[發明專利]一種基于多源時空數據的知識圖譜機器推理系統和方法

有效

• 申請號: 202210587662.8
• 申請日: 2022-05-27
• 公開（公告）號: CN114896472B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 彭玲;李瑋超;陳嘉輝;葛星彤
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F16/29;G06N5/02;G06N5/04;G06N20/00
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 金怡

1.一種基于多源時空數據的知識圖譜機器推理系統，其特征在于，包括：

多源時空數據知識圖譜構建模塊，用于將多源時空數據轉換并存儲為支持自動化機器學習推理的時空知識圖譜，作為推理的共性時空數據基底；

自動化機器學習推理知識圖譜構建模塊，用于將不同類型機器學習模型訓練、預測環節的關鍵信息以知識圖譜的語義網存儲方式加以統一組織關聯，便于基于知識圖譜共性語義概念將機器學習模型與上述時空知識圖譜中的多源時空數據耦合關聯，為后續推理計算提供必要的參數信息支持；

自動化機器學習推理控制模塊，用于自動化的制定、執行針對多元時空數據的機器學習訓練和預測任務計劃，以產出具體業務場景所需的推理計算結果；

所述自動化機器學習推理控制模塊，用于自動化的制定、執行針對多元時空數據的機器學習訓練和預測任務計劃，以產出具體業務場景所需的推理計算結果，包括：

機器學習訓練計劃生成模塊，為了實現機器學習模型能夠根據知識圖譜輸入的時空數據，自動化完成與之相關的學習任務；

機器學習訓練計劃執行模塊，設置一個定時器，定期檢查是否存在待執行的機器學習訓練計劃，若存在則啟動機器學習訓練計劃的自動執行算法；

機器學習模型優選推理模塊，基于上述機器學習訓練計劃的自動生成和執行機制，分別在不同的區域內，獲得針對機器學習目標的若干個已完成訓練的機器學習模型，并且不同模型訓練完成時所取得的精度指標通常存在差異，把相同區域內精度指標最優的模型作為該區域的優選模型；

所述自動化機器學習推理知識圖譜構建模塊，包括2個子模塊：機器學習推理知識本體概念框架構建模塊和機器學習推理知識實例提取模塊；

所述機器學習推理知識本體概念框架構建模塊用于為機器學習推理知識實例提取、存儲和應用提供統一完備規范的語義標準和結構約束，為多元機器學習模型及推理知識的管理提供分門別類的邏輯容器，機器學習推理知識本體概念框架構建的過程是使用語言編輯工具為概念層設計本體；

所述機器學習推理知識實例提取模塊，用于按照機器學習推理知識本體概念框架定義的語義標準和結構約束，從包含領域專家知識的機器學習程序腳本和文本數據中提取以三元組為基本單元的機器學習推理知識實例，從而將提取得到的機器學習推理知識實例放入為機器學習推理知識邏輯容器加以管理和調用。

2.根據權利要求1所述的一種基于多源時空數據的知識圖譜機器推理系統，其特征在于，所述的機器學習推理知識本體概念框架構建模塊進行概念層設計，具體如下：

自動化機器學習推理知識圖譜的概念層是能夠適配多源時空數據的機器學習模型的邏輯結構，遵循已有的RDFS標準語義規范，包含語義概念及其相互關系，基于從屬關系、屬性主客關系不同概念之間的語義關聯，構建樹狀層次概念網絡，保證多元機器學習模型及推理知識內在語義概念的一致性，自動化機器學習推理知識圖譜的概念層包括：機器學習通用語義本體、地理實體通用語義本體、時間本體、空間本體四部分。

3.根據權利要求1所述的一種基于多源時空數據的知識圖譜機器推理系統，其特征在于，所述的機器學習通用語義本體具體設計如下：

機器學習通用語義本體為各類機器學習方法提供統一的模型算法的知識表示規范，以保證不同類型的機器學習模型算法都能在知識圖譜中實現有效的實例化表示，進而能與知識圖譜中的多源地理實體自動銜接完成機器學習模型的訓練和推理計算任務，機器學習通用語義本體的樹狀層次概念結構，分為2個領域概念：機器學習模型概念、機器學習目標概念。