Page 76 - 2021年第52卷第8期

媒介建立关系。如水资源专业可分为水资源调度、水资源配置等若干个研究方向，每个研究方向有
相应的水利核心主题词。本研究建设了涵盖水利主要研究领域的行业主题词表，在对某个主题词进
行检索后，可以同步查询与该词条相关的其他词条间的层级关系，形成对该领域知识体系的有效组
织。基于主题词搜索相关的水利文献，可以构建“水利主题词（学科知识）—文献—作者（水利研究人
员）—机构（水利管理/科研机构）”的关系。图 8 展示了在学科图谱中查找关键词“水资源”，关联出“地
下水资源”这一细分领域，该领域中发表的论文包括“《商丘市地下水资源现状与对策》”，由该论文又
关联出作者是“倪昆”，该作者任职于“河南省国土资源科学研究院”，由此实现了水网图谱与学科图
谱间的关联。

图 8 查询水网对象与学科知识对象间的关系
在水利学科的原理、规律和方法与水网对象的关联上，基于对水利实体及属性数据的采集和分
析，后续可实现基于水利学科原理的知识推理。例如在系统收录了“海河流域”这一天然对象并赋以
了“多年平均降水量”和“多年平均径流量”属性后，当用户检索“海河流域多年平均蒸发量是多少”
时，可以基于水文学的水量平衡原理定义流域多年蒸发量的获取规则，利用降水量减去径流量，即
可得到流域多年的平均蒸发量，并将结果反馈给用户，由此实现基于水量平衡原理与水网对象的关
联。

5 结论与展望

知识图谱作为人工智能与计算机发展的产物，是知识可视化和知识挖掘与发现的重要手段。在
水利管理中，随着信息化水平的不断提高，将多源异构数据进行融合与关联，形成知识挖掘与发现
的能力，对实现水利行业的智能化管理有着重要意义。本文基于对水利知识组成及关系的梳理与分
析，提出了水利综合知识体系的描述方法；设计了水利综合知识图谱构建的概念框架；以水利行业
关系型数据库、互联网数据与百科知识等为数据源，提出了水利综合知识图谱构建的关键技术体
系；研发了针对非结构化文本的水利实体识别和关系抽取、多源水利实体的融合等关键技术，基于
本文提出的框架和技术进行了水利综合知识图谱建设实践，形成了具有一定数据规模的知识图谱，
可提供水利知识的跨域查询与检索服务。
本文以建立水利物理世界中的事实类知识与认知类的水利学科知识统一的综合性关联知识图谱

— 956 —