地质大数据与机器学习实战电子书

内容简介

前言

第1章 绪论

1.1 地质科学研究范式

1.2 地质科学大数据的内涵

1.3 地质科学大数据挖掘的基本任务

1.3.1 面向多源、多类型文本的挖掘

1.3.2 面向多类型复杂地质图件的挖掘

1.3.3 面向图文数一体化的知识挖掘

1.4 常用的数据挖掘工具与软件

1.4.1 Python

1.4.2 其他常用的数据挖掘建模工具

1.4.3 常用的中文分词工具

1.4.4 数据标注平台

参考文献

第2章 机器学习与深度学习

2.1 机器学习发展史

2.2 机器学习的分类

2.3 典型的机器学习算法

2.3.1 支持向量机

2.3.2 决策树

2.3.3 人工神经网络

2.4 典型的深度学习算法

2.4.1 现代卷积神经网络

2.4.2 现代循环神经网络

2.4.3 大语言模型

2.5 Python算法的实现

2.5.1 基于支持向量机的地质命名实体识别

2.5.2 基于决策树的地质命名实体识别

2.5.3 基于人工神经网络的地质命名实体识别

2.5.4 基于现代卷积神经网络的地质命名实体识别

2.5.5 基于现代循环神经网络的地质命名实体识别

2.5.6 基于迁移学习的地质命名实体识别

2.5.7 基于大语言模型的地质命名实体识别

参考文献

第3章 数据清洗与预处理

3.1 数据清洗

3.2 地质文本数据预处理

3.3 地质图像数据预处理

3.3.1 几何校正

3.3.2 去噪

3.3.3 主图区域的定位

3.3.4 膨胀与腐蚀处理

3.4 地质数据增强方法

3.4.1 面向文本数据的增强方法

3.4.2 面向图件数据的增强方法

3.5 数据标注

3.6 数据一致性检验

3.7 Python主要的数据预处理函数

参考文献

第4章 地质命名实体识别算法及实现

4.1 相关分析

4.2 典型算法

4.2.1 基于ALBERT-BiLSTM-CRF模型的地质命名实体识别

4.2.2 基于BERT-BiGRU-Attention-CRF模型的地质命名实体识别

4.3 Python算法实现

4.4 面向地质报告的命名实体识别应用案例

4.4.1 ALBERT框架下基于多特征融合的工程地质命名实体识别

4.4.2 顾及文本上下文信息的矿产资源地质命名实体识别

参考文献

第5章 地质实体关系智能抽取算法及实现

5.1 相关分析

5.2 实体关系抽取

5.2.1 实体关系抽取的研究现状

5.2.2 实体关系抽取的典型算法

5.2.3 实体关系抽取工具

5.3 Python算法实现

5.3.1 BERT-BiGRU-CRF模型

5.3.2 TPLinker模型

5.3.3 GPLinker模型

5.3.4 CasRel模型

5.4 应用案例

5.4.1 面向地质报告的实体关系抽取

5.4.2 面向地质灾害的实体关系抽取

参考文献

第6章 地质报告表格检测与内容识别算法及实现

6.1 相关分析

6.2 典型算法

6.2.1 基于Mask RCNN的目标检测模型

6.2.2 基于Attention-Mask RCNN的表格解析模型

6.3 Python算法实现

6.3.1 Mask RCNN模型构建

6.3.2 表格内容识别

6.3.3 表格结构解析

6.4 应用案例

参考文献

第7章 地质图中图例与字符自动识别算法及实现

7.1 相关分析

7.2 典型算法

7.2.1 地质图自动理解分析

7.2.2 基于DT-SE-ResNet50模型的地质图例识别

7.2.3 基于CRNN模型的地质图字符识别

7.3 Python算法实现

7.3.1 基于DT-SE-ResNet50模型的地质图例识别算法实现

7.3.2 基于CRNN模型的地质字符识别算法实现

7.4 应用案例

参考文献

第8章 栅格地质图自动分割算法及实现

8.1 相关分析

8.2 典型算法

8.2.1 基于BP神经网络的彩色地质图面-线-点要素信息智能提取

8.2.2 基于UNet模型与Felz聚类算法的彩色地质图分割

8.3 Python算法实现

8.4 应用案例

参考文献