Page 96 - 2024年第55卷第1期

［２０］ 邓志鸿，唐世渭，张铭，等．Ｏｎｔｏｌｏｇｙ研究综述［Ｊ］．北京大学学报（自然科学版），２００２（５）：７３０ － ７３８．
［２１］ 张文秀，朱庆华．领域本体的构建方法研究［Ｊ］．图书与情报，２０１１（１）：１６ － １９，４０．
［２２］ 许力，李建华．基于 ＢＥＲＴ和 ＢｉＬＳＴＭ－ ＣＲＦ的生物医学命名实体识别［Ｊ］．计算机工程与科学，２０２１，４３
（１０）：１８７３ － １８７９．
［２３］ 张乐，李健，唐亮，等．基于预训练 ＢＥＲＴ的军事领域目标实体深度学习识别方法［Ｊ］．信息工程大学学
报，２０２１，２２（３）：３３１ － ３３７．
［２４］ 李正民，云红艳，王翊臻．基于 ＢＥＲＴ的多特征融 合 的 医 疗 命 名 实 体 识 别 ［Ｊ］．青 岛 大 学 学 报 （自 然 科 学
版），２０２１，３４（４）：２３ － ２９．
［２５］ 董哲，邵若琦，陈玉梁，等．基于 ＢＥＲＴ和对抗训练的食品领域命名实体识别［Ｊ］．计算机科学，２０２１，４８
（５）：２４７ － ２５３．
［２６］ 骆正清，杨善林．层次分析法中几种标度的比较［Ｊ］．系统工程理论与实践，２００４（９）：５１ － ６０．
［２７］ 刘巍，陈霄，陈静，等．知识图谱技术研究［Ｊ］．指挥控制与仿真，２０２１，４３（６）：６ － １３．
［２８］ 庄严，李国良，冯建华．知识库实体对齐技术综述［Ｊ］．计算机研究与发展，２０１６，５３（１）：１６５ － １９２．
［２９］ 赵慧子，周逸凡，段浩，等．水文模型知识学习的命名实体识别方法研究［Ｊ］．中国水利水电科学研究院
学报（中英文），２０２３，２１（６）：５７４ － ５８５．

Ｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｉｎｇｋｎｏｗｌｅｄｇｅｇｒａｐｈｃｏｎｓｔｒｕｃｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎ

１，２
１，２
１，２
１
１，２
１，２
ＺＨＯＵＹｉｆａｎ ，ＤＵＡＮＨａｏ ，ＺＨＡＯＨｏｎｇｌｉ ，ＺＨＡＯＨｕｉｚｉ ，ＬＩＨａｏ ，ＨＡＮＫｕｎ
（１．ＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒｏｐｏｗｅｒＲｅｓｅａｒｃｈ，Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ；
２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｉｖｅｒＢａｓｉｎＤｉｇｉｔａｌＴｗｉｎｎｉｎｇｏｆＭｉｎｉｓｔｒｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｌａｃｋｏｆｓｃｅｎａｒｉｏｃａｓｅｓｏｆｋｎｏｗｌｅｄｇｅｏｒｇａｎｉｚａｔｉｏｎａｎｄｓｔｒｕｃｔｕｒｅｄｅｘｐｒｅｓｓｉｏｎｉｎｔｈｅｗａｔｅｒ
ｃｏｎｓｅｒｖａｎｃｙｖｅｒｔｉｃａｌｄｏｍａｉｎ ，ａｎｄｔｈｅｄｉｆｆｉｃｕｌｔｙｏｆｇｅｎｅｒｉｃｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎｍｏｄｅｌｓｉｎｔｈｅｗａｔｅｒｃｏｎｓｅｒｖａｎｃｙ
ｖｅｒｔｉｃａｌｄｏｍａｉｎｔｏａｃｈｉｅｖｅｔｈｅｅｘｐｅｃｔｅｄａｃｃｕｒａｃｙａｎｄｏｔｈｅｒｉｓｓｕｅｓ，ｔｈｉｓｐａｐｅｒｔａｋｅｓｔｈｅｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｓｃｈｅｍｅ
ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｓａｎ ｅｘａｍｐｌｅ ， ｐｒｏｐｏｓｅｓｔｈｅ ｃｏｎｓｔｒｕｃｔｉｏｎ ｆｒａｍｅｗｏｒｋ ａｎｄ ｐｒｏｃｅｓｓｏｆｋｎｏｗｌｅｄｇｅ ｍａｐｐｉｎｇ，
ｃｏｎｓｔｒｕｃｔｓａｋｎｏｗｌｅｄｇｅｍｏｄｅｌｃｏｎｔａｉｎｉｎｇｍｏｄｅｌｉｎｈｅｒｉｔａｎｃｅａｎｄｄｅｖｅｌｏｐｍｅｎｔｒｅｌａｔｉｏｎｓｈｉｐ，ａｐｐｌｉｃａｔｉｏｎｗａｔｅｒｓｈｅｄｓ，
ａｎｄｍｏｄｅｌａｃｃｕｒａｃｙ，ｅｔｃ．，ａｎｄｆｏｒｍｓａｍｕｌｔｉ － ｓｔｒａｔｅｇｙｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｐｅｒｉｏｄｉｃａｌｌｉｔｅｒａ
ｔｕｒｅｃｌａｓｓｏｆｕｎｓｔｒｕｃｔｕｒｅｄｄａｔａｓｏｕｒｃｅｓ，ａｓｗｅｌｌａｓｒｕｌｅｓａｎｄｍｅｔｈｏｄｓｆｏｒｅｎｔｉｔｙａｌｉｇｎｍｅｎｔａｎｄｋｎｏｗｌｅｄｇｅｆｕｓｉｏｎ．
Ｔｈｅｋｎｏｗｌｅｄｇｅ ｍｏｄｅｌｃｏｎｔａｉｎｓｍｏｄｅｌｉｎｈｅｒｉｔａｎｃｅ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔｒｅｌａｔｉｏｎｓｈｉｐ， ａｐｐｌｉｃａｔｉｏｎ ｂａｓｉｎ， ｍｏｄｅｌ
ａｃｃｕｒａｃｙ ，ｅｔｃ．Ａ ｍｕｌｔｉ － ｓｔｒａｔｅｇｙｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｕｎｓｔｒｕｃｔｕｒｅｄｄａｔａｓｏｕｒｃｅｏｆｊｏｕｒｎａｌ
ｌｉｔｅｒａｔｕｒｅｉｓｆｏｒｍｅｄ ，ａｓｗｅｌｌａｓｔｈｅｒｕｌｅｓａｎｄｍｅｔｈｏｄｓｏｆｅｎｔｉｔｙａｌｉｇｎｍｅｎｔａｎｄｋｎｏｗｌｅｄｇｅｆｕｓｉｏｎ．Ｋｎｏｗｌｅｄｇｅｅｘｔｒａｃ
ｔｉｏｎａｎｄｆｕｓｉｏｎｏｆｊｏｕｒｎａｌｌｉｔｅｒａｔｕｒｅｉｎｔｈｅｆｉｅｌｄｏｆｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｉｎｇａｒｅｃａｒｒｉｅｄｏｕｔｔｏｃｏｎｓｔｒｕｃｔａｈｙｄｒｏｌｏｇｉｃａｌ
ｍｏｄｅｌｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｓｔａｎｃｅ ，ｗｈｉｃｈｃｏｎｔａｉｎｓａｔｏｔａｌｏｆ１４，２９８ｎｏｄｅｅｎｔｉｔｉｅｓ，３９，１３３ａｔｔｒｉｂｕｔｅｅｎｔｉｔｉｅｓ，ａｎｄ
３６ ，２５４ｒｅｌａｔｉｏｎｓｈｉｐｓ，ａｎｄｔｈｅａｃｃｕｒａｃｙ，ｒｅｃａｌｌ，ａｎｄＦ１ｖａｌｕｅｏｆｔｈｅｅｎｔｉｔｙｒｅｃｏｇｎｉｔｉｏｎａｒｅａｌｌａｂｏｖｅ９０％．Ｔｈｅ
ｖｉｓｕａｌｅｘｐｒｅｓｓｉｏｎａｎｄｋｎｏｗｌｅｄｇｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｅｓｔａｂｌｉｓｈｅｄｇｒａｐｈｉｎｓｔａｎｃｅｗｅｒｅｃａｒｒｉｅｄｏｕｔ ，ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗ
ｔｈａｔ ：ｔｈｅｇｒａｐｈｒｅａｌｉｚｅｓｒａｐｉｄａｃｑｕｉｓｉｔｉｏｎａｎｄｌｅａｒｎｉｎｇ，ｏｒｇａｎｉｚａｔｉｏｎａｎｄｍａｎａｇｅｍｅｎｔｏｆｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｋｎｏｗｌ
ｅｄｇｅｂａｓｅｄｏｎｊｏｕｒｎａｌｌｉｔｅｒａｔｕｒｅ，ｓｕｐｐｏｒｔｓｍｏｄｅｌｒｅｔｒｉｅｖａｌａｎｄｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ｉｍｐｒｏｖｅｓｔｈｅｄｉｓｃｏｖｅｒｙａｎｄｕｓｅｏｆ
ｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｋｎｏｗｌｅｄｇｅ ，ａｎｄｈａｓｒｅｆｅｒｅｎｃｅｖａｌｕｅｆｏｒｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｈｙｄｒｏｌｏｇｉｃａｌｋｎｏｗｌｅｄｇｅｇｒａｐｈｉｎｓｉｍｉｌａｒ
ｓｃｅｎａｒｉｏｓ．
Ｋｅｙｗｏｒｄｓ：ｋｎｏｗｌｅｄｇｅｇｒａｐｈ；ｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌ；ｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎ；ｋｎｏｗｌｅｄｇｅａｐｐｌｉｃａｔｉｏｎ

（责任编辑：李 娜）

— ９ １ —