[發明專利]一種基于知識圖譜的果樹病蟲害智慧云知識服務系統及方法

在審

• 申請號: 202011531292.3
• 申請日: 2020-12-23
• 公開（公告）號: CN112633504A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 關連正;張建;耿傳偉
• 申請（專利權）人: 北京工業大學
• 主分類號: G06N5/04
• 分類號: G06N5/04;G06N5/02;G06F16/36;G06F40/295
• 代理公司: 北京思海天達知識產權代理有限公司 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系統，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據進行知識抽取與表示；

知識存儲模塊，利用Neo4j圖數據庫存儲果樹病蟲害本體與特征實體關系圖譜，基于SOA設計核心業務服務API接口，提供數據交互服務，Docker容器封裝系統應用，使系統平臺具有高移植性和可擴展性；

知識推理與應用模塊，提供知識推理以及相關防治知識推薦功能。

2.根據權利要求1所述的果樹病蟲害智慧云知識服務系統，其特征在于，知識獲取與加工模塊，對果樹病蟲害原始數據進行知識抽取與表示具體為：

利用正則表達式、Pandas以及Xpath對半結構化數據、非結構化數據進行自動化數據清洗，其中Excel數據利用Pandas對其中缺省數據進行過濾，XML數據以及HTML文本數據通過Xpath路徑查詢語言篩選其中包含病蟲害特征節點，結合正則表達式，將數據處理為結構化數據；

利用中文分詞對結構化數據進行分詞，詞性標注以及命名實體識別方法篩選病蟲害特征實體；

利用Word2Vec詞向量模型對非結構化數據訓練，利用詞向量表示病蟲害特征實體，利用余弦相似度算法計算病蟲害特征實體與本體的關聯程度，過濾關聯度小于預設閾值的病蟲害特征實體；

利用三元組表示法描述病蟲害特征實體與本體關系，其中病蟲害本體包含屬性為ID、名稱、別名、圖片、發病部位、發病規律、癥狀以及防治方法；

其中結構化數據包含病蟲害防治相關知識書籍或視頻資源，利用三元組表示法描述其關系，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.根據權利要求1所述的果樹病蟲害智慧云知識服務系統，其特征在于，知識存儲模塊，利用Neo4j圖數據庫提供果樹病蟲害知識圖譜存儲服務，保存病蟲害本體與特征實體關系以及相關防治知識本體關系；

基于SOA將果樹病蟲害知識服務系統按照服務功能進行拆分，設計API接口包括用戶身份驗證服務接口、用戶權限控制服務接口、果樹病蟲害特征實體提取服務接口、病蟲害知識推理與檢索服務接口、病蟲害圖像識別服務接口、病蟲害知識推薦服務接口；利用Mysql關系型數據庫提供用戶相關數據存儲服務以及相關系統訪問日志存儲服務；利用Redis分布式緩存數據庫提供API接口訪問緩存服務；

利用Docker容器技術，將本系統平臺知識服務應用進行封裝。

4.根據權利要求1所述的果樹病蟲害智慧云知識服務系統，其特征在于，知識推理與應用模塊，提供知識推理以及相關防治知識推薦功能具體為：

針對用戶查詢描述信息進行中文分詞、詞性標注以及命名實體識別，提取病蟲害特征實體，將特征實體用Word2Vec模型表示為詞向量，再對特征實體與知識庫中病蟲害特征實體知識節點做關聯度計算，過濾掉弱關聯度實體；

利用提取的特征實體與知識庫中特征實體知識節點做映射，檢索相關聯的病蟲害本體知識節點信息，并根據公式(1)計算該特征實體節點集與本體知識節點關聯程度，對關聯程度結果集進行排序得到第一檢索結果向量集S；

其中，Node_i.in表示檢索結果中，病蟲害本體知識節點入度，Node_j,out表示檢索結果中，病蟲害特征實體節點出度，n表示病蟲害特征實體節點個數；

利用圖像分類模型對用戶上傳的病蟲害圖片進行識別，得到結果向量集C，

并利用公式(2)融合得到的向量集S、C，得到檢索結果Result知識節點；

利用知識推理方法獲取與檢索結果Result知識節點關系為“防治”的知識節點，三元組表示法描述為(？，防治，Result)，通過知識推理與計算得到相關防治知識節點信息，實現知識推薦服務。

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

1)對果樹病蟲害原始數據進行知識抽取與表示具體為：

利用正則表達式、Pandas以及Xpath對半結構化數據、非結構化數據進行自動化數據清洗，其中Excel數據利用Pandas對其中缺省數據進行過濾，XML數據以及HTML文本數據通過Xpath路徑查詢語言篩選其中包含病蟲害特征節點，結合正則表達式，將數據處理為結構化數據；

利用中文分詞對結構化數據進行分詞，詞性標注以及命名實體識別方法篩選病蟲害特征實體；

利用Word2Vec詞向量模型對非結構化數據訓練，利用詞向量表示病蟲害特征實體，利用余弦相似度算法計算病蟲害特征實體與本體的關聯程度，過濾關聯度小于預設閾值的病蟲害特征實體；

利用三元組表示法描述病蟲害特征實體與本體關系，其中病蟲害本體包含屬性為ID、名稱、別名、圖片、發病部位、發病規律、癥狀以及防治方法；

其中結構化數據包含病蟲害防治相關知識書籍或視頻資源，利用三元組表示法描述其關系，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圖數據庫提供果樹病蟲害知識圖譜存儲服務，保存病蟲害本體與特征實體關系以及相關防治知識本體關系，具體為：

基于SOA將果樹病蟲害知識服務系統按照服務功能進行拆分，設計API接口包括用戶身份驗證服務接口、用戶權限控制服務接口、果樹病蟲害特征實體提取服務接口、病蟲害知識推理與檢索服務接口、病蟲害圖像識別服務接口、病蟲害知識推薦服務接口；利用Mysql關系型數據庫提供用戶相關數據存儲服務以及相關系統訪問日志存儲服務；利用Redis分布式緩存數據庫提供API接口訪問緩存服務；

利用Docker容器技術，將系統平臺知識服務應用進行封裝；

3)提供知識推理以及相關防治知識推薦功能具體為：

針對用戶查詢描述信息進行中文分詞、詞性標注以及命名實體識別，提取病蟲害特征實體，將特征實體用Word2Vec模型表示為詞向量，再對特征實體與知識庫中病蟲害特征實體知識節點做關聯度計算，過濾掉弱關聯度實體；

利用提取的特征實體與知識庫中特征實體知識節點做映射，檢索相關聯的病蟲害本體知識節點信息，并根據公式(1)計算該特征實體節點集與本體知識節點關聯程度，對關聯程度結果集進行排序得到第一檢索結果向量集S；

其中，Node_i.in表示檢索結果中，病蟲害本體知識節點入度，Node_j,out表示檢索結果中，病蟲害特征實體節點出度，n表示病蟲害特征實體節點個數；

利用圖像分類模型對用戶上傳的病蟲害圖片進行識別，得到結果向量集C，

并利用公式(2)融合得到的向量集S、C，得到檢索結果Result知識節點；

利用知識推理方法獲取與檢索結果Result知識節點關系為“防治”的知識節點，三元組表示法描述為(？，防治，Result)，通過知識推理與計算得到相關防治知識節點信息，實現知識推薦服務。