基于知识图谱的海洋测绘发展趋势研究.pdf

LOW CARBON WORLD 2023/7基于知识图谱的海洋测绘发展趋势研究刘贤袁李爱国袁邬梁超（舟山市自然资源测绘设计中心，浙江 舟山 316000）【摘要】为进一步了解并掌握海洋地理信息数据袁获取海洋地貌信息袁应结合自然地理要素绘制海洋测绘图谱遥通过探讨海洋测绘和知识图谱的概念袁提出知识图谱分析的优势袁从数据集建设与知识图谱构建尧多模态数据整合尧语义推理与智能分析尧场景多样化与领域拓展等方面进行基于知识图谱的海洋测绘分析袁实现对海洋测绘数据的全面整合尧智能分析和决策袁试图以此探究海洋测绘领域的发展趋势遥【关键词】知识图谱曰海洋测绘曰发展趋势曰关系挖掘【中图分类号】P229【文献标识码】A【文章编号】2095-2066（2023）07-0184-031 海洋测绘概述海洋测绘是海洋空间地理信息测量和表达的统称，是海洋科研、海洋军事、海洋开发利用等活动开展的前提，具体涵盖海面形状、海图编制、海洋定位、海洋重力测量等内容1。1949 年以后，我国海洋测绘的发展实力从弱到强、从小到大，实现了跨越式发展，同时也取得了许多发展成果。在现代科技的迅猛发展以及海洋强国战略稳步实施的背景下，海洋测绘进入新的发展阶段，在数据方面，海洋测绘可以打造智慧海洋中心城市，为智慧海洋测绘发展奠定基础。2 知识图谱概述知识图谱是一种结构化的知识表示方式，通过对现实世界的事物和概念以及二者之间的关系进行抽象和整理，构建一个由实体、属性和关系组成的图状结构。知识图谱可以用来描述和存储大量的知识和信息，能够帮助人们更好地理解和利用知识2。在知识图谱中，实体可以是人、地点、事件、概念等，关系可以表示实体之间的联系等。通过基于知识图谱的海洋测绘分析，可以提取出一些有价值的信息，进行统计和分析，如海洋测绘文献的频率、分布情况等，从中发现一些普遍的规律或者异常情况3。2.1 关系挖掘通过分析知识图谱中的关系，发现海洋测绘之间的关联模式。例如，发现一个特定领域中不同海洋测绘之间经常发生的某种关系，或者某种关系在时间维度上的变化。2.2 实体分类与聚类通过知识图谱中的关系和海洋测绘信息，进行实体分类与聚类。例如，根据海洋测绘的发展趋势进行分类，或者根据实体之间的关系进行聚类，发现潜在的群组结构。2.3 知识推理与问题解答利用知识图谱中的关系和海洋测绘信息，可以进行知识推理和问题解答。利用计算关系路径或者逻辑推断方法，从而回答一些特定的问题或者推导出新的知识。知识图谱可以提供准确的测绘地理位置信息，并将地理信息与其他实体和概念的关系链接在一起，进而更好地理解和分析不同要素之间的空间关系和相互作用。知识图谱如图 1 所示。知识图谱结合了图论、机器学习、自然语言处理等多个领域的方法和技术，可以帮助人们更好地理解和利用知识图谱中的海洋测绘信息，为各种应用场景提供支持4。首先，通过知识图谱，将不同数据源和海洋地理信息进行整合，建立海洋地理信息的数据库，包括海洋地图、测量数据、海底地形、海洋地貌等信息，这有助于海洋研究人员和决策者更全面地了解海洋环境和资源。其次，基于知识图谱的建模和分析方法，可以对海洋地理信息进行关联和分析，发现海洋中的规律。例如，通过挖掘海洋地理信息的关联关系，揭示海洋生态系统的结构和演变趋势，发现海洋地形的特殊地貌现象。再次，通过建立海洋资源的数据库，可以更好地管理和利用海洋资源。例如，图 1 知识图谱知识图谱关系挖掘实体分类与聚类知识推理与问题解答综合论述184LOW CARBON WORLD 2023/7知识图谱可以分析不同海洋物种之间的联系和分布规律，为海洋生物资源保护和开发提供参考。最后，可以对海洋安全相关信息进行探究，如航行安全、海洋环境污染的预警和监测等，有助于保障海洋安全，提升应对突发海洋事件的能力。3 知识图谱分析的优势3.1 科学性与客观性知识图谱基于科学计量方法，可以从客观的角度分析和评估海洋测绘资料，并使用量化的指标和数据，使分析结果更具有科学性，从而提供基于证据的可靠结论。3.2 图形展示易于理解认知知识图谱通过图谱技术将抽象的计量信息以可视化的图形呈现出来，使复杂的关系和模式能够以直观、易于理解的方式展示。这不仅有利于研究人员直观、高效地理解数据，而且可以帮助非专业人士更好地理解科学知识。3.3 广泛应用于各个领域知识图谱广泛应用于各个领域，包括科学研究、学术评估、专利分析等。在海洋测绘领域，知识图谱可以帮助研究人员发现和理解海洋测绘数据的模式和趋势，推动海洋测绘的创新和发展。总体来说，知识图谱是一种科学计量和图谱技术相结合的方法，在挖掘海洋测绘资料方面具有独特的优势，不仅具备科学性与客观性，还能以图形展示抽象的计量信息，可以帮助人们更好地理解和应用科学知识。4 基于知识图谱的海洋测绘分析知识图谱通过数学方法以及图形展示，表达和可视化分析科学知识的发展进程和结构关系。目前，基于知识图谱的海洋测绘分析主要包括以下 4 个方面5-6。4.1 数据集建设与知识图谱构建海洋测绘领域的未来发展趋势是通过大量的结构化数据，建设更完善和丰富的海洋测绘数据集，并基于数据集构建更精确和完整的知识图谱。4.1.1 数据集建设数据是构建知识图谱的基础。首先，海洋测绘领域的数据集建设需要从地面观测、卫星遥感、深海探测等多个数据源获取大量数据，包括海洋地理信息、海洋生态系统、海洋资源等方面的数据。其次，数据集需要进行标准化和规范化处理，以确保数据的一致性和有效性。最后，数据集建设需要及时更新和维护数据，以保证数据的时效性和完整性。4.1.2 知识图谱构建知识图谱是建立在数据集基础上的结构化知识表示和推理模型。根据具体需求和专业知识，通过实体识别、属性抽取、关系建模等过程构建知识图谱，其中需要考虑概念和实体的定义、属性和关系的建模，以及知识库的更新和扩充。此外，可以利用文本挖掘、自然语言处理和机器学习等自动化方法，从海洋测绘文献、专家知识和海洋数据中提取和整合知识，从而促进知识图谱的构建。4.2 多模态数据整合海洋测绘涉及多种数据源，包括卫星遥感、航空摄影、海底声呐等。海洋测绘领域的未来发展趋势是将这些不同来源、不同类型的数据进行整合，建立跨领域、多模态的知识图谱，从而提供多角度、更全面的海洋测绘信息。多模态数据整合可以通过以下 5 种方法实现。4.2.1 特征融合通过数据整合，将不同模态的特征向量进行融合，使多模态海洋测绘数据在同一特征空间中进行联合处理。常见的融合方法包括串行融合、并行融合和逐层融合等。4.2.2 数据联合建模通过构建一个多模态联合模型，将不同模态的海洋测绘数据输入模型中进行联合建模。常见的方法包括多模态神经网络、主题模型和深度玻尔兹曼机等。4.2.3 图像与文本关联通过数据整合，根据图像与文本之间的关联性进行建模，通过图像中的海洋测绘文本信息和文本中的视觉描述来增强多模态数据的表达能力。4.2.4 语音与文本关联通过数据整合，根据语音与文本之间的关联性进行建模，通过语音中的声音特征和海洋测绘文本中的语义信息来增强多模态数据的表达能力。4.2.5 多模态数据生成通过数据整合，生成不同模态的海洋测绘数据、缺失的模态数据以及新的数据。常见的方法包括生成对抗网络和变分自编码器等。总体来说，多模态数据整合可以通过特征融合、数据联合建模和根据不同模态之间的关联性进行建模等方法，实现多模态数据的整合和融合，增强海洋测绘数据的表现能力和增加海洋测绘的信息含量。综合论述185LOW CARBON WORLD 2023/74.3 语义推理与智能分析知识图谱可以实现更高级别的语义推理和智能分析。通过构建和扩展知识图谱进行复杂的分析推理，为海洋测绘数据的深入分析和智能决策提供支持。语义推理是一种基于语义的推理和逻辑推理，提取知识图谱新信息或结论的过程。在智能化的海洋测绘数据分析决策中，语义推理起着重要的作用。语义推理可运用不同数据源中的语义关系进行建模，并对这些关系进行数据分析和决策。同时，利用语义表示和推理模型来推断潜在的数据模式、预测未来的趋势、发现异常行为、推理用户需求等，提高数据的深层次理解和解释能力，并将这些分析结果应用于智能决策和智能系统中。智能分析是指利用人工智能和数据分析技术来解决复杂问题，实现智能决策。智能分析包括海洋测绘数据的收集、清洗、处理、分析和可视化等过程，通过运用机器学习、深度学习、自然语言处理等先进技术，从大量数据中提取有价值的信息，评估并预测未来的情况，为决策提供支持和指导。4.4 场景多样化与领域拓展基于知识图谱的海洋测绘分析逐渐被应用于更多应用场景与领域，其中应用场景主要包括海洋环境监测、海洋资源开发利用、海洋生态保护等，为实现跨领域、跨部门的信息共享和决策提供支持。总体来说，从数据集建设与知识图谱构建、多模态数据整合、语义推理与智能分析、场景多样化与领域拓展等方面进行基于知识图谱的海洋测绘分析，能够实现对海洋测绘数据的全面整合、智能分析和决策。5 基于知识图谱的海洋测绘发展趋势未来，随着人工智能和大数据技术的发展，会有更多新的技术和方面被应用于知识图谱及海洋测绘的可视化分析中。例如，基于深度学习和自然语言处理的图谱可视化方法，可以对大规模知识图谱进行深度学习和语义分析，从而提取出更为准确和丰富的海洋测绘信息。又如，结合虚拟现实和增强现实技术，可以实现对海洋测绘知识图谱的三维可视化和交互操作，帮助研究人员更直观地理解和分析知识图谱。因此，首先，海洋测绘研究人员应打破固有的思维模式，开拓思路，加大力度研究新的测绘地理信息服务内容与服务方式，致力于海洋测绘改革。其次，稳抓现阶段的发展契机，努力解决现有的疑难问题。同时，将各方力量充分调动起来，从测绘地理理论、人才、传统优势与创新等方面入手，拓宽海洋测绘市场。再次，我国海洋测绘领域急需出台统一的海洋测绘标准，制订整体发展规划，推动陆海基准统一的海洋测绘工程实施，同时，对已有的测绘资料进行优化整合，并建立全覆盖、基础统一、高精度的海洋测绘信息系统，构建新型的海洋测绘作业体系。最后，积极开展有关海洋地理信息的测绘工作，打造出服务网络化、三维空间化、社会服务化、准确实时化和智能化的海洋地理信息系统7。6 结语海洋测绘是海洋科学研究的重要内容之一。随着技术发展水平的提高，在“中国梦”的实现过程中，海洋测绘必然会得到更多的重视。但随着科技的飞速发展以及海洋强国战略的不断推进，海洋测绘进入一个全新的时期，对海洋测绘工作产生了诸多新影响，并提出了更高的要求。海洋测绘图谱是根据海洋测绘数据构建的知识图谱，是人们认识海洋的一种主要方式，也是进行各种海洋活动的基本前提。因此，通过基于知识图谱的海洋测绘分析，研究人员可以了解海洋测绘领域的发展过程、动态及热点，进而讨论该领域未来的发展趋势。参考文献1 沈蔚，惠笑，崔晓冬，等.船载移动三维激光扫描系统的设计与实现J.海洋技术学报，2020，39（6）：48-52.2 桑金，付兴武，张永合，等.论环渤海经济圈海洋测绘 GNSS骨干网建设J.港工技术，2020，57（6）：113-119.3 许瑞恒，姜旭朝.中国海洋产业经济研究热点的动态演变：基于 CNKI 数据库的分析J.中国渔业经济，2020，38（1）：84-91.4 单良，张琪琪.基于 Cite Space 的国内外流动人口知识图谱分析J.辽宁师范大学学报（自然科学版），2020，43（3）：392-400.5 徐胜，李新格.创新价值链视角下区域海洋科技创新效率比较研究J.中国海洋大学学报（社会科学版），2018（6）：19-26.6 白亭颖，杨任飞，惠大涛，等.数字海洋研究的知识图谱分析与前景展望J.测绘通报，2020（2）：131-136.7 申家双，葛忠孝，陈长林.我国海洋测绘研究进展J.海洋测绘，2018，38（4）：1-10，21.作者简介院刘贤（1984），男，汉族，浙江舟山人，本科，助理工程师，研究方向为海洋资源保护利用与海洋管理。综合论述186