哈尔滨工业大学科研成果专场推介——人工智能与环境感知领域(三)
一、成果介绍
1.开放式中文知识图谱-大词林(计算学部)
【成果简介】《大词林》是一个开放域命名实体知识库自动构建系统,系统从Web搜索结果、在线百科和命名实体字面等多个信息源挖掘命名实体的类别,并从Apriori关联项、后缀上位词、分类层次化和词汇分布表示等多个角度学习获取类别之间的层次化关系。《大词林》以《同义词词林(扩展版)》为骨架,不断添加命名实体及其层次化类别信息,自动构建开放域命名实体知识库。
【技术指标】目前《大词林》2.0版已拥有实体30,102,845(三千万),上位词182,079(十八万),优质的实体上下位关系对15,577,846(一千五百万对),属性-值对79,568,791(七千九百万对),关系(属性)数436,961(四十三万)。
【应用前景】大词林作为通用知识库可以提供给任何算法或者系统,用于提供通用或者领域专业知识,用以提升人工智能水平。
2.事理图谱(计算学部)
【成果简介】首创性地提出事理图谱(EventicGraph,EG)的概念,构建了以事件和事理为核心,事理逻辑关系为边的知识库,解决了现有知识图谱体系性缺失问题,开创了事理图谱的研究方向,填补了知识图谱在事理逻辑知识方面的空白。结构上,事理图谱是一个有向有环图,节点表示事件,有向边表示事件之间的顺承、因果、条件和上下位等逻辑关系。举办了全国首届事理图谱研讨会,2022年,事理图谱作为专业术语被中国计算机学会认证并对外发布。相关成果获得SemEval2020国际语义评测“检测反事实陈述”任务第一名。
【技术指标】互联网获取事理关系准确率超过95%;事理图谱事件节点数超过1400万,事理关系数超过1300万。
【应用前景】事理图谱通过构建和分析事件及事理关系,在自然语言处理、智能搜索引擎、推荐系统、企业管理、金融等领域展现出广泛的应用前景。通过应用事理图谱,可以提升问答系统的准确性、改进信息抽取和智能搜索的效率,增强推荐系统的个性化能力。
3.事理知识增强的事件预测(计算学部)
【成果简介】针对人工智能的事件预测中的事件背景知识不全、事件间逻辑关系缺失,推理路径不透明等问题,提出了事理知识增强的事件预测技术,开发了条件马尔可夫逻辑网络,通过事理图谱来补充事件背景知识,补全事件间的发展链条,实现了高性能的事件推理,并通过还原事件之间的演化关系,实现了深度学习模型的自解释,使得推理可靠且可信。相关成果获得2019年TheStoryClozenTest国际评测第一名。
【技术指标】英文事件预测准确率:78%;中文事件预测准确率:81%;可解释性得分:1.43。
【应用前景】该技术能够广泛应用于各类事件预测场景,包括但不限于金融风险预警,法律法条预测,舆情监测等场景。
4.社交媒体智能体态势感知系统(计算学部)
【成果简介】针对当前社交平台上舆论事件态势发展的碎片化、快速化等特点和社交智能体在舆论传播中扮演越来越重要角色的问题,本研究团队研制了一套舆论事件感知与智能体传播分析系统,挖掘了网络舆情事件发展中热门舆论的传播脉络,呈现了舆论事件中的热门讨论社区,实现了对社交平台智能体的挖掘分析,进一步计算分析社交智能体集群在舆论事件发展传播过程的具体作用和影响。
【技术指标】面向热门事件的分析:14个热门舆论事件;社交智能体挖掘:6490个推特智能体账号,1736个微博智能体账号;舆论事件下热点内容传播路径:443条直接传播路径,59条间接传播路径;智能体集群传播行为:143条智能体群组主导的路径。
【应用前景】系统能够及时发现并建模舆论事件的中热门内容的传播脉络情况,对在背后推动社交平台舆论发展的社交智能体群组进行识别和挖掘,帮助公众和决策者理解网络舆论变化的演变过程和潜在推动者。可以为政府机关、企业和研究机构提供强有力的舆论支持工具,有效维护网络信息安全和社会稳定。
5.社交媒体智能体发帖演练系统(计算学部)
【成果简介】系统用于面向突发事件时多智能体自主决策社交交互行为参与事件的讨论,以及社交媒体智能体管理平台,用于维护真实社交账号并与发帖演练联通进行真实场景下的发帖。给定一个话题和参与发帖演练的智能体数量,发帖演练系统可以围绕指定话题生成多智能体的发帖策略及发帖内容,预览发帖效果,同时,社交媒体智能体管理平台通过web平台实现智能体的策略修改与行为管理,将模拟结果发布到真实场景下的社交媒体平台中,用于面向突发事件时智能化引导正向舆论。
【技术指标】系统在10s内完成发帖演练内容的生成,社交媒体智能体管理平台可以在微博和x(Twitter)两个平台稳定运行,进行70个智能体的维护,单个智能体平均部署时间在5s内,对于真实场景下的行动,即时行动在30s内完成,有时间规划的行动其实际执行时间与规划误差在60s内。
【应用前景】可用于突发事件快速响应,在突发事件发生时通过生成多智能体的发帖策略及发帖内容,预览发帖效果,实现主流价值观内容认知和精准传播,健全新媒体环境下的舆论引导机制,实现网络媒体内容传播范围和影响力的最大化,提升媒体平台在信息传播引导方面的服务能力与服务质量,借助信息精准传播理论提升主流媒体的吸引力、传播力和影响力,具有广阔的市场前景和巨大的经济效益。
6.实时渲染图形系统(计算学部)
【成果简介】针对实时渲染应用需求日益提升,缺乏高效便捷的渲染系统来提供几何模型绘制与可视化交互的问题,研制了实时渲染图形系统,构建了完整的光照渲染框架,提供真实感图形渲染,应用GPU驱动的几何管线设计,充分利用硬件的图形绘制能力,实现了高质量,交互式的实时图形渲染应用,并可针对应用场景需求有效进行扩展开发,降低渲染应用开发成本,支持新兴图形渲染技术的研究落地。
【技术指标】渲染速率:1080p,60fps;场景模型复杂度:同屏幕100万三角面;渲染系统:GPU驱动的几何管线;光照算法:基于物理的光照模型,动态漫反射全局光照,随机屏幕空间反射,分簇光照,延迟渲染。
【应用前景】该技术能有效应用于实时渲染领域,完成几何模型的可视化处理及渲染功能,实现高质量的交互式图形应用;现有系统经扩展后也可应用于实时物理仿真,动画等领域,以及三维高斯泼溅等新型渲染技术。
7.适用于筒型仓储测量的高精度3D料位监测系统(航天学院)
【成果简介】该成果是针对大型筒仓储存物料表面“不规则分布”特点而研发的,用于物位高度分布、物料体积实时精准测量。可广泛应用于粮食仓、煤仓等各种筒形仓内部体积的精准测量,为生产及调度等提供精准数据,是工业自动化及数字化的重要一环。传统的料位计主要采用超声波和毫米波,仅能测试一个点的高度,无法实现整个区域的煤料高度采集,导致数据准确性差。而相较于常规的料位计,该成果的主要优势为采用高精密激光扫描传感器,每秒测量30万个物料表面的坐标数据,从而实现整个区域的堆料高度采集,进而精准测算筒形仓内部体积。
【技术指标】测量精度:高于0.1%;探测距离:200m;测量密度:30万测点/秒;扫描视场角:水平360°,垂直270°;防爆等级:满足Ⅰ类、Ⅱ类防爆;干扰抑制:内置算法补偿干扰;防护等级:IP67。
【应用前景】目前该成果已成功应用于国家能源集团生产现场,解决煤炭仓储的料位测定难题,成果已应用于洗选煤生产现场,彻底革新了传统的煤仓管理方式,将长期以来的行业难题转变为基于工业互联网的煤矿应用场景化解决方案,既提高了作业效率,又确保了现场作业的安全,展现出了极高的应用价值和实用效果。产品被黑龙江省工信厅认定为“2024年度黑龙江省首台(套)产品”。
8.适用于大型堆料体积测量的全场景激光盘库系统(航天学院)
【成果简介】该成果采用自主研发的3D激光扫描技术对物料进行连续性扫描,每秒高达30万测点,为精准掌握物料动态变化提供可靠的数据支撑。该成果可实时计算、感知和记录目标堆体表层三维数据,探测距离高达200m、体积测量精度优于0.1%,搭载高性能旋转云台,拥有360°超大扫描视场,通过多机数据融合算法,能够对大型物料堆体快速建模,输出三维可视化界面的同时可实时计算体积、质量等关键参数,科学管理物料进出,高效率、高质量地实现对物料的精细化管理,为企业实现降本、增效提供抓手。
【技术指标】扫描周期:1min;响应速度:秒级;测量精度:高于98%(理论精度高于99%);工作模式:自动/手动模式;通讯方式:无线、光纤、5G;其他:数据存储2年以上,智能自诊断、三维可视。
【应用前景】成果已部署于晋能控股某煤矿生产现场,为生产调度提供了精确高效的仓容信息。该成果作为华为生态伙伴典型案例,携手共同亮相“第二十届中国国际煤炭采矿技术交流及设备展览会”,获得与会人员广泛关注。已部署到寺河矿的混煤场,通过“全场景激光扫描智能盘煤系统”项目的实施,可将盘库损失率下降80%。未来,该成果将应用于水泥厂、火电厂、矿山等诸多场景,具有广阔的应用场景。
二、联系方式
如您对以上成果有进一步合作交流意向,请与我们工作人员联系对接。
房经理 0531-86196383
亓经理 0531-86196382