石油勘探开发知识图谱和智能问答探索.doc

石油勘探开发知识图谱 和智能问答探索 大纲 一、知识图谱及历史背景 二、勘探开发知识图谱背景及技术成果三、勘探开发知识图谱---技术方案 知识图谱及查询 智能问答 简单问答 复杂问答 四、 前研究工作 一、知识图谱及其历史背景 历史背景 前状态 为什么会有知识图谱？ 知识表示  知识 表示 逻辑和推理规则 Frame, Semantic Network, Ontology, Representation Logic,… 精确、结论可回溯 泛化能力差，适用于小数据 ? 统计学习 知识图谱 ? 依赖数据分布模型 ? 黑盒 统计 ? 泛化能力强，适用于大数据 量 学 习 ? 知识图谱 据 ,NLP 数 ? 知识与知识、知识与数据之间的联系 ? 将知识表示与统计学习进行关联 ? 知识表示方法进行精确地知识与知识联系的初步构建； ? 统计学习方法，构建大量的知识与数据之间的联系，补充知识之间的联系。 知识图谱-语义搜索 Google知识图谱-语义搜索，关联性搜索 知识图谱-辅助问答交互 知识图谱-辅助大数据分析 知识图谱-语义辅助设备互联 设备抽象与语义互操作 知识图谱-应用领域 二、勘探开发知识图谱 背景 勘探开发过程中产生的数据、图像、理论、成果及经验总结多以文档存储； 隐性的 当前人工智能发展以大数据为基础； 显性的 信息与智能鸿沟 信息多但无数据（结构化标注数据） 知识多但无联系 成果多但无重用  知识？ 人工智能？ 大数据？ 勘信探息开与发智知能识鸿图沟谱 二、勘探开发知识图谱---技术成果 知识图谱构建 勘探开发知识表征 图数据库 图搜索 勘探开发文档智能分析 文档结构分析 章节识别 段落识别 图像识别 引文识别… 文档语义分析 实体词识别 关系抽取 主题分析 词嵌入，图嵌入…  大数据 人工智能 ? 智能问答 勘探 油藏 开发 … 分析 分析 分析 ? 简单问答 ? 问题语义分析 关系 勘探开发 ? 查询语句生成 知识图谱 数据 ? 图语义匹配和搜索 表格 图像 文档 ? 结果排序 数据 格式 数据 ? 复杂问题 勘探开发文 ? 语句段落语义分析 档智能分析 语句语义索引 深度语义匹配模型  辅助决策 智能 问答 非关系 数据 知识 关系 二、勘探开发知识图谱-技术成果 知识及其图谱数据 文档来源 知识图谱及关系数据 一期 ? 油气时运移论文466篇 ? 概念实例13826及5357关系 ? 海相碳酸盐文章20 篇 ? 实例三元组19468 二期 ? 石油汉语主题词表 ? 概念词10277及其关系71963 ? 油气资源论文2509篇 ? 实例三元组898700（89万条） ? 中国石油勘探开发百科全书 ? 实例三元组139656（14万条） 辅助文档 ? Wikipedia 概念实例(1600万)及6212关系 复杂问题语义匹配训练数据 实例三元组1016967016（10亿） 通用问答对138516；专业问答对 2000 石油概念词图谱 非正式主题词 一级学科 （ID） 包含 等价 包含 正式主题词 label 次级学科 中英文 （ID） 族首 上位词ID 下位词ID 相关词ID  实体词汇：10277 词组关系:56985 学科包含关系：14978 石油概念词图谱 正式主题词—→ 滨岸相 英文名—→ Shoreside facies D无障壁海岸相 ←—非正式主题 词 F 近滨亚相 直接下位类  非正式主题词— 无障壁海岸相 → 英文名—→ No barrier coast phase Y 滨岸相 ←—正式主题词  非正式主题词 海岸砂丘亚相 …… S 陆相 ←—直接上位类 Z 相* ←—族首词 C 沉积相 ←—相关词 正式主题词  学科范畴—→ 1100 石油、天然气 学科子类—→ 地质与勘探 1102 油、气、水物 词族索引 理、化学性质 ←—主题词 低硫原油 低密度原油 ←—非正式主 Y 轻质原油 题词 ←—正式主题 词 相* ←—族首词 ? 测井相 ? 沉积相 下属主题词 范畴索引 ? ? 沉积微相 …… 二、勘探开发知识图谱---技术成果 关键算法指标 关系抽取算法-CSSEM 测试数据 算法名称 准确率 召回率 F1 GSA DSNF 83.42 56.10 67.09 (通用领域) CSSEM 84.37 68.94 75.88 OSA DSNF 43.52 38.24 40.71 （勘探领域） CSSEM 76.85 57.12 65.53  简单问答匹配算法-DERM 准确率 SEQA 0.4040 DERM 0.5509 TempalteQA 0.62 WebQuestion 数据测试集 复杂问答匹配算