【无标题】

《大规模知识图谱及其应用研究》

《知识图谱研究现状及军事应用》

武器装备领域知识图谱分为数据图Ｇｄ和模式图Ｇｓ两部分。在该知识图谱中，既包括ｒｄｆｓ：ｓｕｂＣｌａｓｓＯｆ、ｒｄｆｓ：ｅｑｕｉｖａｌｅｎｔＣｌａｓｓ的类来标注ＲＤＦＳ的属性和“服役”、“生产”等用户自定义属性，又包含边连接两个节点的三元组事实，如＜Ｆ２２猛禽战机，服役，美国空军＞等。在该实例中，模式图Ｇｓ和数据图Ｇｄ之间的关系Ｒ由类型（ｒｄｆｓ：ｔｙｐｅ）构成，它们有效地表达了数据图中的实例与所属概念之间存在的关系

《科学事件知识图谱构建研究》

定义科学事件、科学元事件的定义
目标：从知网摘要中抽取（主谓宾）作为三元组，存储到NEO4j数据库中。
定义一个“元事件”是由三部分组成:Subject(加菲尔德)———Action(提出)———Object(引文索引概念)
在构建知识图谱之前，首先要需要进行知识建模，即根据数据构建知识图谱的元数据模型。

《自然灾害应急知识图谱构建方法研究》

围绕自然灾害事件、灾害应急任务、灾害数据、模型方法4个要素，自顶向下构建模式层，通过本体建模形成知识图谱的概念框架；自底向上构建数据层，通过数据获取、知识抽取、融合、存储建立实体间关联关系。以洪涝灾害应急知识图谱为例进行实验验证

本体是指对领域内概念及其关系的一种明确的、形式化、规范化的描述说明［6，31-32］，利用本体的思想构建自然灾害应急知识图谱的模式层，为数据层中具体实例的要素属性分解奠定理论框架基础
一个自然灾害事件本体表示为： DisasterEvent= ｛Event_Concept， Event_ Property， Event_Relation， Event_Restriction， Event_Instance｝ 其中，Event_Concept表示所有自然灾害事 件概念的集合，包含了自然灾害概念的定义以及 概念层次分类；Event_Property表示自然灾害事 件本身属性的定义，如灾害事件名称、发生时间、 发生地点等；Event_Relation表示自然灾害事件 之间语义关联关系的定义，如引发、并发、群发 等；Event_Restriction表示公理，描述自然灾害事 件之间的约束关系

《基于电商数据的产品知识图谱构建研究》
Kagie等为解决消费者网购时选择困难的问题,利用多维尺度变换的方法,根据产品属性的相似度和不相似度构建产品图谱,简化产品搜索和产品比较的过程

以手机官网及行业测评网站上的静态信息为基础,生成手机知识图谱的模式层 ：

《知识图谱在数字人文中的应用研究》

以李清照的社会关系为例来说明知识图谱的构建过程。李清照在CBDB中存在学术类和著述类两大社会关系类，而王安石则存在学术类、政治类、朋友类、著述类和社会关系(笼统)五大类。在同一个图谱中显示某人的所有关系节点，将会非常混乱，因此在设计知识图谱时，可以根据其社会关系大类进行查看

《基于深度学习与图数据库构建中文商业知识图谱的探索研究 》

知识图谱绘制中最重要的环节：构建知识单元、构建单元关系、知识图谱的结构化展示。
本文为了研究方便，将知识单元的抽取、知识间关系的识别映射为命名实体的识别和实体关系的识别。

《金属切削加工知识图谱构建及应用》

现有研究：企业和高校对金属切削加工过程的研究持续不断，且硕果累累。概括起来主要包括4个方面：（1）建立切削数据库。
现存问题：存在问题集中表现在以下3个方面：（1）对切削加工数据的存储多采用关系型数据库，其模式固定，扩展成本大。数据的价值完全依赖人工挖掘，数据自身不具备智能特性。（2）对制造型企业，与金属切削加工相关的数据散布在多个应用系统中，彼此隔离，未能形成一种有效的方式将这些宝贵的数据资源关联为一个统一的整体。（3）对金属切削过程的最新研究成果多以非结构化或半结构化的文档形式存在，难以与结构化的切削数据库关联，导致无法及时为企业的生产提供有价值的服务
解决方式：
研究意义：构建以刀具为中心的金属切削加工知识图谱，实现切削加工数据全面融合，为智能制造落地实现提供有力支持

研究内容：知识图谱构建、推荐查询系统
金属切削加工完整的本体模型，包含了事实性知识和过程性知识的基本类。


基于.NetMVC架构开发了B/S结构的金属切削知识图谱可视化系统，
用户层：用户通过浏览器访问图数据库，本文采用d3.js在浏览器上绘制Neo4j中的节点-关系属性。
表示层：包括.NetMVC的Controller和View，负责接收用户的请求，并将查询计算结果以网页的形式回传到用户层。
业务层：包括Neo4jCommunityDrivers和NetMVC的Model。前者是.Net架构下与Neo4j的连接引擎，后者实现将Cypher语言查询到的数据封装成C#类。
数据层：指图数据库Neo4j中存储的金属切削加工数据。

技术路线：