn)信息，并根據(jù)公式(1)計(jì)算該特征實(shí)體節(jié)點(diǎn)集與本體知識節(jié)點(diǎn)關(guān)聯(lián)程度，對關(guān)聯(lián)程度結(jié)果集進(jìn)行排序得到第一檢索結(jié)果向量集S；

其中，Node_i.in表示檢索結(jié)果中，病蟲害本體知識節(jié)點(diǎn)入度，Node_j,out表示檢索結(jié)果中，病蟲害特征實(shí)體節(jié)點(diǎn)出度，n表示病蟲害特征實(shí)體節(jié)點(diǎn)個(gè)數(shù)；

利用圖像分類模型對用戶上傳的病蟲害圖片進(jìn)行識別，得到結(jié)果向量集C，

并利用公式(2)融合得到的向量集S、C，得到檢索結(jié)果Result知識節(jié)點(diǎn)；

利用知識推理方法獲取與檢索結(jié)果Result知識節(jié)點(diǎn)關(guān)系為“防治”的知識節(jié)點(diǎn)，三元組表示法描述為(？，防治，Result)，通過知識推理與計(jì)算得到相關(guān)防治知識節(jié)點(diǎn)信息，實(shí)現(xiàn)知識推薦服務(wù)。