近日，广州华立学院计算机工程学院高乐的论文《Knowledge graph-driven decision support for cross-regional solid mineral deposits》发表于地球科学领域期刊《Frontiers in Earth Science》（Jcr分区Q3，中科院SCI4区，影响因子2）。该研究针对跨区域固体矿产管理中多源数据碎片化、关联信息难挖掘等难题，构建了一套基于知识图谱的智能化决策支持系统，为矿产资源的高效管理与精准勘探提供了创新技术路径。

研究团队创新性地提出了内容-位置注意力机制（CPA）模型，该模型包含内容-位置融合编码器与实体网格解码器两大核心模块，能够精准提取文本中的实体关系三元组，有效解决矿产专业文本中术语密集、实体关系重叠等复杂语义挑战。基于该模型，团队构建了涵盖华南地区6个省级行政区、68个地市、780个矿区、196种矿物类型的固体矿产知识图谱，形成了“区域-矿区-矿种-规模-成因”多维语义关联网络。

实验结果显示，在自建的SC-Mineral数据集上，CPA模型的综合F1-score达到91.8%，在实体对重叠、单体重叠等复杂场景中均表现优异，显著优于现有主流模型。该知识图谱系统已实现智能检索、区域矿产分布分析、跨区县成矿差异对比、成矿规律关联挖掘及矿床规模预测等多项应用功能，为差异化勘探策略制定、集约化开发布局优化及精准成矿预测提供了科学依据。

该研究成果体现了学校在服务国家资源战略、推动矿业智能化转型方面的科研实力与社会担当。未来，研究团队将继续深化多源异构数据融合与智能推理机制研究，为矿产资源智能化管理继续提供新的技术思路

DOI 10.3389/feart.2026.1768716

原文链接：Frontiers | Knowledge graph-driven decision support for cross-regional solid mineral deposits