本發(fā)明專利技術(shù)數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法及系統(tǒng)，涉及智能資產(chǎn)技術(shù)領(lǐng)域，包括基于深度學(xué)習(xí)模型提取智能資產(chǎn)的多領(lǐng)域數(shù)據(jù)特征，構(gòu)建跨領(lǐng)域智能資產(chǎn)知識圖譜；基于預(yù)訓(xùn)練語言模型解析用戶評估目標，在知識圖譜中檢索相關(guān)資產(chǎn)，并利用注意力機制和圖推理算法進行知識推理；基于強化學(xué)習(xí)訓(xùn)練的價值評估模型，結(jié)合時序預(yù)測算法，生成包含置信區(qū)間的最終評估價值及評估報告。本發(fā)明專利技術(shù)能夠有效融合多源異構(gòu)數(shù)據(jù)，實現(xiàn)跨領(lǐng)域智能資產(chǎn)的知識推理和價值評估，提高評估效率和準確性。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及智能資產(chǎn)技術(shù)，尤其涉及數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法及系統(tǒng)。
技術(shù)介紹
1、隨著人工智能和物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，越來越多的智能資產(chǎn)涌現(xiàn)，例如智能機器人、智能家居、智能工廠設(shè)備等。這些智能資產(chǎn)通常具有跨領(lǐng)域、多模態(tài)、高價值的特點，對其進行有效的知識推理和價值評估變得至關(guān)重要。傳統(tǒng)的資產(chǎn)評估方法主要依賴于人工經(jīng)驗和簡單的統(tǒng)計模型，難以適應(yīng)智能資產(chǎn)的復(fù)雜性和動態(tài)性。如何有效地利用跨領(lǐng)域數(shù)據(jù)進行智能資產(chǎn)的知識推理和價值評估，成為一個亟待解決的問題。
2、首先，傳統(tǒng)的評估方法難以處理跨領(lǐng)域智能資產(chǎn)的復(fù)雜關(guān)聯(lián)關(guān)系。智能資產(chǎn)通常涉及多個領(lǐng)域，例如制造、能源、醫(yī)療等，其價值受到多種因素的共同影響。傳統(tǒng)的評估方法缺乏對跨領(lǐng)域知識的整合和推理能力，難以準確評估智能資產(chǎn)的真實價值。
3、其次，現(xiàn)有的評估模型缺乏對智能資產(chǎn)動態(tài)特性的有效捕捉。智能資產(chǎn)的運行狀態(tài)、市場環(huán)境等因素會隨著時間不斷變化，對其價值產(chǎn)生重要影響。傳統(tǒng)的靜態(tài)評估模型難以適應(yīng)這種動態(tài)變化，導(dǎo)致評估結(jié)果的準確性和可靠性下降。
4、最后，現(xiàn)有的評估方法難以提供可解釋的評估結(jié)果。傳統(tǒng)的評估模型通常是一個黑盒，難以理解其內(nèi)部的推理過程和價值判斷依據(jù)。這使得評估結(jié)果難以被用戶信任和接受，也限制了評估方法的推廣應(yīng)用。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)實施例提供數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問題。
2、本專利技術(shù)實施例的第一方面，
<
p>3、提供數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法，包括：4、獲取多個領(lǐng)域的智能資產(chǎn)數(shù)據(jù)，所述智能資產(chǎn)數(shù)據(jù)包括資產(chǎn)屬性信息、運行狀態(tài)信息、歷史交易信息和市場評估信息；對所述智能資產(chǎn)數(shù)據(jù)進行特征提取，基于深度學(xué)習(xí)模型構(gòu)建資產(chǎn)特征向量；將所述資產(chǎn)特征向量映射至預(yù)設(shè)的知識圖譜本體結(jié)構(gòu)中，建立智能資產(chǎn)節(jié)點之間的關(guān)聯(lián)關(guān)系；基于圖神經(jīng)網(wǎng)絡(luò)對所述關(guān)聯(lián)關(guān)系進行權(quán)重計算，形成跨領(lǐng)域智能資產(chǎn)知識圖譜；
5、接收用戶輸入的智能資產(chǎn)評估目標，基于預(yù)訓(xùn)練語言模型解析所述評估目標的語義特征；根據(jù)所述語義特征在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中進行路徑檢索，獲取與所述評估目標相關(guān)的資產(chǎn)節(jié)點集合；對所述資產(chǎn)節(jié)點集合應(yīng)用注意力機制進行相關(guān)性計算，確定重要性權(quán)重；基于圖推理算法對重要性權(quán)重大于預(yù)設(shè)權(quán)重閾值的節(jié)點進行多跳推理，形成資產(chǎn)知識推理路徑；將所述資產(chǎn)知識推理路徑與預(yù)設(shè)的推理規(guī)則模板進行匹配，生成知識推理結(jié)果；
6、根據(jù)所述知識推理結(jié)果提取智能資產(chǎn)的價值影響因子，將所述價值影響因子輸入預(yù)訓(xùn)練的價值評估模型；所述價值評估模型基于歷史交易數(shù)據(jù)和市場評估數(shù)據(jù)進行訓(xùn)練，采用強化學(xué)習(xí)方法持續(xù)優(yōu)化評估參數(shù)；獲取智能資產(chǎn)的初始評估結(jié)果；基于時序預(yù)測算法對所述初始評估結(jié)果進行動態(tài)調(diào)整，生成包含置信區(qū)間的最終評估價值；將所述最終評估價值與知識推理結(jié)果進行關(guān)聯(lián)，形成評估報告。
7、將所述資產(chǎn)特征向量映射至預(yù)設(shè)的知識圖譜本體結(jié)構(gòu)中，建立智能資產(chǎn)節(jié)點之間的關(guān)聯(lián)關(guān)系；基于圖神經(jīng)網(wǎng)絡(luò)對所述關(guān)聯(lián)關(guān)系進行權(quán)重計算，形成跨領(lǐng)域智能資產(chǎn)知識圖譜包括：
8、將所述資產(chǎn)特征向量通過特征映射模型映射至預(yù)設(shè)的知識圖譜本體結(jié)構(gòu)中，其中所述特征映射模型基于余弦相似度計算所述資產(chǎn)特征向量與本體概念向量之間的語義距離，通過注意力機制對所述資產(chǎn)特征向量的不同維度賦予權(quán)重值，選擇語義相似度最高的本體概念作為映射目標節(jié)點；
9、對所述映射目標節(jié)點建立多維度關(guān)聯(lián)分析模型，所述多維度關(guān)聯(lián)分析模型基于智能資產(chǎn)的屬性信息、歷史數(shù)據(jù)信息、空間位置信息和業(yè)務(wù)流程信息構(gòu)建節(jié)點之間的關(guān)聯(lián)關(guān)系，將所述關(guān)聯(lián)關(guān)系形成初始知識圖譜；所述初始知識圖譜的節(jié)點包含智能資產(chǎn)的特征屬性，節(jié)點之間的邊表示資產(chǎn)之間的關(guān)聯(lián)類型；
10、將所述初始知識圖譜輸入圖神經(jīng)網(wǎng)絡(luò)進行權(quán)重計算，所述圖神經(jīng)網(wǎng)絡(luò)包含多層圖注意力層，每層圖注意力層設(shè)置多個注意力頭用于學(xué)習(xí)節(jié)點間的關(guān)聯(lián)模式；基于所述注意力頭的輸出計算節(jié)點的隱層表示，根據(jù)所述隱層表示計算節(jié)點對之間的特征相似度、結(jié)構(gòu)相似度和時序相似度；
11、將所述特征相似度、所述結(jié)構(gòu)相似度和所述時序相似度輸入多任務(wù)學(xué)習(xí)模型，所述多任務(wù)學(xué)習(xí)模型同時優(yōu)化節(jié)點分類任務(wù)和邊預(yù)測任務(wù)，采用基于圖結(jié)構(gòu)的注意力機制自適應(yīng)調(diào)整不同類型關(guān)聯(lián)的權(quán)重系數(shù)，最終輸出智能資產(chǎn)節(jié)點之間的關(guān)聯(lián)權(quán)重，形成包含權(quán)重信息的跨領(lǐng)域智能資產(chǎn)知識圖譜。
12、接收用戶輸入的智能資產(chǎn)評估目標，基于預(yù)訓(xùn)練語言模型解析所述評估目標的語義特征；根據(jù)所述語義特征在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中進行路徑檢索，獲取與所述評估目標相關(guān)的資產(chǎn)節(jié)點集合包括：
13、接收用戶輸入的評估目標，基于評估目標語義模板對所述評估目標進行規(guī)范化處理，所述評估目標語義模板包含評估對象信息、評估維度信息、評估約束條件信息；將規(guī)范化后的所述評估目標輸入預(yù)訓(xùn)練語言模型，所述預(yù)訓(xùn)練語言模型通過擴展的智能資產(chǎn)領(lǐng)域詞表對所述評估目標進行語義解析，采用多頭交叉注意力機制分別構(gòu)建評估要素注意力頭、約束條件注意力頭、上下文關(guān)聯(lián)注意力頭，所述多頭交叉注意力機制輸出詞級別語義特征、短語級別語義特征、句子級別語義特征；
14、將所述詞級別語義特征、所述短語級別語義特征、所述句子級別語義特征分解為多個查詢原子，基于語義相似度計算將所述查詢原子與預(yù)設(shè)的查詢模板庫進行匹配，根據(jù)匹配結(jié)果生成包含節(jié)點匹配條件、路徑約束條件、多跳關(guān)系條件、屬性過濾條件的查詢語句；
15、基于所述查詢語句在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中同時從評估目標節(jié)點和候選資產(chǎn)節(jié)點啟動雙向擴展搜索，通過節(jié)點連接度確定搜索方向的優(yōu)先級，利用語義相關(guān)度進行搜索剪枝；將檢索任務(wù)分解為多個并行子任務(wù)，采用異步更新機制維護全局最優(yōu)路徑；對檢索得到的路徑進行綜合評分，所述綜合評分基于路徑語義相關(guān)度、路徑可信度、路徑新穎度、路徑完整度計算得到路徑質(zhì)量分數(shù)；
16、根據(jù)所述路徑質(zhì)量分數(shù)計算節(jié)點與評估目標的相關(guān)性得分，所述相關(guān)性得分通過直接語義相關(guān)性、間接關(guān)聯(lián)強度、時序相關(guān)性、業(yè)務(wù)相關(guān)性的加權(quán)計算獲得；基于所述相關(guān)性得分對所述候選資產(chǎn)節(jié)點進行篩選和動態(tài)更新，得到與所述評估目標相關(guān)的資產(chǎn)節(jié)點集合。
17、基于所述查詢語句在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中同時從評估目標節(jié)點和候選資產(chǎn)節(jié)點啟動雙向擴展搜索，通過節(jié)點連接度確定搜索方向的優(yōu)先級，利用語義相關(guān)度進行搜索剪枝；將檢索任務(wù)分解為多個并行子任務(wù)，采用異步更新機制維護全局最優(yōu)路徑；對檢索得到的路徑進行綜合評分，所述綜合評分基于路徑語義相關(guān)度、路徑可信度、路徑新穎度、路徑完整度計算得到路徑質(zhì)量分數(shù)包括：
18、從所述查詢語句中提取評估目標節(jié)點和候選資產(chǎn)節(jié)點；對所述評估目標節(jié)點和所述候選資產(chǎn)節(jié)點分別計算節(jié)點連接度，基于所述節(jié)點連接度生成節(jié)點重要性向量；將所述查詢語句輸入預(yù)訓(xùn)練語言模型得到查詢語義向量，基于所述查詢語義向量設(shè)置搜索剪枝閾值；
19、以所述評估目標節(jié)點和所述候選資產(chǎn)本文檔來自技高網(wǎng)
...
【技術(shù)保護點】
1.數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述資產(chǎn)特征向量映射至預(yù)設(shè)的知識圖譜本體結(jié)構(gòu)中，建立智能資產(chǎn)節(jié)點之間的關(guān)聯(lián)關(guān)系；基于圖神經(jīng)網(wǎng)絡(luò)對所述關(guān)聯(lián)關(guān)系進行權(quán)重計算，形成跨領(lǐng)域智能資產(chǎn)知識圖譜包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，接收用戶輸入的智能資產(chǎn)評估目標，基于預(yù)訓(xùn)練語言模型解析所述評估目標的語義特征；根據(jù)所述語義特征在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中進行路徑檢索，獲取與所述評估目標相關(guān)的資產(chǎn)節(jié)點集合包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述查詢語句在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中同時從評估目標節(jié)點和候選資產(chǎn)節(jié)點啟動雙向擴展搜索，通過節(jié)點連接度確定搜索方向的優(yōu)先級，利用語義相關(guān)度進行搜索剪枝；將檢索任務(wù)分解為多個并行子任務(wù)，采用異步更新機制維護全局最優(yōu)路徑；對檢索得到的路徑進行綜合評分，所述綜合評分基于路徑語義相關(guān)度、路徑可信度、路徑新穎度、路徑完整度計算得到路徑質(zhì)量分數(shù)包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述資產(chǎn)節(jié)點集合應(yīng)用注意力機制進行相關(guān)性計算，確定重要性權(quán)重；基于圖推理算法對重要性權(quán)重大于預(yù)設(shè)權(quán)重閾值的節(jié)點進行多跳推理，形成資產(chǎn)知識推理路徑；將所述資產(chǎn)知識推理路徑與預(yù)設(shè)的推理規(guī)則模板進行匹配，生成知識推理結(jié)果包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取智能資產(chǎn)的初始評估結(jié)果；基于時序預(yù)測算法對所述初始評估結(jié)果進行動態(tài)調(diào)整，生成包含置信區(qū)間的最終評估價值；將所述最終評估價值與知識推理結(jié)果進行關(guān)聯(lián)，形成評估報告包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，將所述融合特征向量輸入修正模型對所述初始評估結(jié)果進行動態(tài)修正得到修正評估值，采用分位數(shù)回歸方法計算所述修正評估值的置信區(qū)間上下限，得到包含置信區(qū)間的動態(tài)評估結(jié)果包括：
8.數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估系統(tǒng)，用于實現(xiàn)前述權(quán)利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括：
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任意一項所述的方法。
...
【技術(shù)特征摘要】
1.數(shù)據(jù)驅(qū)動跨領(lǐng)域智能資產(chǎn)知識推理與價值評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述資產(chǎn)特征向量映射至預(yù)設(shè)的知識圖譜本體結(jié)構(gòu)中，建立智能資產(chǎn)節(jié)點之間的關(guān)聯(lián)關(guān)系；基于圖神經(jīng)網(wǎng)絡(luò)對所述關(guān)聯(lián)關(guān)系進行權(quán)重計算，形成跨領(lǐng)域智能資產(chǎn)知識圖譜包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，接收用戶輸入的智能資產(chǎn)評估目標，基于預(yù)訓(xùn)練語言模型解析所述評估目標的語義特征；根據(jù)所述語義特征在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中進行路徑檢索，獲取與所述評估目標相關(guān)的資產(chǎn)節(jié)點集合包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述查詢語句在所述跨領(lǐng)域智能資產(chǎn)知識圖譜中同時從評估目標節(jié)點和候選資產(chǎn)節(jié)點啟動雙向擴展搜索，通過節(jié)點連接度確定搜索方向的優(yōu)先級，利用語義相關(guān)度進行搜索剪枝；將檢索任務(wù)分解為多個并行子任務(wù)，采用異步更新機制維護全局最優(yōu)路徑；對檢索得到的路徑進行綜合評分，所述綜合評分基于路徑語義相關(guān)度、路徑可信度、路徑新穎度、路徑完整度計算得到路徑質(zhì)量分數(shù)包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述資產(chǎn)節(jié)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：高經(jīng)郡，高海玲，郭亞奇，
申請(專利權(quán))人：北京科杰科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。