ComputerEngineeringandApplications计算机工程与应用2023，59（7）矿井建设是矿产资源开发过程中至关重要的工作，它与煤矿的生产能力、安全系数、服务年限和经济技术指标紧密相连。面对矿井建设资料信息大多表现为非结构化[1]的特征，传统数据库存储和统计分析管理方法的劣势凸显。自然资源部发布的《2021年中国矿产资源报告》指出，推进“互联网+地质资料”工作的发展，对于强化地质资料管理有重要作用。此外，云计算平台[2]、人工智能[3]、机器学习[4]和深度学习[5]等新一代信息技术的高速发展使矿井建设数据大幅增加，这表明当前对矿井建设的研究已经步入了新阶段，如何发挥矿井建设数据的价值，提升知识的利用效果成为研究热点。知识图谱概念起源于各学科领域，由DouglasLe-nat提出：“把人类的常识编码，建成知识库”，并基于此思想开创了Cyc项目，后期出现的语义网也是知识图谱概念的延伸。实际上知识图谱是涵盖图结构的语义知识层级框架，以节点和边的形式将关联实体和概念之间的语义关系聚合为网络[6]。这一框架结构使知识图谱可以精确表达知识的变化过程、分析数据间的内部联系、检索现实世界中的信息[7]，具有高效的资源关联挖掘能力。将知识图谱应用于矿井建设，可以有效地梳理矿井建设知识进行档案智能化管理，对不断更迭的矿井建设数据进行挖掘，打破矿井建设行业间的信息隔阂，为建设“智能化矿山一体化平台”提供底层技术支撑，还可以帮助研究者分析地壳物质运动与演变对矿井的影响、实矿井建设知识图谱构建研究综述邱云飞1，邢浩然1，李刚21.辽宁工程技术大学软件学院，辽宁葫芦岛1251052.辽宁工程技术大学矿业学院，辽宁阜新123000摘要：目前矿井建设工作中积累了海量数据，运用知识图谱技术可以挖掘这些动态数据间的复杂联系，为管理矿井数据、实现智慧化矿井建设等研究提供有效帮助。通过文献调研分析了矿井建设知识图谱的构建方法及数据特征，为知识图谱在矿井建设领域的落地应用提供了理论支撑；针对矿井建设领域的非结构化数据，系统地总结了知识抽取、知识融合、知识推理等构造知识图谱核心技术的原理与改进方法；最后分析了未来在矿井建设领域应用知识图谱的落地场景及发展趋势。关键词：矿井建设；知识图谱；知识抽取；知识融合；知识推理文献标志码：A中图分类号：TP301doi：10.3778/j.issn.1002-8331.2205-0409SummaryofResearchonConstructionofKnowledgeGraphforMineConstructionQIUYunfei1,XINGHaoran1,LIGang21.Sc...
