已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

大数据和人工智能极大地促进了矿产勘查的发展,创新了矿产预测研究范式,提升了地质找矿大数据的挖掘与集成能力。在资源定量预测领域,知识-数据联合驱动的综合信息智能预测已逐渐成为行业共识,如何实现数据和知识联合驱动是目前亟待解决的问题。知识图谱可以整合多源、异构的地质找矿大数据,其中蕴含的知识和规则在驱动地球科学领域的知识发现方面具有重要的发展潜力。本文针对大数据和人工智能时代对资源定量预测智能化和自动化的需求,结合知识图谱相关技术的特点,探讨融合知识图谱技术的矿产资源定量预测智能化和自动化的可行性和技术方法路线。重点剖析面向矿产预测的成矿-勘查系统多时序全要素知识图谱构建和基于知识图谱从“求同”和“求异”的角度建立找矿预测模型,知识图谱中的知识嵌入到地物化遥异常信息提取的方法,以及融合知识图谱的资源定量预测工作的机遇和挑战。拟希望将知识图谱中知识表达和推理融入到矿产资源定量预测技术方法流程中,协助地质专家来确定矿产预测模型,提高矿产预测的自动化和智能化。

在基于数据驱动范式的科学研究中,构建知识图谱已被证明是获取和表征知识的有效手段之一。然而,目前已构建的矿产资源预测领域知识图谱仍然存在诸多挑战和局限性,有待进一步解决和完善。首先,针对矿产预测的本体构建问题研究相对较少,尤其是该领域现有知识图谱的本体层普遍缺乏时空语义,限制了对于矿产资源时空特征的有效表示与分析。其次,现有图谱构建方法主要为面向数据层面的文本抽取,而缺乏对于复杂逻辑关系的本体层建设,以及本体层与数据层之间的有效关联。以上问题会导致构建的地学知识图谱缺乏深层次的语义信息,难以满足矿产资源预测对表达复杂地学概念和关系的需求。针对上述问题,本研究以综合信息矿产预测理论为指导,旨在构建可应用于矿产预测任务的复杂语义知识图谱。具体而言,首先通过对矿产预测的理论和方法进行解析构建初始化领域本体,然后选择成熟的地质时间本体和地理空间本体对初始本体进行本体融合和扩展,通过嵌入时空语义有效表达地矿产资源的时空特征。此外,重点关注了本体层与数据层之间的关联建设,通过建立丰富的语义关系,实现知识图谱中各个节点之间的有效连接与信息共享。实验结果表明,采用本文所提出的方法构建的图谱在知识丰度和置信度等指标上均优于其他现有方法。这一研究为矿产预测领域提供了更为深入和全面的数据资源建设的方法支撑,有助于推动该领域的进一步发展和应用。

找矿知识图谱是一个结构化的找矿知识表示形式,它通过将各种矿床地质、矿物、矿体和勘探开发技术等要素以及要素之间的关系进行关联和表达,形成一个知识图谱结构,为矿产资源的预测和评估提供了新的途径。本研究从数据源和文献中收集了钦杭成矿带斑岩铜矿的相关知识,利用自然语言处理技术构建了知识图谱并和机器学习技术进行知识的自动化提取和推理。本研究通过构建找矿知识图谱模型,对钦杭成矿带斑岩铜矿的实体、属性和关系进行了表达和存储。在此基础上,利用自然语言处理技术对知识图谱进行了语义关联和推理,实现了知识的自动化提取和推理。本研究还建立了查询问答和可视化系统,使用户可以通过查询实体、属性或关系来获取相关信息,并以可视化的方式展示钦杭成矿带斑岩铜矿信息的结构和关联。最后,本研究通过实验和测试验证了基于知识图谱的智能应用在钦杭成矿带斑岩铜矿找矿工作中的有效性和准确性。与传统方法相比,该应用能够在短时间内提供更全面、准确的找矿建议。未来,将深化图算法应用和推荐系统,以满足不同场景下的找矿需求,并拓展其在其他相关领域的应用潜力。