<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Knowledge Graphs | 赵安琪 Anqi Zhao</title><link>https://ankky-zhao.github.io/zh/tags/knowledge-graphs/</link><atom:link href="https://ankky-zhao.github.io/zh/tags/knowledge-graphs/index.xml" rel="self" type="application/rss+xml"/><description>Knowledge Graphs</description><generator>HugoBlox Kit (https://hugoblox.com)</generator><language>zh-Hans</language><lastBuildDate>Mon, 03 Nov 2025 00:00:00 +0000</lastBuildDate><image><url>https://ankky-zhao.github.io/media/icon_hu_1c0e9cb08cfb822a.png</url><title>Knowledge Graphs</title><link>https://ankky-zhao.github.io/zh/tags/knowledge-graphs/</link></image><item><title>Geo-CLASS：从 Earth Engine 脚本中抽取建模知识</title><link>https://ankky-zhao.github.io/zh/publications/geo-class/</link><pubDate>Mon, 03 Nov 2025 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/geo-class/</guid><description>&lt;p&gt;网络上共享的大量 Google Earth Engine 脚本包含了地理空间分析的实践知识，涵盖数据选择、云掩膜、指数计算到结果导出等环节。这些知识分散在代码中，难以复用。&lt;/p&gt;
&lt;p&gt;
&lt;figure &gt;
&lt;div class="flex justify-center "&gt;
&lt;div class="w-full" &gt;
&lt;img alt="从众包脚本到地学处理知识图谱"
srcset="https://ankky-zhao.github.io/zh/publications/geo-class/geo-class-concept_hu_a41248da9cfbb0d.webp 320w, https://ankky-zhao.github.io/zh/publications/geo-class/geo-class-concept_hu_521aba9b388ba36d.webp 480w, https://ankky-zhao.github.io/zh/publications/geo-class/geo-class-concept_hu_93f1b53097c20be1.webp 760w"
sizes="(max-width: 480px) 100vw, (max-width: 768px) 90vw, (max-width: 1024px) 80vw, 760px"
src="https://ankky-zhao.github.io/zh/publications/geo-class/geo-class-concept_hu_a41248da9cfbb0d.webp"
width="760"
height="241"
loading="lazy" data-zoomable /&gt;&lt;/div&gt;
&lt;/div&gt;&lt;/figure&gt;
&lt;em&gt;从脚本中抽取主题、功能、数据源以及时空范围，构建知识图谱。&lt;/em&gt;&lt;/p&gt;
&lt;p&gt;Geo-CLASS 协同大语言模型与小语言模型。在领域模式与模式感知的思维链提示引导下，由大语言模型识别脚本中的实体与关系；再由小语言模型通过语义向量化、余弦相似度与最佳匹配，将自由文本描述映射到地学知识库（GCMD、GeoNames、GEE 数据目录与功能词典），使不同脚本中含义相同、表述不同的描述统一为标准化实体。&lt;/p&gt;
&lt;p&gt;在从 295,943 个脚本中选取的 237 个脚本上，相较 Llama-3、GPT-3.5 和 GPT-4o 等大语言模型基线，实体与关系识别准确率分别最多提升 31.9% 和 12.0%。&lt;/p&gt;
&lt;p&gt;页首为 Geo-CLASS 框架总览图。图片引自 Zhao et al. (2026), &lt;em&gt;International Journal of Geographical Information Science&lt;/em&gt;, 40(3), 808–841,
。&lt;/p&gt;</description></item><item><title>GEE-OPs：Earth Engine 算子知识库</title><link>https://ankky-zhao.github.io/zh/publications/gee-ops/</link><pubDate>Sun, 01 Jun 2025 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/gee-ops/</guid><description>&lt;p&gt;通过语法树解析与频繁模式挖掘，从 Earth Engine 脚本中提取算子调用关系，构建算子知识库以提升大语言模型的代码生成效果。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;引用&lt;/strong&gt;&lt;br&gt;
Hou S., Liang J., &lt;strong&gt;Zhao A.&lt;/strong&gt;, Wu H. (2025). GEE-OPs: an operator knowledge base for geospatial code generation on Google Earth Engine powered by large language models. Geo-spatial Information Science.
&lt;/p&gt;
&lt;p&gt;&lt;em&gt;封面图：GEE-OPs 算子知识库构建框架。引自 Hou et al. (2025), Geo-spatial Information Science。&lt;/em&gt;&lt;/p&gt;</description></item><item><title>Geo-FuB：面向地学代码生成的算子-功能知识库</title><link>https://ankky-zhao.github.io/zh/publications/geo-fub/</link><pubDate>Sun, 01 Jun 2025 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/geo-fub/</guid><description>&lt;p&gt;从 Earth Engine 脚本中构建算子-功能知识库，将算子与其承担的功能关联起来，作为大语言模型生成地学代码时的检索上下文。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;引用&lt;/strong&gt;&lt;br&gt;
Hou S., &lt;strong&gt;Zhao A.&lt;/strong&gt;, Liang J., Shen Z., Wu H. (2025). Geo-FuB: constructing an operator-function knowledge base for geospatial code generation with large language models. Knowledge-Based Systems, 319, 113624.
&lt;/p&gt;
&lt;p&gt;&lt;em&gt;封面图：Geo-FuB 框架构建流程。引自 Hou et al. (2025), Knowledge-Based Systems。&lt;/em&gt;&lt;/p&gt;</description></item><item><title>基于大模型的语义驱动地学建模知识图谱</title><link>https://ankky-zhao.github.io/zh/publications/geo-modeling-kg/</link><pubDate>Sun, 01 Jun 2025 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/geo-modeling-kg/</guid><description>&lt;p&gt;设计一种由大语言模型抽取实体与关系的地学建模知识图谱，支持建模知识的语义检索与推荐。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;引用&lt;/strong&gt;&lt;br&gt;
Liang J., Hou S., &lt;strong&gt;Zhao A.&lt;/strong&gt;, Xu Q., Xiang L., Li R., Wu H. (2025). Design and application of a semantic-driven geospatial modeling knowledge graph based on large language models. Geo-spatial Information Science.
&lt;/p&gt;
&lt;p&gt;&lt;em&gt;封面图：协同增强框架总览。引自 Liang et al. (2025), Geo-spatial Information Science。&lt;/em&gt;&lt;/p&gt;</description></item><item><title>GPT 增强的 GEE 地理分析模型知识抽取与复用</title><link>https://ankky-zhao.github.io/zh/publications/gpt-gee-knowledge/</link><pubDate>Sat, 01 Jun 2024 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/gpt-gee-knowledge/</guid><description>&lt;p&gt;一种 GPT 辅助的流程，从 Google Earth Engine 脚本中抽取地理分析模型的结构化知识，并复用这些知识支持模型构建。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;引用&lt;/strong&gt;&lt;br&gt;
Liang J., &lt;strong&gt;Zhao A.&lt;/strong&gt;, Hou S., Wu H., Jin F. (2024). A GPT-enhanced framework on knowledge extraction and reuse for geographic analysis models in Google Earth Engine. International Journal of Digital Earth, 17(1).
&lt;/p&gt;
&lt;p&gt;&lt;em&gt;封面图：提示词设计及与 ChatGPT 的交互。引自 Liang et al. (2024), International Journal of Digital Earth。&lt;/em&gt;&lt;/p&gt;</description></item><item><title>相关反馈与地理语义引导的地图检索意图识别</title><link>https://ankky-zhao.github.io/zh/publications/map-retrieval-intention/</link><pubDate>Sat, 01 Jun 2024 00:00:00 +0000</pubDate><guid>https://ankky-zhao.github.io/zh/publications/map-retrieval-intention/</guid><description>&lt;p&gt;基于相关反馈识别用户的地图检索意图，并利用地理本体引导意图的推断与迭代更新。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;引用&lt;/strong&gt;&lt;br&gt;
Gui Z., Liu X., &lt;strong&gt;Zhao A.&lt;/strong&gt;, et al. (2024). Map retrieval intention recognition based on relevance feedback and geographic semantic guidance. Information Processing &amp;amp; Management, 61(4), 103767.
&lt;/p&gt;
&lt;p&gt;&lt;em&gt;封面图：引入意图识别的地图检索流程。引自 Gui et al. (2024), Information Processing &amp;amp; Management。&lt;/em&gt;&lt;/p&gt;</description></item></channel></rss>