[发明专利]基于数据图谱、信息图谱和知识图谱的图像信息目标识别增强方法

说明书

本发明是一种基于数据图谱、信息图谱和知识图谱的图像信息目标识别增强方法，属于分布式计算和软件工程学技术交叉领域。该方法的目的是使机器自动智能的进行图像识别，找到图像中无法直接观察到的信息。本发明建立了数据图谱、信息图谱、知识图谱架构，首先将识别图像中可以观察到的图像与数据图谱结合，实现图像分类，然后将图像中显示的交互关系与信息图谱结合，找到并列关系，最后在知识图谱中的路径上经过知识推理找到隐藏信息，实现信息识别。

技术领域

本发明是一种基基于数据图谱、信息图谱和知识图谱的图像信息目标识别增强方法。主要用于机器自动智能的识别出图片中无法直接观察到的信息。属于分布式计算和软件工程学技术交叉领域。

背景技术

知识图谱已经成为用标记的有向图形式表示知识的强大工具，并给出文本信息的语义。知识图谱是通过将每个项目、实体或用户做结点表示，并且通过边缘将彼此相互作用的那些结点链接起来构造的图形。结点之间的边可以表示任意关系。与UML类相比，知识图谱具有更丰富的自然语义，表达机制更接近与自然语言，蕴含更多更完整的语义信息。现在很少使用UML来建模自动化应用程序，其中一个原因是UML缺乏正式的需要对应用程序的关键部分进行建模的语义，借助本发明提出的基于数据图谱、信息图谱和知识图谱的三层结构关系框架，进行图像信息识别。本发明主要是通过借助数据图谱、信息图谱、知识图谱的架构去正确的识别出尽可能多的未被标识过的对象。

发明内容

技术问题：本发明的目的主要是引入数据图谱、信息图谱、知识图谱架构使机器自动智能的进行图像信息识别，从分析图像中的已知信息出发，与构建好的三层图谱相结合，最后找到图像中无法直接观察到的信息。

技术方案：本发明是一种策略性方法，可以应用于图片或者摄像机的图像信息目标识别。该方法的目的是使机器自动智能的进行图像识别，找到图像中无法直接观察到的信息。本发明建立了数据图谱、信息图谱、知识图谱架构，首先将识别图像中可以观察到的图像与数据图谱结合，实现图像分类，然后将图像中显示的交互关系与信息图谱结合，找到并列关系，最后在知识图谱中的路径上经过知识推理找到隐藏信息，实现信息识别。

体系结构：本专利建立了一种基于数据图谱、信息图谱、知识图谱的架构。本发明建立了数据图谱、信息图谱、知识图谱架构，首先将识别图像中可以观察到的图像与数据图谱结合，实现图像分类，然后将图像中显示的交互关系与信息图谱结合，找到并列关系，最后在知识图谱中的路径上经过知识推理找到隐藏信息，实现信息识别。

下面给出构建数据图谱、信息图谱、知识图谱的具体说明:

数据图谱：数据图谱能记录图像实体中的基本属性，包括颜色形态等，但是在没有上下文语境的情况下，它们本身没有意义。数据图谱可以用数组、链表、队列、树、栈、图等数据结构来表达。数据图谱也可以记录图像实体中所包含结构出现的频度，包括结构、时间和空间三个层次的频度。数据图谱能描述不同图像实体关联的紧密程度，我们称之为密度，可以反映出哪些实体联系紧密，哪些实体联系稀疏。但是数据图谱只能进行静态分析，无法表达实体之间的交互关系。同时数据图谱上也未对数据的准确性进行分析，可能出现不同的实体但表示同一含义，例如番茄和西红柿，这两种图像实体所具有的属性频度都是相同的，这就产生了数据冗余。

信息图谱：信息是通过数据和数据组合之后的上下文来传达的，经过概念映射和相关关系组合之后的适合分析和解释的信息。信息图谱可以根据关系数据库来表达。信息图谱上进行数据清洗，消除冗余数据。信息图谱可以记录实体之间的直接交互关系。

知识图谱：知识图谱根据数据图谱和信息图谱进一步完善了实体之间的语义关系，形成由大量交互关系连接起来的语义网络，同时可以通过信息推理和实体链接提高知识图谱的边密度和结点密度，知识图谱的无结构特性使得自身可以无缝链接。信息推理需要有相关规则的支持，通过推理得到的新关系的正确度Cr可以由公式1得出。实体1和实体2之间的新关系可以表示为，z表示所有关系，表示新关系权重，表示实体1和实体2之间的一个关系，当正确度超过一个阈值是认为该关系成立：