智能地质资料服务引擎 - 基于知识图谱数据集的安徽铜、金矿靶区预测及 “一张图” 应用研究

本申请公开了一种基于知识图谱的矿产资源潜力评估方法、设备、介质及产品，涉及矿产资源评价技术领域，该方法包括：采用机器学习模型从语料库中抽取与待评估矿产资源对应的实体关系得到三元组信息；采用余弦相似度算法筛除三元组信息后，形成知识图谱；采用余弦相似度算法基于知识图谱得到矿产资源特征集合；采用中心性算法从矿产资源特征集合中筛选核心特征，将核心特征以及提取的异常信息均转化为设定尺寸的栅格数据后，进行空间对齐，生成数据集；将数据集输入构建的矿产资源潜力评估模型，得到矿产资源潜力评估结果。本申请可以解决数据量巨大、挖掘效率低、地质知识与地质数据未能充分进行深度融合和耦合等问题，提高矿产资源潜力评估的效率和精确性。

本发明涉及一种基于地球化学数据的找矿靶区圈定方法及系统，属于成矿预测领域，该方案根据主成分分析和线性回归得到残差，然后根据残差确定残差背景值和插值处理得到等值线图或栅格图，最后根据残差背景值与等值线图中残差值或栅格图中残差值的比较圈定找矿靶区。本发明通过将主成分分析方法与现行回归方法相结合，提供一种新的地球化学数据处理方法，根据该方案可以准确圈定找矿靶区，提高成矿预测的准确性。

本公开提供了一种模型训练方法及装置、知识抽取方法及装置、设备和介质，涉及人工智能领域，具体为知识图谱技术领域。方案为：对样本文档进行解析，确定样本文档中各元素在样本文档中所属的层级，并根据各元素所属的层级，生成文档树，文档树中包括各个层级的节点用于指示样本文档中对应层级的元素；针对文档树中的每个节点，查询与节点所指示元素的类型匹配的目标知识抽取模型，并采用目标知识抽取模型对节点所指示的元素进行知识抽取，得到预测知识；根据预测知识和节点所指示的元素在样本文档上对应的标注知识之间的差异，对目标知识抽取模型进行训练。由此，基于深度学习技术，对各知识抽取模型进行训练，可以提升各知识抽取模型的预测效果。