1.一种甲骨文计算机辅助考释方法,其特征在于,包括以下步骤:S1,获取现有的甲骨文图像,利用深度学习模型对所述甲骨文图像进行特征提取得到图像向量;
S2,获取现有的甲骨文对应的释文文本,将所述释文文本表示为甲骨文的字向量;
S3,构建多模态知识图谱,将甲骨文的图像向量与甲骨文的字向量映射到统一的语义空间;
S4,构建甲骨文考释事件数据库,动态抽取考释过程的事件日志,自主挖掘发现可用于甲骨文考释的关键点,实现甲骨文考释线索的自动推送;
S5,以统一语义空间的向量相似度计算及关键点为甲骨文考释线索来辅助甲骨文考释。
2.如权利要求1所述的甲骨文计算机辅助考释方法,其特征在于,所述S1具体包括:通过深度学习模型自动对甲骨文图像进行特征提取、分类识别后得到图像特征,并在甲骨文大数据基础上,通过向量计算完成甲骨文专家较少干预的浅层任务。
3.如权利要求1所述的甲骨文计算机辅助考释方法,其特征在于,所述S3具体包括:甲骨文图像特征和文本特征融合嵌入后,通过计算向量相似度得到相关甲骨文知识关联。
4.如权利要求3所述的甲骨文计算机辅助考释方法,其特征在于,所述向量相似度的计算公式为:
其中,I为图像向量,T为文本向量。
5.如权利要求1所述的甲骨文计算机辅助考释方法,其特征在于,所述S4具体包括:首先,整理历年来的甲骨文考释数据和考释成果,构建考释事件数据库,关注考释事件的时间节点和考释活动;
然后,实现基于数据库的事件日志提取;
最后,利用过程挖掘方法从日志中提取知识,用于发现、检测和改进考释过程。
6.如权利要求1或5所述的甲骨文计算机辅助考释方法,其特征在于,所述S4中的事件日志抽取方法为基于本体的数据访问技术(ontology‑based data access,OBDA)。
7.如权利要求1所述的甲骨文计算机辅助考释方法,其特征在于,所述S4中的“自主挖掘发现可用于甲骨文考释的关键点”具体包括:获取事件日志后,将其表示成符合IEEE XES标准的格式,利用ProM工具进行挖掘。
8.一种甲骨文计算机辅助考释系统,其特征在于,包括:数据驱动模块,用于获取现有的甲骨文图像,利用深度学习模型对所述甲骨文图像进行特征提取得到图像向量;
以及,获取现有的甲骨文对应的释文文本,将所述释文文本表示成甲骨文的字向量;
知识驱动模块,构建多模态知识图谱,将甲骨文的图像向量与甲骨文的字向量映射到统一的语义空间;
过程驱动模块,用于构建甲骨文考释事件数据库,动态抽取考释过程的事件日志,自主挖掘发现可用于甲骨文考释的关键点,实现甲骨文考释线索的自动推送。