nznistuНауки о Земле и недропользованиеEarth sciences and subsoil use2686-99932686-7931Federal State Budget Educational Institution of Higher Education "Irkutsk National Research Technical University"10.21285/2686-9993-2021-44-3-204-218nznistu-158Research ArticleГеоинформатикаGeoinformaticsПостроение и применение графа знаний медно-порфировых месторожденийConstruction and applications of knowledge graph of porphyry copper depositshttps://orcid.org/0000-0002-8572-5849ЧжоуЮнчжанZhouYongzhang

Чжоу Юнчжан, доктор геолого-минералогических наук, профессор, Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов, Университет им. Сунь Ятсена, Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции Гуандун

Гуанчжоу

 

Yongzhang Zhou, Dr. Sci. (Geol. & Mineral.), Professor, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

zhouyz@mail.sysu.edu.cnhttps://orcid.org/0000-0002-8572-5849ЧжанЦяньлунZhangQianlong

Чжан Цяньлун, Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов, Университет им. Сунь Ятсена, Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции Гуандун

Гуанчжоу

 

Qianlong Zhang, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

zhouyz@mail.sysu.edu.cnhttps://orcid.org/0000-0002-8572-5849ШэньВэньцзеShenWenjie

Шэнь Вэньцзе

Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов

Гуанчжоу

 

Wenjie Shen, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

zhouyz@mail.sysu.edu.cnСяоФаньXiaoFan

Сяо Фань

Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов

Гуанчжоу

Fan Xiao, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

ЧжанЯньлунZhangYanlong

Чжан Яньлун

Гуанчжоу

Yanlong Zhang

Guangzhou

ЧжоуШиуZhouShiwu

Чжоу Шиу

Гуанчжоу

Shiwu Zhou

Guangzhou

ХуанЮнцзяньHuangYongjian

Хуан Юнцзянь

Гуанчжоу

Yongjian Huang

Guangzhou

ЦзиЦзюньцзеJiJunjie

Цзи Цзюньцзе, Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов, Университет им. Сунь Ятсена, Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции Гуандун

Гуанчжоу

 

Junjie Ji, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

ТанЛэйTangLei

Тан Лэй, Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов, Университет им. Сунь Ятсена, Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции Гуандун

Гуанчжоу

Lei Tang, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

ОуянЧунOuyangChong

Оуян Чун, Школа геологических наук и геологического инжиниринга, Центр изучения окружающей среды и ресурсов, Университет им. Сунь Ятсена, Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции Гуандун

Гуанчжоу

Chong Ouyang, School of Earth Sciences & Geological Engineering, Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, China, Guangdong Provincial Key Lab of Geological Processes and Mineral Resource Survey

Guangzhou

Университет им. Сунь Ятсена; Центральная лаборатория службы геологических процессов и минеральных ресурсов провинции ГуандунКитайSun Yat-sen University; Guangdong Provincial Key Lab of Geological Processes and Mineral Resource SurveyChinaГуандунский институт высококачественных ресурсов и окружающей средыКитайGuangdong Provincial Key Lab of Geological Processes and Mineral Resource SurveyChinaКомпания Гуандун Сюаньюань Сеть и Технологии ИнкорпорейтедКитайGuangdong Xuanyuan Network Tech. Inc.China202128102021443204218Copyright © Чжоу Ю., Чжан Ц., Шэнь В., Сяо Ф., Чжан Я., Чжоу Ш., Хуан Ю., Цзи Ц., Тан Л., Оуян Ч., 20212021Чжоу Ю., Чжан Ц., Шэнь В., Сяо Ф., Чжан Я., Чжоу Ш., Хуан Ю., Цзи Ц., Тан Л., Оуян Ч.Zhou Y., Zhang Q., Shen W., Xiao F., Zhang Y., Zhou S., Huang Y., Ji J., Tang L., Ouyang C.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.nznj.ru/jour/article/view/158

Граф знаний становится популярным благодаря своей способности описывать с использованием компьютерных технологий реальный мир при помощи языка графов, понятного как людям, так и машинам. В данной статье представлен пример построения графа знаний медно-порфировых месторождений. Во-первых, необработанные текстовые данные собраны и интегрированы по выбранным месторождениям медно-порфировых и скарново-порфировых медных месторождений в металлогеническом поясе заливов Циньчжоу – Ханчжоу Южного Китая. Во-вторых, текстовые сущности, отношения и атрибуты помечены и извлечены со ссылкой на концептуальную модель медно-порфировых месторождений в районе исследования. В-третьих, граф знаний медно-порфировых месторождений был построен с использованием Neo4j 4.3. Полученный граф знаний месторождения медно-порфировых руд имеет основные функции приложения. Кроме того, как часть запланированного интегрированного графа знаний от единичного месторождения транслируется через металлогеническую серию до крупной металлогенической провинции, поэтому результаты настоящего исследования могут быть со временем распространены на перспективность и оценку минеральных ресурсов других месторождений. Взаимосвязь между земной системой, металлогенической системой, системой разведки и оценки перспективности (ES-MS-ES-PS) должна быть полностью понята, а для этого необходима система графа знаний для ES-MS-ES-PS. Ключевые научные и технологические проблемы для создания системы графа знаний ES-MS-ES-PS включены в прогрессивную относительную систему онтологии предметной области и графа знаний ES-MS-ES-PS, технологии автоматического построения сложных онтологий предметной области MS-ES-PS и графа знаний, саморазвитие и дополнительные методы для встраивания данных многомодальной корреляции в граф знаний ES-MS-ES-PS, а также построение графа знаний, интеллектуальный анализ больших данных и искусственный интеллект на основе перспективности ресурсов земной коры, теории и методов оценки.

A knowledge graph is becoming popular due to its ability to describe the real world by using a graph language that can be understood by both humans and machines using computer technologies. A case study to construct the knowledge graph of porphyry copper deposits is presented in this paper. First of all, the raw text data is collected and integrated from selected porphyry copper deposits and porphyry-skarn copper deposits in the Qinzhou Bay – Hangzhou Bay metallogenic belt, South China. Second, the text's entities, relations, and attributes are labeled and extracted with reference to the conceptual model of porphyry copper deposits in the study area. The third, a knowledge graph of porphyry copper deposits, was constructed using Neo4j 4.3. The resulted knowledge graph of porphyry copper deposit has the basic functions of an application. Furthermore, as part of a planned integrated knowledge graph from a single deposit, through an upper-geared metallogenic series, to a high-top metallogenic province, the understanding from the present study may be extended to mineral resource prospectivity and assessment beyond today. The interrelationship between the earth system, the metallogenic system, the exploration system, and the prospectivity and assessment (ES-MS-ES-PS) should be completely understood, and a knowledge graph system for ES-MS-ES-PS is needed. The key scientific and technological problems for achieving the ES-MS-ES-PS knowledge graph system are included in the progressively relative system of the domain ontology and knowledge graph of ES-MS-ES-PS, the automatic construction technology of complicated ESMS-ES-PS domain ontology and knowledge graph, the self-evolution and complementary techniques for multi-modal correlation data embedding in the ES-MS-ES-PS knowledge graph, and the knowledge graph, big data mining and artificial intelligence based on ES-resource prospectivity, and assessment theory, and methods.

граф геологических знанийбольшие геологические данныеперспективность и оценка минеральных ресурсовонтология предметной областимедно-порфировое месторождениеgeological knowledge graphgeological big dataprospectivity and assessment of mineral resourcedomain ontologyporphyry copper depositReferencesZhang Q., Zhou Y. Big data helps geology develop rapidly // Acta Petrologica Sinica. 2018. Vol. 34. Iss. 11. P. 3167–3172.Zhang Q., Zhou Y. Big data helps geology develop rapidly. Acta Petrologica Sinica. 2018;34(11):3167-3172. (In Chinese).Zhou Y., Wang J., Zuo R., Xiao F., Shen W., Wang S. Machine learning, deep learning and Python language // Acta Petrologica Sinica. 2018. Vol. 34. Iss. 11. P. 3173–3178.Zhou Y., Wang J., Zuo R., Xiao F., Shen W., Wang S. Machine learning, deep learning and Python language. Acta Petrologica Sinica. 2018;34(11):3173-3178. (In Chinese).Zhou Y., Zhang L., Zhang O., Wang J. Big data mining & machine learning in geoscience. GuangZhou: Sun Yat-sen University Press, 2018. 269 p.Zhou Y., Zhang L., Zhang O., Wang J. Big data mining & machine learning in geoscience. GuangZhou: Sun Yat-sen University Press; 2018. 269 p. (In Chinese).Singhal A. Introducing the Knowledge Graph: things, not strings // Blog.google [Электронный ресурс]. URL: https://www.blog.google/products/search/introducing-knowledge-graph-things-not/ (28.02.2021).Singhal A. Introducing the Knowledge Graph: things, not strings. Blog.google. Available from: https://www.blog.google/products/search/introducing-knowledge-graphthings-not [Accessed 28th February 2021].Wu W., Li H., Wang H., Zhu K. Q. Probase: a probabilistic taxonomy for text understanding // Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data. 2012. P. 481–492. https://doi.org/10.1145/2213836.2213891.Wu W., Li H., Wang H., Zhu K. Q. Probase: a probabilistic taxonomy for text understanding. Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data. 2012:481-492. https://doi.org/10.1145/2213836.2213891.Hoffart J., Suchanek F. M., Berberich K., Weikum G. YAGO2: a spatially and temporally enhanced knowledge base from Wikipedia // Artificial Intelligence. 2013. Vol. 194. P. 28–61. https://doi.org/10.1016/j.artint.2012.06.001.Hoffart J., Suchanek F. M., Berberich K., Weikum G. YAGO2: a spatially and temporally enhanced knowledge base from Wikipedia. Artificial Intelligence. 2013;194:28- 61. https://doi.org/10.1016/j.artint.2012.06.001.Lukovnikov D., Fischer A., Lehmann J., Auer S. Neural network-based question answering over knowledge graphs on word and character level // WWW'17: Proceedings of the 26th International Conference on World Wide Web. 2017. P. 1211–1220. https://doi.org/10.1145/3038912.3052675.Lukovnikov D., Fischer A., Lehmann J., Auer S. Neural network-based question answering over knowledge graphs on word and character level. WWW'17: Proceedings of the 26th International Conference on World Wide Web. 2017:1211-1220. https://doi.org/10.1145/3038912.3052675.Xu B., Xu Y., Liang J., Xie C., Liang B., Cui W., et al. CN-DBpedia: a never-ending Chinese Knowledge extraction system // Advances in Artificial Intelligence: From Theory to Practice. 2017. P. 428–438. https://doi.org/10.1007/978-3-319-60045-1_44.Xu B., Xu Y., Liang J., Xie C., Liang B., Cui W., et al. CN-DBpedia: a never-ending Chinese Knowledge extraction system. Advances in Artificial Intelligence: From Theory to Practice. 2017:428-438. https://doi.org/10.1007/978-3-319-60045-1_44.Palumbo E., Rizzo G., Troncy R., Baralis E., Osella M., Ferro E. An empirical comparison of knowledge graph embeddings for item recommendation // Istituzionale della Ricerca. 2018. [Электронный ресурс]. URL: https://iris.polito.it/retrieve/handle/11583/2710124/203256/paper2.pdf (28.02.2021).Palumbo E., Rizzo G., Troncy R., Baralis E., Osella M., Ferro E. An empirical comparison of knowledge graph embeddings for item recommendation. Istituzionale della Ricerca. 2018. Available from: https://iris.polito.it/retrieve/handle/11583/2710124/203256/paper2.pdf [Accessed 28th February 2021].Wang C., Yu H., Wan F. Information retrieval technology based on knowledge graph // Proceedings of the 2018 3rd International Conference on Advances in Materials, Mechatronics and Civil Engineering (ICAMMCE 2018). 2018. https://doi.org/10.2991/icammce-18.2018.65.Wang C., Yu H., Wan F. Information retrieval technology based on knowledge graph. Proceedings of the 2018 3rd International Conference on Advances in Materials, Mechatronics and Civil Engineering (ICAMMCE 2018). 2018. https://doi.org/10.2991/icammce-18.2018.65.Qi H., Dong S., Zhang L., Hu H., Fan J. Construction of Earth science knowledge graph and its future perspectives // Geological Journal of China Universities. 2020. Vol. 26. Iss. 1. P. 2–10. https://doi.org/10.16108/j.issn1006-7493.2019099.Qi H., Dong S., Zhang L., Hu H., Fan J. Construction of Earth science knowledge graph and its future perspectives. Geological Journal of China Universities. 2020;26(1):2-10. (In Chinese). https://doi.org/10.16108/j.issn1006-7493.2019099.Zhou Y., Zhang Q., Huang Y., Yang W., Xiao F. Construction of knowledge graph of porphyry copper deposit from Qingzhou Bay – Hangzhou Bay and insight into knowledge graph based mineral resource prediction and evaluation // Earth Sciences Frontiers. 2021. Vol. 28. Iss. 3. P. 67–75.Zhou Y., Zhang Q., Huang Y., Yang W., Xiao F. Construction of knowledge graph of porphyry copper deposit from Qingzhou Bay – Hangzhou Bay and insight into knowledge graph based mineral resource prediction and evaluation. Earth Sciences Frontiers. 2021;28(3):67-75. (In Chinese).Liu Q., Li Y., Duan H., Liu Y., Qin Z. Knowledge graph construction techniques // Journal of Computer Research and Development. 2016. Vol. 53. Iss. 3. P. 582–600. https://doi.org/10.7544/issn1000-1239.2016.20148228.Liu Q., Li Y, Duan H, Liu Y, Qin Z. Knowledge graph construction techniques. Journal of Computer Research and Development. 2016;53(3):582-600. (In Chinese). https://doi.org/10.7544/issn1000-1239.2016.20148228.Sahoo S., Halb W., Hellmann S., Idehen K., Thibodeau Jr T., Auer S., et al. A survey of current approaches for mapping of relational databases to RDF: W3C RDB2RDF Incubator Group report // W3.org [Электронный ресурс]. URL: https://www.w3.org/2005/Incubator/rdb2rdf/RDB2RDF_SurveyReport.pdf (28.02.2021).Sahoo S., Halb W., Hellmann S., Idehen K., Thibodeau Jr T., Auer S., et al. A survey of current approaches for mapping of relational databases to RDF: W3C RDB2RDF Incubator Group report. W3.org. Available from: https://www.w3.org/2005/Incubator/rdb2rdf/RDB2RDF_SurveyReport.pdf [Accessed 28th February 2021].Chen Y., Chen C., Liu Z., Hu Z., Wang X. The methodology function of CiteSpace mapping knowledge domains // Studies in Science of Science. 2015. Vol. 2. P. 243–252. https://doi.org/10.16192/j.cnki.1003-2053.2015.02.009.Chen Y., Chen C., Liu Z., Hu Z., Wang X. The methodology function of CiteSpace mapping knowledge domains. Studies in Science of Science. 2015(2):243-252. (In Chinese). https://doi.org/10.16192/j.cnki.1003-2053.2015.02.009.Knublauch H., Fergerson R.W., Noy N.F., Musen M.A. The Protégé OWL plugin: an open development environment for semantic web applications // The Semantic Web – ISWC 2004. 2004. P. 229–243. https://doi.org/10.1007/978-3-540-30475-3_17.Knublauch H., Fergerson R. W., Noy N. F., Musen M. A. The Protégé OWL plugin: an open development environment for semantic web applications. The Semantic Web – ISWC 2004. 2004:229-243. https://doi.org/10.1007/978-3-540-30475-3_17.Zhao P. Quantitative mineral prediction and deep mineral exploration // Earth Science Frontiers. 2007. Vol. 14. Iss. 5. P. 1–10.Zhao P. Quantitative mineral prediction and deep mineral exploration. Earth Science Frontiers. 2007;14(5): 1-10. (In Chinese).Agterberg F. Geomathematics: theoretical foundations, applications and future developments. Springer International Publishing, 2014. 553 p. [Электронный ресурс]. URL: https://www.springer.com/gp/book/9783319068732(28.02.2021).Agterberg F. Geomathematics: theoretical foundations, applications and future developments. Springer International Publishing; 2014. 553 p. Available from: https://www.springer.com/gp/book/9783319068732 [Accessed 28th February 2021].

The authors declare that there are no conflicts of interest present.