智能城市应用

知识图谱与图神经网络助力智慧城市的可持续发展

常普 (安徽工程大学人工智能学院), 赵轶鸣 (芜湖赛宝信息产业技术研究院有限公司), 云曼玉 (安徽工程大学人工智能学院), 刘永明 (安徽工程大学人工智能学院；智能装备质量与可靠性安徽省学科共建重点实验室), 赵转哲 (安徽工程大学人工智能学院；智能装备质量与可靠性安徽省学科共建重点实验室)

摘要


本研究旨在通过知识图谱与图神经网络（GNN）的结合，构建一种创新的预测模型，以提升智慧城市中可持续发展目标（SDGs）的预测与决策能力。研究首先介绍了智慧城市与SDGs的背景，强调了传统方法在应对数据孤岛和复杂系统交互等挑战时的局限性。接着详细阐述了知识图谱与GNN的技术原理，包括数据整合、关系捕捉和动态适应能力。通过模拟案例W市，研究展示了模型在资源分配优化中的应用效果。结果表明，该模型能够有效提升资源分配的效率和SDGs的实现水平，为政策制定者提供了科学依据。研究的结论是，知识图谱与GNN的结合为智慧城市的可持续发展提供了新的技术手段，未来在技术进步和应用场景拓展的推动下，将在城市发展中发挥更加重要的作用。

关键词


智慧城市；可持续发展目标；知识图谱；图神经网络；资源分配优化

全文:

PDF

参考


Yang B, Yih W T, He X, et al. Embedding Entities and Relations for Learning and Inference in Knowledge Bases[C].New York:International Conference on Learning Representations,2014.

联合国.变革我们的世界:2030年可持续发展议程[Z].2015-08-12.

Liu H, Wu Y, Yang Y. Analogical Inference for Multi-Relational Embeddings[C]. Proceed-ings of the 34th International Conference on Machine Learning. Cambridge: JMLR,2017.

Sachs J.D. From Millennium Development Goals to Sustainable Development Goals[J]. The Lancet,2012,379(9832):2206-2211.

Ehrlinger L, Wöß W. Towards a definition of knowledge graphs[J].SEMANTiCS (Posters, Demos,SuCCESS),2016,48(1):2.

张吉祥,张祥森,武长旭,等.知识图谱构建技术综述[J].计算机工程,2022,48(3):23-37.

刘欢,李晓戈,胡立坤等.基于知识图谱驱动的图神经网络推荐模型[J].计算机应用,2021,41(7):1865-1870.

董金玮,陈玉,周岩,等.地球大数据支撑可持续发展目标协同与权衡研究:进展与展望[J].中国科学院院刊,2021,36(8):950-962.




DOI: https://doi.org/10.33142/sca.v8i2.15445

Refbacks

  • 当前没有refback。


版权所有（c）{$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。