当前“人工智能”已经开始逐步走向实验室,并开始商品化、规模化的应用。以人工智能、物联网、大数据等高科技技术为基础的智慧油田是目前石油领域的发展方向。石油相关企业和组织都对其格外关注,石油企业充分利用新技术的优势,将其普遍用于油气开采、员工培训、井下作业等方面。在此基础上,认知图谱应运而生。认知图谱是集认知心理学、脑科学等学科于一体的新型认知引擎。它运用认知表征、提取、推理和计算等新理论和新方法,形成了一个可理解的第三代人工智能引擎。井下作业是集地质、采油、钻井、工具等学科为一体的知识密集型专业,其中小修作业占据很重要的一部分,需要极其丰富的知识。小修作业人员的培训是小修作业中的重要一环,培训质量直接影响了小修作业水平。加强小修作业人员培训,是提高小修作业质量的重要因素。目前,小修作业中的知识比较分散,没有统一的知识体系,给培训工作带来较大难度。问答系统大多基于标记文本进行训练,即标签数量有限,对于大规模复杂标注的知识库无能为力。并且只能回答单个实体的问题,不能回答需要识别多个实体的问题。基于此种情况,用对概念知识体系和关系进行建模,构建井下作业事件知识表达模型。接着根据构建好的事件知识图谱模式层,通过对井下作业小修领域技术报告进行知识抽取的方法构建了井下作业小修领域知识体系,对于问答系统,引入双过程理论,构建井下作业问答系统。开发了井下作业小修领域问答系统。利用此研究,解决了井下作业小修作业员工培训的难题。提高了培训井下作业小修人员的培训和工作效率。使得他们可以快速获取操作知识,实现知识共享。此项研究重点为:1.对于井下作业小修领域事件知识图谱,本文对井下作业小修领域知识进行了分析,通过标准规范、专业书籍、新闻资讯、数据资料等渠道获取井下作业的相关知识并对其进行明确而又详细的说明。确立了以井下作业小修领域事件为核心,基于对象状态的井下作业知识库建模方法。建立了概念知识体系与关系的模型。将井下作业小修领域技术报告抽取成知识,构建了井下作业小修领域事件知识图谱。2.针对井下作业领域问答系统数量少、不能进行多实体问答的问题,引入认知图谱的概念,从认知角度进行研究,本文通过对双过程理论的研究,建立了井下作业问答系统,将用户输入的问题分为简单问题与复杂问题,并给出相应的解决办法。对于简单问题,运用Bert算法解决实体识别问题,采用Bert加逻辑回归算法解决实体两跳内的筛选问题。设计了 Bert与逻辑回归算法的模型架构。对于复杂问题,制定相应的推理规则,解决多实体无法回答的问题。最后用户输入问题查询的结果准确率达到94.5%。该问答系统弥补了井下作业领域问答系统的空白。3.通过以上研究,开发了基于认知图谱的井下作业问答系统。设计了各个模块的可视化架构。提供了相应的知识资源。解决了用户自身的实际问答需求,设计了相关知识进行展示与查看的可视化界面。为员工提供合适的答案,实现了智能问答。此外,该系统以图节点的方式直观地展示,使员工能够清楚地理解所有知识。