Please wait a minute...
Advanced Search
数据分析与知识发现  2021, Vol. 5 Issue (9): 42-53     https://doi.org/10.11925/infotech.2096-3467.2021.0356
     研究论文 本期目录 | 过刊浏览 | 高级检索 |
炸药配方设计知识图谱的构建与可视分析方法研究*
周阳1,李学俊1,王冬磊2,陈方3,彭莉娟1()
1西南科技大学计算机科学与技术学院 绵阳 621010
2中国工程物理研究院化工材料研究所 绵阳 621900
3中国科学院成都文献情报中心 成都 610041
Visualizing Knowledge Graph for Explosive Formula Design
Zhou Yang1,Li Xuejun1,Wang Donglei2,Chen Fang3,Peng Lijuan1()
1School of Computer Science and Technology, Southwest University of Science and Technology University, Mianyang 621010, China
2Institute of Chemical Materials, China Academy of Engineering Physics, Mianyang 621900, China
3Chengdu Library and Information Center, Chinese Academy of Sciences, Chengdu 610041, China
全文: PDF (3016 KB)   HTML ( 22
输出: BibTeX | EndNote (RIS)      
摘要 

【目的】 解决炸药设计过程中配方设计原则知识、组分关联知识及制备工艺知识难以便捷地获取和使用的问题。【应用背景】 将炸药配方设计过程中存储分散、类型复杂的知识进行有效的组织,并为研究人员提供面向设计流程的可视分析方法,能够帮助研究人员对领域知识的理解、使用和提取,进一步提高配方设计效率。【方法】 聚焦高聚物黏结炸药配方,利用自然语言处理技术对配方设计知识进行知识图谱构建。在此基础上,针对不同主题的知识图谱设计可视分析方法使炸药配方辅助设计知识得以快速使用。【结果】 炸药配方设计知识图谱实现了单质、混合炸药的属性、性能、实验数据以及计算公式、分子结构、设计原则、工艺方法等结构化和非结构化知识的关联表示。基于高聚物黏结炸药配方设计数据进行实证分析,结果表明研究人员可在较短的时间内获取到所需的配方设计知识。【结论】 所提方法为炸药配方设计中知识的便捷获取与使用提供了新的手段,为炸药配方设计的研究人员提供了直观、易用的辅助工具。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
周阳
李学俊
王冬磊
陈方
彭莉娟
关键词 知识图谱可视分析配方设计高聚物黏结炸药    
Abstract

[Objective] This paper tries to obtain and use the knowledge of formula design principle, component correlation and preparation technology, aiming to improve the process of explosive design. [Context] Our study organizes the scattered and complex knowledge for explosive formula design and visualizes design process for researchers. [Objective] We took the formulation of polymer bonded explosive as an example and built the knowledge graph of explosive formula with NLP technology. Then, we designed different visual analysis methods for each topic's knowledge graph. [Results] The new knowledge graph presented the related expression of structured and unstructured knowledge for researchers. We examined effectiveness of the proposed method with formulation of polymer bonded explosive, and found it helped researchers obtain the required formula design knowledge effectively. [Conclusions] This study offers practical solutions for researchers to use the knowledge of explosive formula design.

Key wordsKnowledge Graph    Visual Analysis    Formula Design    PBX
收稿日期: 2021-04-12      出版日期: 2021-10-15
ZTFLH:  分类号: TP391  
基金资助:*国防基础科研计划资助基金项目的研究成果之一(JCKY2017404C004)
通讯作者: 彭莉娟     E-mail: qiluo@126.com
引用本文:   
周阳,李学俊,王冬磊,陈方,彭莉娟. 炸药配方设计知识图谱的构建与可视分析方法研究*[J]. 数据分析与知识发现, 2021, 5(9): 42-53.
Zhou Yang,Li Xuejun,Wang Donglei,Chen Fang,Peng Lijuan. Visualizing Knowledge Graph for Explosive Formula Design. Data Analysis and Knowledge Discovery, 2021, 5(9): 42-53.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2021.0356      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2021/V5/I9/42
Fig.1  炸药配方设计知识图谱技术架构
词条标签 词条内容
PBX能量设计原则 该原则包含:提高爆速;增加爆温;增加氮氧含量;提高装填密度
PBX安全性能设计原则 该原则包含:降低热感度;降低摩擦感度
PBX安定性设计原则 该原则包含:能被硝基化,并生成衍生物;抑制AP低温下热分解
Table 1  部分知识词条数据
Fig.2  炸药配方数据
关系名 语义描述 例子
包含 实体2属于实体1的一部分 “配方设计原则”包含“能量设计原则”
类别 实体1的类别是实体2 “TNT”是一种“单质炸药”
同义 指一个实体有多个指称项 “TNT”与“梯恩梯”同义
用作 实体1用作实体2,使用关系 “六硝基芪”用作“柔性导爆索”装药
组分 实体1由实体2组成 “B2169”由“PETN”组成
相关 实体1与实体2相关 “冲击波感度”与“中等压力下粒度”相关
Table 2  语义关系
知识 描述 关系数量
计算公式 炸药性能、物理、化学性质的计算公式 54
分子结构 分子式 908
炸药配方知识 基础知识 炸药的名称以及炸药的功能特性描述 1 030
属性知识 炸药配方的物理、化学、爆轰等性质 6 321
配比知识 炸药组分配比 254
炸药设计知识 设计原则、组分关联、制备工艺等知识 2 056
组分相关知识 组分相互作用对炸药性能的影响 157
Table 3  炸药配方设计知识图谱
Fig.3  主题知识框架
Fig.4  知识层次体系
Fig.5  关联节点视图
Fig.5  关联节点视图
Fig.6  设计原则视图
Fig.6  设计原则视图
Fig.7  组分设计视图
Fig.7  组分设计视图
Fig.8  制备工艺视图
Fig.8  制备工艺视图
Fig.9  含Al配方筛选
Fig.9  含Al配方筛选
[1] 彭莉娟, 杨春明, 王冬磊, 等. 含能材料数据库研究现状及发展趋势[C]// OSEC首届兵器工程大会论文集. 2017.
[1] ( Peng Lijuan, Yang Chunming, Wang Donglei, et al. Progress and Prospect of Energetic Materials Database[C]// Proceedings of the 1st Weapon Engineering Conference. 2017.)
[2] 徐增林, 盛泳潘, 贺丽荣, 等. 知识图谱技术综述[J]. 电子科技大学学报, 2016, 45(4):589-606.
[2] ( Xu Zenglin, Sheng Yongpan, He Lirong, et al. Review on Knowledge Graph Techniques[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(4):589-606.)
[3] Sun K, Liu Y H, Guo Z C, et al. EduVis: Visualization for Education Knowledge Graph Based on Web Data[C]// Proceedings of the 9th International Symposium on Visual Information Communication and Interaction. 2016: 138-139.
[4] Dou J H, Qin J Y, Jin Z X, et al. Knowledge Graph Based on Domain Ontology and Natural Language Processing Technology for Chinese Intangible Cultural Heritage[J]. Journal of Visual Languages & Computing, 2018, 48:19-28.
[5] 张晔, 贾雨葶, 傅洛伊, 等. AceMap学术地图与AceKG学术知识图谱——学术数据可视化[J]. 上海交通大学学报, 2018, 52(10):1357-1362.
[5] ( Zhang Ye, Jia Yuting, Fu Luoyi, et al. AceMap Academic Map and AceKG Academic Knowledge Graph for Academic Data Visualization[J]. Journal of Shanghai Jiaotong University, 2018, 52(10):1357-1362.)
[6] 颜子明, 杜德斌, 刘承良, 等. 西方创新地理研究的知识图谱可视化分析[J]. 地理学报, 2018, 73(2):362-379.
doi: 10.11821/dlxb201802011
[6] ( Yan Ziming, Du Debin, Liu Chengliang, et al. Visualization Analysis of Mapping Knowledge Domain on Western Geography of Innovation[J]. Acta Geographica Sinica, 2018, 73(2):362-379.)
doi: 10.11821/dlxb201802011
[7] 杨海慈, 王军. 宋代学术师承知识图谱的构建与可视化[J]. 数据分析与知识发现, 2019, 3(6):109-116.
[7] ( Yang Haici, Wang Jun. Visualizing Knowledge Graph of Academic Inheritance in Song Dynasty[J]. Data Analysis and Knowledge Discovery, 2019, 3(6):109-116.)
[8] Xu L Y, Fernando Z T, Zhou X, et al. LogCanvas: Visualizing Search History Using Knowledge Graphs [C]//Proceedings of the 41st International ACM SIGIR Conference on Research & Development in Information Retrieval. 2018: 1289-1292.
[9] Ge T, Wang Y F, de Melo G, et al. Visualizing and Curating Knowledge Graphs over Time and Space [C]//Proceedings of ACL-2016 System Demonstrations. 2016: 25-30.
[10] Li Y, Zhao J J, Yang L P, et al. Construction, Visualization and Application of Knowledge Graph of Computer Science Major [C]//Proceedings of the 2019 International Conference on Big Data and Education. 2019: 43-47.
[11] Xu D W, Wang L, Wang X, et al. KG3D: An Interactive 3D Visualization Tool for Knowledge Graphs [C]//Proceedings of International Conference on Advanced Data Mining and Applications. Springer, Cham, 2019: 886-889.
[12] He X, Zhang R, Rizvi R F, et al. ALOHA: Developing an Interactive Graph-Based Visualization for Dietary Supplement Knowledge Graph Through User-centered Design[J]. BMC Medical Informatics and Decision Making, 2019, 19(4):1-18.
doi: 10.1186/s12911-018-0723-6
[13] Szekely P, Knoblock C A, Slepicka J, et al. Building and Using a Knowledge Graph to Combat Human Trafficking [C]//Proceedings of International Semantic Web Conference. Springer, Cham, 2015: 205-221.
[14] Liu H, Li Y F, Hong R, et al. Knowledge Graph Analysis and Visualization of Research Trends on Driver Behavior[J]. Journal of Intelligent & Fuzzy Systems, 2020, 38(1):495-511.
[15] Yu T, Li J H, Yu Q, et al. Knowledge Graph for TCM Health Preservation: Design, Construction, and Applications[J]. Artificial Intelligence in Medicine, 2017, 77:48-52.
doi: 10.1016/j.artmed.2017.04.001
[16] Henry N, Fekete J D, McGuffin M J. NodeTrix: A Hybrid Visualization of Social Networks[J]. IEEE Transactions on Visualization and Computer Graphics, 2007, 13(6):1302-1309.
doi: 10.1109/TVCG.2007.70582
[17] Bach B, Pietriga E, Liccardi I, et al. OntoTrix: A Hybrid Visualization for Populated Ontologies [C]//Proceedings of the 20th International Conference Companion on World Wide Web. 2011: 177-180.
[18] Lin C C, Deng D J, Jhong S Y. A Triangular NodeTrix Visualization Interface for Overlapping Social Community Structures of Cyber-physical-social Systems in Smart Factories[J]. IEEE Transactions on Emerging Topics in Computing, 2020, 8(1):58-68.
doi: 10.1109/TETC.6245516
[19] Angori L, Didimo W, Montecchiani F, et al. ChordLink: A New Hybrid Visualization Model [C]//Proceedings of International Symposium on Graph Drawing and Network Visualization. Springer, Cham, 2019: 276-290.
[20] Lafferty J, McCallum A, Pereira F C N. Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data [C]//Proceedings of the 18th International Conference on Machine Learning. 2001: 282-289.
[21] Zeng D J, Liu K, Lai S W, et al. Relation Classification via Convolutional Deep Neural Network [C]//Proceedings of COLING 2014, the 25th International Conference on Computational Linguistics: Technical Papers. 2014: 2335-2344.
[1] 沈科杰, 黄焕婷, 化柏林. 基于公开履历数据的人物知识图谱构建*[J]. 数据分析与知识发现, 2021, 5(7): 81-90.
[2] 阮小芸,廖健斌,李祥,杨阳,李岱峰. 基于人才知识图谱推理的强化学习可解释推荐研究*[J]. 数据分析与知识发现, 2021, 5(6): 36-50.
[3] 李贺,刘嘉宇,李世钰,吴迪,金帅岐. 基于疾病知识图谱的自动问答系统优化研究*[J]. 数据分析与知识发现, 2021, 5(5): 115-126.
[4] 代冰,胡正银. 基于文献的知识发现新近研究综述 *[J]. 数据分析与知识发现, 2021, 5(4): 1-12.
[5] 余传明, 张贞港, 孔令格. 面向链接预测的知识图谱表示模型对比研究*[J]. 数据分析与知识发现, 2021, 5(11): 29-44.
[6] 陈仕吉, 邱均平, 余波. 基于Overlay图谱的图情领域大数据主题分析*[J]. 数据分析与知识发现, 2021, 5(10): 51-59.
[7] 邵琦,牟冬梅,王萍,靳春妍. 基于语义的突发公共卫生事件网络舆情主题发现研究*[J]. 数据分析与知识发现, 2020, 4(9): 68-80.
[8] 梁野,李小元,许航,胡伊然. CLOpin:一种面向舆情分析与预警领域的跨语言知识图谱架构*[J]. 数据分析与知识发现, 2020, 4(6): 1-14.
[9] 吕华揆,洪亮,马费成. 金融股权知识图谱构建与应用*[J]. 数据分析与知识发现, 2020, 4(5): 27-37.
[10] 孙鑫瑞,孟雨,王文乐. 基于知识图谱与目标检测的微博交通事件识别*[J]. 数据分析与知识发现, 2020, 4(12): 136-147.
[11] 朱超宇, 刘雷. 基于知识图谱的医学决策支持应用综述*[J]. 数据分析与知识发现, 2020, 4(12): 26-32.
[12] 胡正银,刘蕾蕾,代冰,覃筱楚. 基于领域知识图谱的生命医学学科知识发现探析*[J]. 数据分析与知识发现, 2020, 4(11): 1-14.
[13] 王毅,沈喆,姚毅凡,成颖. 领域事件图谱构建方法综述*[J]. 数据分析与知识发现, 2020, 4(10): 1-13.
[14] 李家全,李宝安,游新冬,吕学强. 基于专利知识图谱的专利术语相似度计算研究*[J]. 数据分析与知识发现, 2020, 4(10): 104-112.
[15] 杨海慈,王军. 宋代学术师承知识图谱的构建与可视化[J]. 数据分析与知识发现, 2019, 3(6): 109-116.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn