杨波，赵英俊

（核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京 100029）

知识是智能的基础，人类智能往往依赖有意或无意地运用已知的知识［1］。以此类推，社会的发展无法离开人工智能的推动作用，有需求就会促进知识图谱的发展［2］。这里有两个核心问题：如何建模众源知识？如何在计算机中高效地存储与收集众源数据？本研究主要关注前者。

众源数据的铀资源知识表示即使用何种工具和方法对感兴趣领域进行知识建模，以便达到众源数据的知识为我所有［3-5］。在数据网络图谱方面，知识图谱是一种新型的互联网络，即一种运用关联节点和弧来代替知识的模型［6］。在将社会网络抽象化为语义网络的过程中，出现了网络聚集的现象，所以，需要定义一些基本的网络基础单元，如，本体、属性和案例。同时，这些基本单元之间也有相关关系，在语义网络中用边的属性表示基本单元的联系和纽带，这些边的属性是语义网络中的核心［7-8］。为了给这些关联设定步骤，前人学者设计了系列学术术语，并进一步提出了表达逻辑，他是一种对语言处理简化的规则，推理复杂度在置信区间内［9-12］。万维网标准委员会（World Wide Web Consortium，W3C）推出了以表达规范为基础原则的本体规则Web 本体语言（Ontology Web Language，OWL）并宣布为网络术语的官方语言。W3C 还推出了除上之外一种用于搭载Web 本体的规则资源描述框架（Resource Description Framework，RDF）。目前，利用向量来刻画知识图谱成为主流，其基本设定是将众源数据定义为一个具有初始节点、连接属性和结尾节点的知识建模方法。……