随着近年来人工智能领域的快速发展,大数据、互联网+、物联网、云计算、等方面的先进技术大量运用于煤矿产业,当前我国煤矿产业越来越向智能化和信息化迈进。虽然近年来科技创新对煤矿产业的发展起到了极大的推进作用,但煤矿事故领域仍然存在相关数据信息内容繁杂、信息碎片化严重、呈现形式单一等问题。如何对这些信息进行梳理研究、统一管理、信息查询是目前一个亟待解决的问题。因此将知识图谱这一新兴领域引入煤矿事故领域,使煤矿事故领域的数据信息可以通过知识图谱实现语义连接,从而将这些多源异构数据整合梳理,以可视化的图谱生动形象地展现数据信息及其联系,并实现信息准确快捷的检索。本文以煤矿事故案例知识为对象,基于深度学习方法,研究了煤矿事故领域知识图谱的构建过程和关键技术,并探讨了基于知识图谱的煤矿事故领域智能问答查询模型及应用。首先,根据煤矿事故领域的核心集,确立煤矿事故领域知识实体、属性以及关系这三大类型;其次,对搜集的煤矿领域事故案例信息进行序列标注,采用当前较为常用的BIOSE标注规范对实体信息进行标注。其后通过对比实验,从四个算法模型中选择训练效果最好的双向LSTM模型加条件随机场组合模型完成知识抽取这部分的内容,并运用图数据库Neo4j对知识图谱进行存储,形成最终的煤矿事故领域知识图谱;最后,基于煤矿事故领域的知识图谱建立智能问答模型进行知识查询。该模型首先根据煤矿事故信息中的特征词设定相对应问题类型同时搜集问题语句作为训练样本,利用jieba分词、正则表达式等技术抽出问句中的相关实体信息,然后利用朴素贝叶斯分类算法训练问题分类模型,之后将问题的关键实体信息映射到Cypher模板中形成完整的语句在Neo4j数据库中运行搜索出答案,最后建立一个与用户交互的窗口页面,使得用户可以通过选择问题类型、输入问题语句、点击搜索按钮,检索出问题答案,最终得到一个完整的煤矿事故领域智能问答模型。本文将煤矿事故领域与知识图谱有机结合,将繁多杂乱的煤矿事故信息梳理整合方便统一管理,也丰富了煤矿事故信息的展示形式,同时研究了基于知识图谱的智能问答模型,方便对于事故信息的查询和了解,为日后煤矿安全管理提供丰富的实例资料,为后续研究奠定良好的基础。图[31]表[13]参[94]