一、Squeal:用于网络的结构化查询语言（论文文献综述）
焦瑞[1]（2021）在《基于BERT多任务联合训练的土木工程问答系统研究》文中研究指明目前土木工程领域信息化服务建设正处于发展阶段,设计人员在设计过程中会涉及到大量知识检索和知识问答的需求,而目前大量的领域知识、规范和标准都是非结构化文本的形式,知识库的构建存在着难度,口语化的自然语言问题也无法被有效解析,问答需求无法被满足。因此本文选定土木工程垂直领域的智能问答应用作为切入点,使用新型自然语言处理方法深入研究面向该领域的智能问答技术。本文的工作是基于知识库的土木工程智能问答系统构建,主要涉及自然语言处理技术。按上下游具体技术难点,分为问答句对自动构建技术、知识库自动构建方法、智能问答方法、智能问答系统构建四个方面。（1）针对土木工程领域问答句对语料数据量小的问题,提出了一套用于扩充问答句对数据集的模型方案,该方案是BERT、Transformer和UniLM结合的序列学习模型,使用二次预训练方法将大量开放域语料的语法、句法规则迁移到土木工程领域,结合该领域内的少量人工标注数据获取语义信息,并对模型堆叠模块随机采样分层训练,优化参数后生成高质量领域目标问句,最终形成领域自然语言问答句对数据。模型生成问句质量达到了最佳的26.19-BLEU,相比基线模型LSTM提升达12.78。（2）针对知识库构建难的问题,提出了用于自动化构建知识库的联合训练端到端深度学习模型CivilWoSpERT。该模型是基于子序列片段Span、融合了词晶格嵌入表示机制的命名实体和关系联合抽取方案。最终在命名实体识别任务上达到了 87.47的F1值,在关系抽取上达到了 78.66的F1值。（3）针对智能问答方法,提出了一种基于知识库的快速问答方法,该方法可解析自然语言问题并通过知识库检索返回目标答案。（4）在智能问答系统的构建方面,主要对系统进行前三阶段模型和方法的融入,采用主流的前后端分离Web系统方案完成整个智能问答系统的搭建。本文旨在通过以上内容对土木工程领域智能问答系统深入研究,逐个解决数据集数量小、信息抽取难度大、传统知识库对领域知识覆盖不足等针对性问题,通过深度学习方法构建一套能够满足实际智能问答需求的土木工程智能问答系统。
杨泽[2]（2021）在《中国古典文学文本的命名实体识别及知识图谱构建研究》文中进行了进一步梳理
吴孟宇[3]（2021）在《基于知识图谱的金融领域服务系统的设计与实现》文中研究说明金融业作为高度具有信息敏感性的一个行业,从业人员亟需全面的行业信息从而在智能投研、风控中作出重要决策。快速增长的金融信息量和大量非结构化的金融公告文本,使得金融研究团队难以快速完成如此庞大数量的信息研读工作。基于以上现状,提供高质量的金融信息服务尤为重要,知识图谱的信息组织形式能够将零散的信息整合成结构化的高价值知识,挖掘信息间的互联关系,有利于满足智能化的领域信息服务需求,因此本文基于知识图谱设计并实现了具有信息查询功能和金融公告信息抽取功能的金融领域服务系统,主要作出了以下研究:1.研究了金融领域知识图谱的构建技术,提出了完整的知识图谱构建方案。根据系统的信息服务需求设计了新的知识图谱模式层,并利用互联网数据完成了金融知识图谱的构建,为后续系统实现和金融股领域知识图谱的进一步研究提供基础。2.研究了金融公告信息抽取算法,提出将BiLSTM-Attention-CRF网络模型应用于公告信息抽取。针对金融领域公开数据集缺乏的问题,提出了数据集构建和模型训练方案,并与传统BiLSTM-CRF模型进行性能比较,确保了模型的优势和有效性。最后将训练好的模型封装构建了金融公告信息抽取器,完成了整个金融公告信息抽取流程。3.基于以上构建的知识图谱和金融公告信息抽取器,设计和实现了金融领域信息服务系统。针对金融领域结构化和非结构化数据的信息处理需求,在系统中提供了自动化的知识查询功能和公告信息抽取功能,并进行了响应结果及系统页面的设计,在前端对知识图谱进行可视化展示。总体而言,本文提出了金融领域知识图谱的构建方案,并利用深度学习技术提出了针对金融领域非结构化公告信息的抽取算法。结合两者研究了金融领域信息服务系统的构建方案,供用户进行信息获取,并对系统应用的模型以及系统功能进行了测试,验证了系统的有效性。
李娇[4]（2021）在《基于知识图谱的科研综述生成研究》文中进行了进一步梳理开放科学背景下,科技论文等文献资源的爆炸式增长大大超过人工处理的极限,使得研究人员在合理时间内准确获取研究专题相关信息变得愈加困难,为解决这一文献获取困境,科研综述研究已成为近年来学术界普遍关注的热点问题。现有的科研综述生成研究主要有面向文档数据的文本自动综述和基于文献数据的图表综述生成,受限于自然语言处理等文本计算技术水平的发展,存在数据资源处理规模有限、质量不稳定、知识挖掘深度不够、展示形态单一等问题,距离人工效果仍有一定差距,急需寻求新的技术路径。随着计算技术的发展及科研用户需求的提升,广义的综述在核心方法和展示形式上正在朝多元化发展。知识图谱作为学术大数据时代新的数据基础设施及知识组织形式,其语义规范性和链接思想可将原本非结构、无关联的粗糙数据逐步提炼为结构化、强关联的高质知识,可支持科技文献结构与主题信息的多角度组织与揭示,在数据分析与挖掘方面表现出极大的应用价值。本文以面向科技文献资源和专题知识的科研知识图谱为重要技术支撑,探索研究基于知识图谱的科研综述实现过程中的若干实用性科学问题,主要研究内容及成果包括如下几个方面:（1）设计了深度融合科技文献与专题数据的科研本体数据模型,支撑多源数据的融合组织。针对现有学术资源语义描述模型中文献与主题关联过于简单且主题类数据模型缺乏层次结构的问题,本文结合专题数据中术语、概念等的逻辑表达特征设计了主题数据模型,并基于文献结构特征和主题语义元素之间的语义连通路径设计了融合主题、科技文献资源、科研活动主体的多维语义描述关联模型,为科研知识图谱的构建提供语义基础。（2）研制了面向科技文献与专题数据的科研知识图谱构建方案与工具,实现多源语料的知识抽取与融合管理。设计了涵盖实体消歧、文献重要度计算、文献资源主题标引、摘要语步识别等算法模型的数据加工方法,基于开源ETL框架构建面向多源异构语料数据的图数据生成、更新、管理工具,形成以RDF图数据模型为主的知识图谱构建方法,工具功能的全面性及一站式操作特点在相关技术领域具有一定的创新性和较强的应用价值。（3）集成应用了跨数据模型的知识图谱映射存储机制及基于知识图谱的点边关系计算,实现科研知识图谱的高效存储管理与应用支撑。基于知识图谱数据的RDF图数据和属性图数据映射关系设计支持多层子类的索引策略,制定科研知识图谱数据存储管理方法及基于图算法的接口支撑策略,实现面向查询的语义解析与实例匹配、基于子图结构的实体及关系聚类等关键技术,为科研综述的实现奠定数据流逻辑。（4）构建了基于知识图谱的科研综述原型系统,实现面向查询的结构化聚合知识展示。研究设计基于知识图谱的科研综述系统的体系架构和功能模块,支持面向主题词查询的专题知识及文献聚类、重要文献发展脉络、热点主题演化分析、高影响力专家推荐多种应用场景,实现多维度、结构化科研综述的验证,并结合知识图谱和POI自动生成可阅览下载的科研综述文档。与现有典型综述系统的对比分析显示,结合知识图谱的图结构特性的科研综述系统在数据处理规模、操作灵活性及展示形式上均有所创新和突破。
吴赛赛[5]（2021）在《基于知识图谱的作物病虫害智能问答系统设计与实现》文中研究指明在农业生产过程中,病虫害一直以来都是影响农产品产量和质量的主要问题,然而随着互联网技术的发展,网络数据呈爆炸式增长,作物病虫害数据也呈现出高度分散、多源异构的状态,使得农民、植保专家等农业相关从业者很难迅速准确地获取所需信息。传统的信息获取方式以搜索引擎为主,但其采用基于关键词或浅层语义分析等方式实现检索,返回大量相关网页链接,答案模糊且冗余。智能问答系统由于支持用户自然语言输入、精准捕获用户意图、返回简洁准确的答案,成为近年来的研究热点。知识图谱的出现和快速发展,为智能问答系统提供了高质量的知识库基础,推动了问答系统在各个领域中的应用。本文融合自然语言处理、深度学习等技术,设计并实现基于知识图谱的作物病虫害智能问答系统,主要开展的工作如下:（1）作物病虫害知识图谱构建。知识图谱构建过程主要分为四个步骤:数据获取,本体构建,知识抽取以及知识存储。首先,利用爬虫技术采集相关作物病虫害数据,并进行数据清洗、数据分析等数据预处理工作。其次,根据数据内容及表示特征,构建作物病虫害本体,预定义实体间的关系和属性类型,明确知识抽取的边界。然后,在本体的基础上,利用规则逻辑方法提取半结构化数据;利用实体和关系联合抽取方法提取非结构化数据。最后,将抽取到的三元组数据存储到Neo4j图数据库中,实现知识图谱的可视化管理和一定程度的知识推理。（2）提出基于新标注策略的实体和关系联合抽取。传统的语料标注方式不一定适用于所有领域,本文根据作物病虫害语料库特征,以一种与领域语料相适应的新标注体系实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据,不仅提高至少一倍的标注效率,还有效缓解重叠关系抽取问题。同时利用BERT-Bi LSTM-CRF端到端深度学习模型在数据集上进行实验,取得90.51%的F1值。（3）基于知识图谱的问答算法研究。在作物病虫害知识图谱构建完成的基础上,将问答任务划分为三个子任务:命名实体识别、属性链接以及问句相似性计算。为了构建更加轻量级的问答系统,本文利用Han LP自然语言处理工具中的中文分词+自定义词典+词性标注功能实现问句的实体识别。通过构建属性标注库,利用ERNIE预训练语言模型完成对问答过程的问句属性链接,其在数据集上的表现明显优于其他经典模型。为了增强用户问答的智能性、便利性和连贯性,通过基于TF-IDF算法的文本相似性计算,展示与用户输入问句相似的相关问句。（4）设计并实现了基于知识图谱的作物病虫害智能问答原型系统。结合Fast API、Vue.js等框架实现问答原型系统的前端和后端开发与交互,实现用户以自然语言问句提问,支持作物病虫害症状、病原、防治药物等信息的问答。本文在实体关系联合抽取技术基础上提出了一种知识图谱的半自动化构建方法,并研发基于知识图谱的作物病虫害智能问答系统。本文工作为农业智能问答领域提供了一种新思路,其中知识图谱的半自动化构建方法可为农业推荐系统、农业知识库构建、农业智能搜索等应用知识库构建的技术支撑。
蔡新辉[6]（2021）在《基于多源异构数据的地方风土人情知识图谱构建方法及应用研究》文中研究表明随着信息化与大数据时代的迅猛发展,人们在生活中所面临的信息也越加的纷繁复杂,但真正能有所帮助的信息十分有限,究其原因是因为这些信息没有针对性和规范性。有效的解决方法是将信息有所针对性的结构化处理。知识图谱（Knowledge Graph）因为在数据关联度和结构化方面的优势,受到越来越多的关注。目前知识图谱已经在多个领域得到应用,包括开放领域,以及医疗、教育、电影等垂直领域。风土人情,是一个地方特有的自然环境、风俗、礼节、习惯的总和,具有很高的人文和自然价值。但是针对该领域的知识图谱构建及应用还处于初步探索阶段,因此对于地方风土人情知识图谱的构建方法及应用的研究很有必要。传统的知识图谱构建方法的数据不够多源。而对于从文本中抽取实体关系三元组,传统的方法对于有重叠实体的三元组的抽取效果不理想。针对以上现状,本文围绕地方风土人情领域,对知识图谱的构建和应用给出一种解决方案,主要研究内容如下:（1）以内蒙古地区为例,构建内蒙古风土人情知识图谱。针对风土人情领域,在几种传统的垂直领域本体构建方法的基础上进行一些优化,使本体构建方法更适合于风土人情领域。在本体的约束下,基于多种来源、不同结构的数据,利用信息抽取技术,分别从中抽取出实体关系三元组,经知识融合后存入图数据库,完成内蒙古风土人情知识图谱的初步构建。（2）借鉴一种分层标注的方法,提出一种基于BERT-CRF的分层标注模型,从文本中联合抽取实体和关系。首先引入BERT对输入文本进行编码,并利用CRF标注出三元组的主语。在此基础上,针对每一种预定义的关系,采用半指针半标注方法,利用双指针标注出对应主语和关系下的宾语在文本中的首尾位置,进而将三元组完整抽取出。相较于原分层标注和传统的三元组抽取方法,三元组抽取效果有所改善。（3）基于一种管道式的知识图谱问答方法,对其实体提及识别模块进行改进,借鉴分层标注的三元组抽取中宾语的抽取思想,提出一种基于半指针半标注的实体提及识别方法,采用双指针从问句中标注出实体提及,识别效果和问答效果均有所提升。（4）基于内蒙古风土人情知识图谱和知识图谱问答方法,设计实现内蒙古风土人情问答平台,包括基于知识图谱的问答功能、知识图谱可视化和实体图片的展示功能,并允许用户提交三元组,以众包的方式更新知识图谱。
陈秋瑾[7]（2021）在《基于微服务架构与知识图谱技术构建无人机知识库系统》文中研究指明近年来,随着无人机技术的飞速发展以及逐年上涨的市场需求,无人机在各领域得到广泛应用且发挥着重要作用。随着“互联网+”时代的到来以及大数据技术的迅速发展,互联网中信息数据呈现指数增长趋势,如何在信息爆炸的时代获取所需的有效信息成为亟待解决的问题。本文采用B/S服务器模式,以分布式微服务架构为基础,基于分布式及增量式爬虫技术获取互联网中与无人机等应用领域相关的海量数据,采用自然语言处理、知识图谱、机器学习等算法从海量的非结构化文本数据中提取挖掘隐含及潜在价值知识,并利用Echarts组件及知识图谱等算法进行可视化分析,最后形成定制化的无人机知识库。主要研究内容如下:（1）知识获取及存储技术。系统以Scrapy为爬虫框架,采用分布式结合增量式爬虫技术从互联网中高效地获取无人机行业相关的海量数据;采用Redis高速缓存数据库存储爬取的URL网址,结合My SQL关系型数据库稳定地存储最终得到的结构化数据。（2）系统构建流程及架构设计。利用云计算技术的大数据管理平台,基于分布式服务器与大数据技术搭建系统,采用自底向上为主、自顶向下为辅的方式构建知识库;由于系统爬取任务量的增加及分布式服务器的需求,系统的架构也由最初的SMM单体式架构优化升级为Spring Cloud分布式微服务架构,以提高系统的扩展性及移植性。（3）数据提取及知识抽取技术。采用类机器学习机制半自动化地提取非结构化文本数据,通过构建自定义的规则库训练样本数据,提取出标签以匹配提取出的结构化数据;并利用自然语言处理等算法从获取的文本数据中提取关键句并生成文章的摘要信息;通过知识图谱等算法实现对获取的文本数据的知识抽取,最终抽取出结构化的知识元加入进知识库中,以实现知识库的知识发现与知识挖掘功能。（4）知识表示及数据可视化分析。采用知识树形式进行知识表示,并采用Echarts技术、知识图谱等可视化技术对获取及处理后的数据进行数据可视化分析,并以各类统计图表、关键字云图、机构同现及作者同现图等形式展现,直观清晰地展示无人机等行业领域的研究现状与发展趋势。
万梓聪[8]（2021）在《基于多源异构数据融合的押解风险预警系统的设计与实现》文中研究指明在监狱监管体系中外出押解是风险最大的环节之一,一旦在押解途中出现逃逸等安全事故,将激起群众恐慌、引发社会不安定因素。目前对押解途中的风险监控手段主要以人工干预为主,这种方式十分依赖警员经验,耗费人力、成本高、效率低。随着通信技术和人工智能技术的快速发展,基于人工智能技术的风险预警系统正逐渐渗透社会各个领域,在维持企业正常运营、保障人民生活质量等方面发挥了重要用作。因此,研究如何将人工智能技术应用至押解风险预警系统中对完善监狱监管体系、推动外出押解任务信息化、智能化有极大帮助。本文对目前各个领域中的风险预警系统进行深入研究,并总结了现有风险预警系统的两大不足:一是现有风险预警系统通常只对某单一数据源产生的数据建模,导致系统的风险预警能力出现瓶颈,难以进一步提升;二是为保证系统性能,风险预警模型越来越宽、深,这使得系统对硬件设备的计算资源和算力要求提高。然而,外出押解任务对预警系统的精确要求高且能够提供的硬件设备资源有限,现有模型无法直接应用于该任务,为此,本文提出基于深度学习的多源异构数据融合模型以突破现有风险预警模型的性能瓶颈。此外,本文对多源异构数据表示模型进行了优化,在保证模型精度的前提下,降低模型参数量和计算复杂度,确保押解风险预警系统能在计算资源有限的环境中正常运行。随后,通过一系列的对比试验和消融实验,验证了本文所设计的基于多源异构数据融合的押解风险预警模型的高效性。最后,本文设计和实现了基于多源异构数据融合的押解风险预警系统。本文对系统进行了详细的需求分析,将本系统划分为数据采集模块、风险预警模块、持久化模块以及可视化模块,其中风险预警模块采用了本文提出的基于多源异构数据融合的押解风险预警模型。最后,通过一系列的系统测试,验证了本系统能满足场景使用需求,符合设计预期。
王仲[9]（2021）在《燃气-蒸汽联合循环机组智能诊断与健康维护技术研究》文中研究指明燃气-蒸汽联合循环机组运行工况多变、状态参数间相互耦合、故障传递与演化规律复杂,其健康状况诊断是一项涉及多学科知识的复杂系统工程。本文在对影响机组健康状况的典型故障模式深入分析的基础上,结合知识工程、大数据以及人工智能等相关理论和技术,开展了数据与知识双驱动的机组智能诊断与健康维护技术研究。首先,针对燃气-蒸汽联合循环机组多源故障信息间关联关系复杂以及查询和推理低效的问题,提出了基于本体理论和语义网络技术的领域知识和数据结构化表示方法。以故障树分析法和故障模式及影响分析法为指导,系统性地分析了机组典型故障知识;提出了机组健康维护领域本体概念和层次结构,构建了包括边界工况、故障知识和监测数据在内的本体语义网,实现故障知识和数据的多粒度语义性建模;同时,研究了基于本体的机组故障知识和数据的语义性推理和查询方法,提高了故障知识和数据的管理效率和应用效果。其次,针对燃气-蒸汽联合循环机组运行工况的多变性和健康状态信息的复杂性,研究了基于条件变自编码器的机组健康状况异常检测方法。在深入分析机组的运行特性和监测数据规律的基础上,提出了包括稳态判别、工况划分、基准样本筛选等过程在内的机组历史运行数据清洗流程;考虑到负荷等边界条件对监测参数的影响,采用条件变自编码器建立多变运行工况下多参数融合的基准模型,实现变工况下机组健康状况的数据表征;采用模型的重构概率作为异常检测的特征指标,用于衡量机组实际状态与基准状态的偏离程度,提高机组健康状况异常检测的准确率和灵敏度。再次,针对燃气-蒸汽联合循环机组故障和征兆复杂关联关系下的诊断问题,研究了基于反事实推理的诊断决策方法。从因果性的角度重新定义故障和征兆间的关系,通过引入隐变量表示诊断的不确定性,结合领域本体搜索获得的故障知识,构建了故障的结构性因果模型。在此基础上,提出了基于反事实推理的充分因和必要因的表达式和计算模型,用于定量表征故障对证据的因果性解释强弱,并从敏度、可靠性和可解释性的角度对所提出的诊断方法的鲁棒性和工程适用性进行了评价。最后,研究了基于数字孪生的燃气-蒸汽联合循环机组智能诊断系统构架,详细介绍了该系统的总体设计思想、具体功能以及系统实现的关键技术等,完成了粤电集团中山电厂燃气-蒸汽联合循环机组智能诊断系统的开发,以推进燃气-蒸汽联合循环机组智能诊断与健康维护研究工作的技术成果转化和工程应用。
徐泽天[10]（2021）在《Elasticsearch在电网调度数据管理的应用研究》文中进行了进一步梳理某市电网调度自动化系统运行维护过程中,发现如下问题:1.调度数据快速增长,存储体量急剧膨胀,现有数据库难以满足数据存储需求。2.随着调度数据量的增长,数据查询速度越来越慢。3.现有调度自动化系统未实现日志可视化管理。随着智能电网的发展,调度自动化系统采集的电网调度运行、输变电设备在线监测等实时数据与系统运行、操作记录等日志数据将越来越多、越来越密集,形成采样快、体量大、类型多的调度大数据。现调度自动化系统普遍采用的关系型数据库是建立在低核心、小内存和大硬盘的硬件背景之上,在呈爆发式增长的调度大数据前存在读写速率低、扩展性差、并发能力不足和难以组织管理日志数据等瓶颈,无法为调度自动化系统提供稳定可靠存储、便捷高效读取和日志可视的调度数据管理服务。针对上述电网调度数据管理问题,本文提出一种以Elasticsearch分布式搜索引擎为核心的电网调度数据可靠存储、快速查询和日志数据可视化方法,将Elasticsearch在数据快速检索与日志可视化管理的优点应用于电网调度数据管理中。本文主要研究工作如下:1.为解决电网调度数据的存储问题,提出以基于云计算的Hadoop生态体系为架构,用非关系型数据库HBase代替现电网调度使用的关系型数据库来存储调度数据的方法。测试表明,电网调度分布式数据库HBase具有高可靠性和良好的并发读写性能,能满足调度自动化系统的数据存储需求。2.为解决电网调度数据查询缓慢的问题,提出在数据库HBase的一级索引基础上,通过Elasticsearch的倒排索引建立第二级索引的方法,设计并实现电网调度监测数据的二级索引结构,代替现关系型数据库的查询。以某市电网调度监测数据为样本,进行并发查询响应的对比测试,测试结果表明,基于Elasticsearch的二级索引结构的查询时间远小于现关系型数据库的查询时间,能满足调度自动化系统高速并发的数据查询需求。3.为解决电网调度自动化系统未实现日志可视化管理的问题,提出运用以Elasticsearch为核心的ELK技术栈的方法,设计并实现调度自动化系统日志可视化管理,有助于把握调度自动化系统的运行状态和精益化管理。4.基于上述解决方案,开发电网调度数据管理系统软件。结合电网调度数据管理需求,软件采用微软.NET框架,基于RESTful API实现后端处理、基于WCF提供数据服务、基于B/S模式进行前端交互,设计并实现电网调度数据管理。电网调度数据管理系统在管理某市电网调度数据的运行效果表明,该系统能满足海量调度数据稳定可靠存储、高效并发读取和日志可视化管理的需求,有助于未来调度自动化系统向智能化、精益化发展。
二、Squeal:用于网络的结构化查询语言（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Squeal:用于网络的结构化查询语言（论文提纲范文）
（1）基于BERT多任务联合训练的土木工程问答系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识库问答 |
| 1.2.2 自然语言问答句对构建技术 |
| 1.2.3 自然语言问答生成技术 |
| 1.2.4 联合信息抽取技术 |
| 1.3 研究内容和组织结构 |
| 2 数据集定义与构建 |
| 2.1 信息抽取相关数据集 |
| 2.2 问答句对生成相关数据集 |
| 2.3 本章小结 |
| 3 面向土木工程领域的问答句对生成技术 |
| 3.1 Transformer模型 |
| 3.1.1 堆叠编码器-解码器结构 |
| 3.1.2 注意力机制 |
| 3.1.3 绝对位置编码 |
| 3.2 BERT语言模型 |
| 3.3 问答句对生成形式化定义 |
| 3.4 问答句对生成任务模型描述 |
| 3.4.1 土木工程领域文本的预训练 |
| 3.4.2 统一的编码-解码器 |
| 3.5 生成问答句对的训练和推断 |
| 3.6 实验结果 |
| 3.6.1 实验设置 |
| 3.6.2 基线模型与评价指标 |
| 3.7 分析与讨论 |
| 3.7.1 机器评价结果与分析 |
| 3.7.2 人工评价结果与分析 |
| 3.8 本章小结 |
| 4 面向土木工程领域的联合信息抽取模型 |
| 4.1 模型介绍 |
| 4.1.1 预处理模块 |
| 4.1.2 Transformer模块 |
| 4.1.3 分类器模块 |
| 4.2 模型训练 |
| 4.2.1 领域适应性预训练 |
| 4.2.2 任务适配二次预训练 |
| 4.2.3 多任务训练 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 5 智能问答系统问答方法 |
| 5.1 概述 |
| 5.2 基础知识库与知识库的扩充 |
| 5.2.1 基准知识库数据预处理 |
| 5.2.2 基准数据集的知识扩充 |
| 5.3 子序列片段基础的命名实体识别 |
| 5.4 属性映射 |
| 5.5 实验 |
| 5.6 本章小结 |
| 6 智能问答系统设计与实现 |
| 6.1 智能问答系统需求分析 |
| 6.1.1 系统业务需求 |
| 6.1.2 系统功能需求 |
| 6.2 智能问答系统建模 |
| 6.2.1 系统用例图描述 |
| 6.2.2 系统问答功能时序图 |
| 6.2.3 智能问答子系统结构化设计 |
| 6.3 智能问答系统的构建技术路线 |
| 6.3.1 系统总体架构 |
| 6.3.2 系统功能流程设计 |
| 6.3.3 系统技术架构设计与实现 |
| 6.4 智能问答系统的平台测试 |
| 6.4.1 智能问答功能 |
| 6.4.2 图谱的可视化展示 |
| 6.4.3 问答句对生成 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.1.1 研究背景和研究工作 |
| 7.1.2 研究成果与论文创新点 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（3）基于知识图谱的金融领域服务系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识图谱领域研究现状 |
| 1.2.2 信息抽取研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 论文的结构安排 |
| 第二章 相关理论与技术基础 |
| 2.1 知识图谱构建 |
| 2.1.1 知识图谱的定义 |
| 2.1.2 知识图谱的构建方式 |
| 2.1.3 知识抽取 |
| 2.1.4 知识存储 |
| 2.2 自然语言处理技术 |
| 2.2.1 词向量模型 |
| 2.2.2 条件随机场模型 |
| 2.3 基于深度学习的信息抽取技术 |
| 2.3.1 双向长短时记忆网络 |
| 2.3.2 注意力机制 |
| 2.4 本章小结 |
| 第三章 金融领域服务系统的设计 |
| 3.1 系统的需求分析 |
| 3.1.1 系统功能性需求 |
| 3.1.2 系统非功能性需求 |
| 3.1.3 系统可行性分析 |
| 3.2 系统整体设计 |
| 3.2.1 系统整体架构设计 |
| 3.2.2 系统技术架构设计 |
| 3.3 系统模块的功能设计 |
| 3.3.1 数据抽取功能设计 |
| 3.3.2 金融公告抽取功能设计 |
| 3.3.3 数据存储功能设计 |
| 3.3.4 知识查询功能设计 |
| 3.3.5 前端用户交互功能设计 |
| 3.4 金融领域知识图谱设计 |
| 3.5 本章小结 |
| 第四章 金融领域服务系统的实现与测试 |
| 4.1 数据抽取模块的实现 |
| 4.2 金融公告抽取模块的实现 |
| 4.2.1 数据集构建 |
| 4.2.2 金融公告抽取模型 |
| 4.2.3 实验设置与结果分析 |
| 4.2.4 系统抽取功能实现 |
| 4.3 数据存储模块的实现 |
| 4.4 知识查询模块的实现 |
| 4.5 前端用户交互模块实现 |
| 4.6 系统测试 |
| 4.6.1 测试环境 |
| 4.6.2 金融公告抽取模型测试 |
| 4.6.3 系统功能测试 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 附录 缩略语 |
| 致谢 |
（4）基于知识图谱的科研综述生成研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究问题的提出 |
| 1.3 研究内容与技术路线 |
| 1.4 创新点 |
| 1.5 论文组织结构 |
| 第二章 相关研究与发展现状 |
| 2.1 相关概念界定 |
| 2.1.1 科研综述 |
| 2.1.2 科研知识图谱 |
| 2.2 科研综述相关研究进展 |
| 2.2.1 面向文档数据的文本自动综述方法 |
| 2.2.2 基于文献数据的图表综述生成方法 |
| 2.2.3 科研综述相关工具对比与分析 |
| 2.2.4 科研综述与知识图谱结合的可行性分析 |
| 2.3 知识图谱研究进展 |
| 2.3.1 知识图谱数据模型 |
| 2.3.2 知识图谱构建技术流程 |
| 2.3.3 知识图谱存储与管理 |
| 2.3.4 知识图谱在学术界的应用案例 |
| 2.4 文献资源语义关联描述模型 |
| 2.5 本章小结 |
| 第三章 科研知识图谱构建与管理 |
| 3.1 科研知识图谱模式层构建 |
| 3.1.1 科研本体实体对象选取与定义 |
| 3.1.2 科研本体多维度数据模型描述 |
| 3.1.3 基于Protégé的本体构建与管理 |
| 3.2 结构化语料获取解析与加工 |
| 3.2.1 基于PID和消歧算法的实体消歧 |
| 3.2.2 多因子复合加权文献重要度计算 |
| 3.2.3 基于语义匹配的文献资源主题标引 |
| 3.2.4 基于深度学习的论文摘要语步分类 |
| 3.3 科研知识图谱数据层构建 |
| 3.3.1 基于本体模型的实体与关系抽取 |
| 3.3.2 多格式图谱数据的转换与加载 |
| 3.3.3 多查询端远程图谱数据迁移 |
| 3.3.4 图谱数据的动态更新 |
| 3.3.5 性能评估与对比试验分析 |
| 3.4 科研知识图谱的存储与管理 |
| 3.4.1 知识图谱属性映射规则 |
| 3.4.2 科研知识图谱存储过程 |
| 3.5 本章小结 |
| 第四章 知识图谱驱动的科研综述实现机制 |
| 4.1 科研综述设计思路与技术需求 |
| 4.1.1 多层次科研综述模型设计 |
| 4.1.2 科研综述应用服务场景 |
| 4.1.3 基于图算法的接口支撑策略 |
| 4.2 知识计算在科研综述中的支撑应用 |
| 4.2.1 面向查询的语义解析与实例匹配 |
| 4.2.2 基于子图结构的实体及关系聚类 |
| 4.3 结合知识图谱和POI的综述文档生成 |
| 4.3.1 科研综述文档模板调研与设计 |
| 4.3.2 知识图谱与POI的匹配与协同 |
| 4.4 本章小结 |
| 第五章 基于知识图谱的科研综述生成验证 |
| 5.1 科研综述生成体系架构设计 |
| 5.2 专题科研知识图谱构建 |
| 5.2.1 多来源专题及文献语料的遴选与加工 |
| 5.2.2 机器学习专题科研知识图谱的构建 |
| 5.2.3 机器学习专题科研知识图谱管理与查询 |
| 5.3 科研综述生成实现 |
| 5.3.1 专题知识及文献聚类 |
| 5.3.2 重要文献发展脉络 |
| 5.3.3 热点主题演化分析 |
| 5.3.4 综述文档预览与下载 |
| 5.4 与现有综述方法的对比分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A |
| 致谢 |
| 作者简历 |
（5）基于知识图谱的作物病虫害智能问答系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识图谱 |
| 1.2.2 知识问答 |
| 1.3 研究内容与技术路线 |
| 1.4 论文组织结构 |
| 第二章 相关理论与技术 |
| 2.1 本体 |
| 2.2 知识抽取 |
| 2.2.1 命名实体识别 |
| 2.2.2 关系抽取 |
| 2.3 知识存储 |
| 2.4 知识融合与知识推理 |
| 2.5 属性链接 |
| 2.6 本章小结 |
| 第三章 作物病虫害智能问答系统设计框架 |
| 3.1 系统设计框架 |
| 3.2 系统主要技术 |
| 3.2.1 数据预处理 |
| 3.2.2 知识图谱构建 |
| 3.2.3 基于知识图谱的问答算法 |
| 3.2.4 问答服务平台搭建 |
| 3.3 本章小结 |
| 第四章 作物病虫害知识图谱构建 |
| 4.1 作物病虫害知识图谱构建流程 |
| 4.2 基于规则的半结构化知识抽取 |
| 4.3 基于BERT-Bi LSTM-CRF的实体关系联合抽取 |
| 4.3.1 ME+R+BIESO标注方法 |
| 4.3.2 BERT-Bi LSTM-CRF模型 |
| 4.3.3 实验及结果分析 |
| 4.4 基于Neo4j的知识存储 |
| 4.5 本章小结 |
| 第五章 基于知识图谱的知识问答算法 |
| 5.1 问句实体识别 |
| 5.2 属性链接 |
| 5.2.1 基于ERNIE的属性链接模型 |
| 5.2.2 属性标注库构建 |
| 5.2.3 实验结果与分析 |
| 5.3 答案查询 |
| 5.4 问句相似性计算 |
| 5.5 本章小结 |
| 第六章 作物病虫害智能问答原型系统设计与实现 |
| 6.1 开发环境与系统架构 |
| 6.1.1 开发环境 |
| 6.1.2 系统基础架构的实现 |
| 6.2 原型系统展示及测试 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（6）基于多源异构数据的地方风土人情知识图谱构建方法及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 知识图谱相关研究现状 |
| 1.2.1 知识图谱研究现状 |
| 1.2.2 知识图谱问答系统研究现状 |
| 1.2.3 发展趋势 |
| 1.3 研究内容和章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 相关概念与理论基础 |
| 2.1 本体 |
| 2.1.1 本体概念 |
| 2.1.2 本体语言 |
| 2.2 命名实体识别与实体关系抽取 |
| 2.2.1 命名实体识别 |
| 2.2.2 实体关系抽取 |
| 2.3 主要开发工具 |
| 2.3.1 Neo4j |
| 2.3.2 Protégé |
| 2.4 本章小结 |
| 第三章 基于多源异构数据的地方风土人情知识图谱构建方法 |
| 3.1 地方风土人情知识图谱本体构建 |
| 3.1.1 传统本体建模方法 |
| 3.1.2 风土人情领域本体构建方法 |
| 3.2 知识来源分析与搜集 |
| 3.3 基于结构化数据的三元组抽取 |
| 3.4 基于百度百科的知识抽取 |
| 3.4.1 实体属性类知识爬取 |
| 3.4.2 实体图片爬取 |
| 3.5 文本三元组抽取 |
| 3.5.1 基于纸质书籍的文本预处理与训练语料制作方法 |
| 3.5.2 实体关系联合抽取模型 |
| 3.6 知识融合 |
| 3.7 基于Neo4j的知识图谱存储 |
| 3.8 实体关系联合抽取实验 |
| 3.8.1 实验数据与参数设置 |
| 3.8.2 评价指标 |
| 3.8.3 实验对比与结果分析 |
| 3.9 本章小结 |
| 第四章 基于知识图谱的问答方法 |
| 4.1 知识图谱问答方法整体设计 |
| 4.2 实体提及识别方法 |
| 4.2.1 原实体提及识别方法 |
| 4.2.2 基于BERT的半指针半标注网络 |
| 4.3 基于规则的问句属性抽取 |
| 4.4 实体链接与候选路径生成 |
| 4.4.1 实体链接 |
| 4.4.2 候选路径生成 |
| 4.5 基于BERT的问句与候选查询路径的匹配 |
| 4.6 桥接与查询路径筛选 |
| 4.6.1 桥接 |
| 4.6.2 查询路径筛选 |
| 4.7 实验设计与结果评估 |
| 4.7.1 实验数据与参数设置 |
| 4.7.2 评价指标 |
| 4.7.3 实体提及识别实验 |
| 4.7.4 问答模型实验结果 |
| 4.8 本章小结 |
| 第五章 内蒙古风土人情问答系统开发与实现 |
| 5.1 需求分析 |
| 5.1.1 系统设计目的 |
| 5.1.2 系统功能需求 |
| 5.1.3 系统性能需求 |
| 5.2 系统设计与实现 |
| 5.2.1 系统总体框架设计与实现 |
| 5.2.2 系统技术框架设计 |
| 5.3 系统关键功能设计与实现 |
| 5.4 问答功能测试与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
（7）基于微服务架构与知识图谱技术构建无人机知识库系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义与价值 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统及知识库研究现状 |
| 1.2.2 知识图谱技术研究现状 |
| 1.2.3 Web文本挖掘技术研究现状 |
| 1.2.4 无人机技术发展及应用现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文研究技术路线 |
| 1.5 论文组织结构安排 |
| 第二章 理论基础及关键技术 |
| 2.1 相关理论基础 |
| 2.2.1 知识库 |
| 2.2.2 知识发现 |
| 2.2.3 知识图谱 |
| 2.2 知识获取技术 |
| 2.2.1 数据获取技术 |
| 2.2.2 数据去重技术 |
| 2.2.3 数据提取技术 |
| 2.2.4 数据存储技术 |
| 2.3 知识抽取技术 |
| 2.3.1 实体抽取技术 |
| 2.3.2 关系抽取技术 |
| 2.3.3 事件抽取技术 |
| 2.3.4 实体链接与消岐 |
| 2.4 知识表示技术 |
| 2.5 自动文摘技术 |
| 2.5.1 自动文摘生成原理 |
| 2.5.2 TextRank算法 |
| 2.6 本章小结 |
| 第三章 知识库系统的设计与构建 |
| 3.1 系统非功能需求 |
| 3.2 系统性能设计 |
| 3.2.1 系统可靠性设计 |
| 3.2.2 系统安全性设计 |
| 3.3 系统架构设计 |
| 3.3.1 整体架构设计 |
| 3.3.2 技术架构设计 |
| 3.3.3 分布式微服务架构 |
| 3.3.4 Scrapy爬虫框架 |
| 3.3.5 基于Swagger框架管理API |
| 3.4 技术路线与实施方案 |
| 3.4.1 知识库的构建方式 |
| 3.4.2 系统的技术路线 |
| 3.4.3 系统的实施方案 |
| 3.4.4 开发环境与开发语言 |
| 3.5 本章小结 |
| 第四章 知识图谱的实现与应用 |
| 4.1 知识获取 |
| 4.1.1 定制化设置关键字 |
| 4.1.2 定制化爬取专业网站 |
| 4.2 数据提取 |
| 4.2.1 半自动化提取数据 |
| 4.2.2 自动文摘的提取 |
| 4.3 知识抽取 |
| 4.3.1 实体抽取(命名实体识别) |
| 4.3.2 实体关系抽取 |
| 4.3.3 元事件抽取 |
| 4.3.4 实体发现与链接 |
| 4.4 知识表示 |
| 4.5 文本数据可视化 |
| 4.5.1 数据可视化 |
| 4.5.2 关键字云图 |
| 4.6 本章小结 |
| 第五章 系统的功能与实现 |
| 5.1 系统整体功能结构 |
| 5.2 系统前端功能实现 |
| 5.2.1 查询信息模块 |
| 5.2.2 台风实况模块 |
| 5.2.3 数据可视化模块 |
| 5.2.4 热门推送模块 |
| 5.2.5 关键期刊模块 |
| 5.3 系统后台功能实现 |
| 5.3.1 用户管理模块 |
| 5.3.2 菜单管理模块 |
| 5.3.3 采集设置模块 |
| 5.3.4 任务管理模块 |
| 5.3.5 专家知识模块 |
| 5.3.6 外部系统模块 |
| 5.3.7 期刊大全模块 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 附录 |
| 附录1 Swagger在微服务架构上的部署与集成 |
| 附录2 Echarts组件实现折线图/柱状图形式的数据可视化 |
| 附录3 BiLSTM+CRF模型构建过程 |
| 附录4 利用TF-IDF进行实体链接关键代码 |
（8）基于多源异构数据融合的押解风险预警系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风险预警系统研究现状 |
| 1.2.2 多源异构数据学习研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第二章 相关理论与技术介绍 |
| 2.1 数据表示技术 |
| 2.1.1 文本语义表示模型 |
| 2.1.2 视觉特征表示模型 |
| 2.1.3 图结构数据表示模型 |
| 2.2 多源异构数据融合技术 |
| 2.2.1 数据融合层级 |
| 2.2.2 基于神经网络的数据融合关键技术 |
| 2.3 本章小结 |
| 第三章 基于多源异构数据融合的押解风险预警系统的需求分析 |
| 3.1 系统设计目的与应用场景 |
| 3.2 系统需求分析 |
| 3.2.1 功能需求分析 |
| 3.2.2 非功能需求分析 |
| 3.3 本章小结 |
| 第四章 基于多源异构数据融合的风险预警模型的设计 |
| 4.1 问题描述 |
| 4.2 数据特点 |
| 4.3 模型概述 |
| 4.4 文本语义表示层 |
| 4.5 视觉特征表示层 |
| 4.6 结构化数据表示层 |
| 4.7 多源异构数据融合层 |
| 4.8 本章小结 |
| 第五章 基于多源异构数据融合的风险预警模型的实验设计与分析 |
| 5.1 实验设计 |
| 5.2 实验数据 |
| 5.3 评价指标 |
| 5.4 实验结果与分析 |
| 5.4.1 文本语义表示模型实验结果 |
| 5.4.2 视觉特征表示模型的实验结果 |
| 5.4.3 多源异构数据融合模型的实验效果 |
| 5.5 本章小结 |
| 第六章 基于多源异构数据融合的押解风险预警系统的实现与测试 |
| 6.1 系统概要设计 |
| 6.1.1 总体框架设计 |
| 6.1.2 系统模块划分 |
| 6.1.3 系统数据库设计 |
| 6.2 系统功能模块的设计和实现 |
| 6.2.1 数据接收模块的设计与实现 |
| 6.2.2 押解风险预警模块的设计与实现 |
| 6.2.3 数据持久化模块的设计与实现 |
| 6.2.4 押解风险监测可视化模块的设计与实现 |
| 6.3 系统测试与分析 |
| 6.3.1 系统部署 |
| 6.3.2 系统功能测试 |
| 6.3.3 系统非功能需求测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（9）燃气-蒸汽联合循环机组智能诊断与健康维护技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 联合循环机组在我国的发展 |
| 1.1.2 联合循环机组健康维护面临的挑战 |
| 1.1.3 联合循环机组健康维护的新机遇 |
| 1.2 课题的研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 故障与健康概念内涵研究现状 |
| 1.3.2 知识与数据管理研究现状 |
| 1.3.3 联合循环机组智能诊断理论研究现状 |
| 1.3.4 联合循环机组智能诊断系统研究现状 |
| 1.4 本文的研究内容和结构安排 |
| 第2章 联合循环机组健康维护大数据系统研究 |
| 2.1 引言 |
| 2.2 联合循环机组健康维护领域知识获取 |
| 2.2.1 FMEA和FTA基本理论 |
| 2.2.2 FMEA和FTA联合指导机组领域知识获取 |
| 2.2.3 联合循环机组领域知识获取结果 |
| 2.3 本体基本理论 |
| 2.3.1 本体的概念 |
| 2.3.2 本体的语义 |
| 2.3.3 OWL的语法 |
| 2.4 基于本体的领域知识和数据结构化表示 |
| 2.4.1 边界工况本体 |
| 2.4.2 故障知识本体 |
| 2.4.3 监测数据本体 |
| 2.4.4 案例验证 |
| 2.5 基于本体的语义性推理 |
| 2.5.1 基于OWL公理的本体语义性推理 |
| 2.5.2 基于SWRL的本体语义性推理 |
| 2.5.3 案例验证 |
| 2.6 基于本体的语义性查询 |
| 2.6.1 基于SPARQL的本体查询 |
| 2.6.2 基于本体的历史数据访问 |
| 2.6.3 案例验证 |
| 2.7 本章总结 |
| 第3章 联合循环机组健康状况异常检测研究 |
| 3.1 引言 |
| 3.2 联合循环机组健康状况异常检测分析与流程设计 |
| 3.3 历史数据清洗 |
| 3.3.1 稳态工况判别 |
| 3.3.2 工况划分 |
| 3.3.3 基准样本筛选 |
| 3.4 变工况异常检测 |
| 3.4.1 联合循环机组变工况运行状态分析 |
| 3.4.2 变分自编码器基本理论 |
| 3.4.3 基于条件变自编码器的联合循环机组变工况基准模型 |
| 3.4.4 基于重构概率的异常检测 |
| 3.5 实例验证 |
| 3.5.1 数据清洗 |
| 3.5.2 参数预测 |
| 3.5.3 异常检测 |
| 3.6 本章总结 |
| 第4章 联合循环机组健康诊断与维护决策研究 |
| 4.1 引言 |
| 4.2 联合循环机组智能诊断分析与流程设计 |
| 4.2.1 联合循环机组故障诊断特点 |
| 4.2.2 联合循环机组智能诊断的流程设计 |
| 4.3 诊断模型的构建 |
| 4.3.1 结构性因果模型基本理论 |
| 4.3.2 Leaky Noisy-Or假设 |
| 4.3.3 基于结构性因果模型的诊断模型 |
| 4.4 基于反事实推理的诊断决策 |
| 4.4.1 反事实推理基本理论 |
| 4.4.2 充分因与必要因诊断指标的定义 |
| 4.4.3 基于孪生网络的反事实推理计算框架 |
| 4.5 诊断模型的评价 |
| 4.5.1 诊断模型的敏度分析 |
| 4.5.2 诊断模型的可靠性分析 |
| 4.5.3 诊断模型的可解释性分析 |
| 4.6 实例验证 |
| 4.7 本章总结 |
| 第5章 联合循环机组智能诊断系统设计与实现 |
| 5.1 引言 |
| 5.2 联合循环机组智能诊断系统的数字孪生模型 |
| 5.2.1 数字孪生基本理论 |
| 5.2.2 基于数字孪生的智能诊断系统框架 |
| 5.3 联合循环机组智能诊断系统的设计 |
| 5.3.1 系统需求分析 |
| 5.3.2 系统整体设计 |
| 5.3.3 大数据系统设计 |
| 5.3.4 模型算法库设计 |
| 5.3.5 人机交互系统设计 |
| 5.4 联合循环机组智能诊断系统的实现 |
| 5.4.1 系统技术框架概述 |
| 5.4.2 系统主要功能实现 |
| 5.5 本章总结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 论文的主要创新点 |
| 6.3 有待进一步开展的工作 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）Elasticsearch在电网调度数据管理的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景 |
| 1.2.1 电网智能化发展趋势 |
| 1.2.2 调度自动化系统的发展历程和趋势 |
| 1.2.3 现调度所用关系型数据库不能满足电网调度大数据的需要 |
| 1.3 国内外研究现状和趋势 |
| 1.4 主要研究内容及结构 |
| 第二章 基于云计算的电网调度数据存储 |
| 2.1 电网调度数据管理现状与发展趋势 |
| 2.1.1 电网调度数据管理现状 |
| 2.1.2 未来云调度数据管理 |
| 2.1.3 电网调度数据管理对比分析 |
| 2.2 电网调度分布式数据库HBase |
| 2.2.1 分布式云计算及其核心技术 |
| 2.2.2 基于云计算的Hadoop架构及其核心组件 |
| 2.2.3 基于Hadoop架构的数据库HBase |
| 2.3 基于云计算的电网调度数据库HBase的搭建、运行与测试 |
| 2.3.1 Hadoop集群的搭建 |
| 2.3.2 Hadoop分布式文件系统的调优 |
| 2.3.3 电网调度数据库HBase的搭建与运行 |
| 2.3.4 电网调度数据库HBase的测试 |
| 2.4 本章小结 |
| 第三章 Elasticsearch在电网调度监测数据查询的应用 |
| 3.1 电网调度监测数据查询现状 |
| 3.2 电网调度监测数据查询需求 |
| 3.2.1 电网调度运行数据查询需求 |
| 3.2.2 输变电设备在线监测数据查询需求 |
| 3.3 Elasticsearch在电网调度监测数据查询的应用 |
| 3.3.1 Elasticsearch分布式搜索引擎 |
| 3.3.2 电网调度监测数据的二级索引结构 |
| 3.3.3 电网调度监测数据的二级索引结构设计 |
| 3.3.4 电网调度监测数据的二级索引结构实现 |
| 3.3.5 电网调度监测数据读写流程 |
| 3.4 电网调度监测数据查询测试 |
| 3.4.1 Elasticsearch搭建与实验环境 |
| 3.4.2 电网调度运行数据查询测试 |
| 3.4.3 输变电设备在线监测数据查询测试 |
| 3.5 本章小结 |
| 第四章 Elasticsearch在电网调度日志管理的应用 |
| 4.1 电网调度日志管理现状 |
| 4.2 基于Elasticsearch的调度自动化系统日志管理架构 |
| 4.3 电网调度日志管理实现 |
| 4.3.1 日志实时采集模块 |
| 4.3.2 日志过滤解析模块 |
| 4.3.3 日志存储与查询模块 |
| 4.3.4 日志可视化模块 |
| 4.4 本章小结 |
| 第五章 电网调度数据管理系统开发与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求分析 |
| 5.1.2 非功能性需求分析 |
| 5.2 功能结构设计 |
| 5.2.1 结构设计 |
| 5.2.2 功能设计 |
| 5.3 开发实现 |
| 5.3.1 基于RESTful API的后端处理开发 |
| 5.3.2 基于WCF的数据服务开发 |
| 5.3.3 基于B/S模式的前端交互开发 |
| 5.4 性能测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 主要创新点 |
| 5 参考文献 |
| 附录 A |
| 致谢 |
| 攻读硕士学位期间取得的研究成果 |
四、Squeal:用于网络的结构化查询语言（论文参考文献）
- [1]基于BERT多任务联合训练的土木工程问答系统研究[D]. 焦瑞. 西安理工大学, 2021
- [2]中国古典文学文本的命名实体识别及知识图谱构建研究[D]. 杨泽. 南京邮电大学, 2021
- [3]基于知识图谱的金融领域服务系统的设计与实现[D]. 吴孟宇. 北京邮电大学, 2021(01)
- [4]基于知识图谱的科研综述生成研究[D]. 李娇. 中国农业科学院, 2021(01)
- [5]基于知识图谱的作物病虫害智能问答系统设计与实现[D]. 吴赛赛. 中国农业科学院, 2021(09)
- [6]基于多源异构数据的地方风土人情知识图谱构建方法及应用研究[D]. 蔡新辉. 内蒙古工业大学, 2021(01)
- [7]基于微服务架构与知识图谱技术构建无人机知识库系统[D]. 陈秋瑾. 厦门理工学院, 2021(08)
- [8]基于多源异构数据融合的押解风险预警系统的设计与实现[D]. 万梓聪. 北京邮电大学, 2021(01)
- [9]燃气-蒸汽联合循环机组智能诊断与健康维护技术研究[D]. 王仲. 华北电力大学(北京), 2021(01)
- [10]Elasticsearch在电网调度数据管理的应用研究[D]. 徐泽天. 广西大学, 2021(12)