基于时间序列数据与知识图谱的语义关联规则学习
人工智能
2024-03-12 v1
摘要
数字孪生（DT）因其监测与自动推理等先进特性，是信息物理系统研究中一个有前景的概念。诸如知识图谱（KG）之类的语义技术近来正被用于 DT 中，尤其用于信息建模。在此基础上，本文提出一种在 DT 中利用 KG 与时间序列数据进行语义关联规则学习的流程。除这一初步流程外，我们还提出了新的语义关联规则判据。该方法在一个工业水网络场景中得到评估。初步评估表明，所提方法能够学习到大量具有语义信息且更具泛化性的关联规则。本文旨在为进一步研究使用语义关联规则学习，尤其在工业应用背景下，奠定基础。
引用
@article{arxiv.2310.07348,
title = {Semantic Association Rule Learning from Time Series Data and Knowledge Graphs},
author = {Erkan Karabulut and Victoria Degeler and Paul Groth},
journal= {arXiv preprint arXiv:2310.07348},
year = {2024}
}
备注
This paper is accepted to SemIIM23: 2nd International Workshop on Semantic Industrial Information Modelling, 7th November 2023, Athens, Greece, co-located with 22nd International Semantic Web Conference (ISWC 2023)