【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于航空航天智能制造領(lǐng)域知識(shí)管理與挖掘，具體涉及一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法。
技術(shù)介紹
1、知識(shí)圖譜是一種知識(shí)表示的新方法和知識(shí)管理的新思路，并不再局限于搜索和知識(shí)問答等通用領(lǐng)域。一個(gè)聚焦具體工業(yè)場(chǎng)景和垂直知識(shí)的領(lǐng)域知識(shí)圖譜構(gòu)建方法可以為特定行業(yè)提供深度的數(shù)據(jù)分析和決策支持。
2、隨著知識(shí)和數(shù)據(jù)科學(xué)的不斷進(jìn)步和發(fā)展，工業(yè)垂直領(lǐng)域的知識(shí)圖譜常被用來幫助企業(yè)更深入地理解和優(yōu)化其生產(chǎn)流程，促進(jìn)跨學(xué)科的創(chuàng)新和決策制定。航空航天制造領(lǐng)域有著嚴(yán)格且又豐富的數(shù)據(jù)模式，急需一種知識(shí)管理和決策支持工具來促進(jìn)知識(shí)的融合和創(chuàng)新，但是在該領(lǐng)域構(gòu)建一個(gè)知識(shí)圖譜對(duì)航空航天制造知識(shí)的豐富性、深度、準(zhǔn)確性有著更高要求，傳統(tǒng)知識(shí)圖譜搭建方法難以在復(fù)雜工業(yè)場(chǎng)景中使用，由于知識(shí)來源極為豐富且復(fù)雜，即使能夠針對(duì)某一業(yè)務(wù)搭建知識(shí)圖譜也難以遷移到領(lǐng)域內(nèi)的其他業(yè)務(wù)中，且現(xiàn)有的知識(shí)圖譜構(gòu)建方法往往忽略了對(duì)知識(shí)決策能力的挖掘。本專利技術(shù)針對(duì)航空航天制造領(lǐng)域的難點(diǎn)，提出了一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，該方法使用多種深度學(xué)習(xí)算法對(duì)結(jié)構(gòu)化的、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的復(fù)雜數(shù)據(jù)來源進(jìn)行快速的聯(lián)合知識(shí)抽取與推理，解決了航空航天制造領(lǐng)域復(fù)雜工業(yè)場(chǎng)景下知識(shí)獲取難的問題。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)上述現(xiàn)有技術(shù)中存在的不足，本專利技術(shù)提出一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，使用多種深度學(xué)習(xí)算法建立模塊化的知識(shí)圖譜生命周期，以用于在多種航空航天
2、為實(shí)現(xiàn)上述的技術(shù)目的，本專利技術(shù)提供如下的技術(shù)方案：
3、一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，具體包括以下步驟：
4、s1、基于自頂向下的理論使用自動(dòng)化建模工具設(shè)計(jì)和構(gòu)建知識(shí)圖譜的知識(shí)模型；
5、s2、以表結(jié)構(gòu)和圖結(jié)構(gòu)相結(jié)合的方式進(jìn)行知識(shí)圖譜底層存儲(chǔ)；
6、s3、從結(jié)構(gòu)化的、半結(jié)構(gòu)化的、非結(jié)構(gòu)化的數(shù)據(jù)中進(jìn)行知識(shí)抽取和知識(shí)挖掘；
7、s4、對(duì)來源不同的數(shù)據(jù)進(jìn)行數(shù)據(jù)模式層融合和數(shù)據(jù)實(shí)例層融合；
8、s5、基于圖神經(jīng)網(wǎng)絡(luò)快速的知識(shí)推理以進(jìn)行知識(shí)發(fā)現(xiàn)和知識(shí)圖譜補(bǔ)全；
9、s6、結(jié)合知識(shí)圖譜特有的應(yīng)用形態(tài)和航空航天制造領(lǐng)域數(shù)據(jù)和業(yè)務(wù)場(chǎng)景，進(jìn)行基于語義搜索的智能問答和可視化決策支持。
10、進(jìn)一步地，步驟s1具體包括：
11、s11、基于自頂向下的理論設(shè)計(jì)航空航天制造知識(shí)模型，在專家知識(shí)約束下定義知識(shí)圖譜的本體概念類、關(guān)系、屬性和實(shí)例；其中本體概念類是構(gòu)成知識(shí)圖譜結(jié)構(gòu)的基本元素，它們包括實(shí)體、類、屬性、關(guān)系等，用于組織和表達(dá)航空航天制造領(lǐng)域的知識(shí)體系；
12、s12、使用自動(dòng)化建模工具屏蔽具體的本體描述語言，在概念層次上進(jìn)行航空航天制造領(lǐng)域本體模型的快速構(gòu)建。
13、進(jìn)一步地，步驟s2具體包括：
14、s21、使用關(guān)系型數(shù)據(jù)庫存儲(chǔ)知識(shí)圖譜知識(shí)模型元數(shù)據(jù)，以數(shù)據(jù)表的形式存儲(chǔ)本體定義、類別、屬性、關(guān)系等；
15、s22、使用資源描述框架rdf存儲(chǔ)知識(shí)圖譜的三元組數(shù)據(jù)，即實(shí)體、屬性和關(guān)系實(shí)例，并同步映射三元組數(shù)據(jù)至圖數(shù)據(jù)庫；
16、s23、建立關(guān)系型數(shù)據(jù)庫，rdf和圖數(shù)據(jù)庫的數(shù)據(jù)同步。
17、進(jìn)一步地，步驟s3具體包括：
18、s31、面向結(jié)構(gòu)化航空航天制造數(shù)據(jù)，使用r2rml語言將關(guān)系型數(shù)據(jù)直接映射到rdf數(shù)據(jù)集中；
19、s32、面向半結(jié)構(gòu)化和非結(jié)構(gòu)化航空航天制造數(shù)據(jù)，建立一個(gè)可以同時(shí)進(jìn)行實(shí)體、關(guān)系和事件抽取的多任務(wù)學(xué)習(xí)模型：通過統(tǒng)一的輸入層接受文本中的信息并將其轉(zhuǎn)化為詞嵌入，在共享層使用雙向長短期記憶網(wǎng)絡(luò)和變壓器來捕獲詞序和上下文信息，在共享層之后應(yīng)用自注意力或?qū)蛹?jí)注意力機(jī)制，以聚焦于與任務(wù)最相關(guān)的文本部分，在共享層和注意力機(jī)制融合之后設(shè)計(jì)實(shí)體抽取層、關(guān)系抽取層和事件抽取層，并定義一個(gè)多任務(wù)聯(lián)合損失函數(shù)對(duì)多任務(wù)學(xué)習(xí)模型進(jìn)行優(yōu)化；
20、s33、使用概率模型進(jìn)行實(shí)體消歧，解決文本中實(shí)體指代問題，通過定義特征函數(shù)f(ej,cj)將實(shí)體ej和類別cj映射到一個(gè)特征向量，對(duì)于馬爾可夫模型，定義狀態(tài)轉(zhuǎn)移概率p(cj∣cj-1)，計(jì)算實(shí)體ei屬于類別cj的概率p(cj|ei),選擇使得p(cj|ei)最大的類別cj作為ei的消歧結(jié)果，使用交叉熵?fù)p失函數(shù)進(jìn)行迭代優(yōu)化。
21、更為具體的，步驟s32中多任務(wù)聯(lián)合損失函數(shù)對(duì)多任務(wù)學(xué)習(xí)模型進(jìn)行優(yōu)化的具體為：
22、選擇使多任務(wù)聯(lián)合損失函數(shù)最小的θm為多任務(wù)學(xué)習(xí)模型的最優(yōu)參數(shù)，公式表示為：
23、
24、其中，θm*代表多任務(wù)學(xué)習(xí)模型最優(yōu)參數(shù)，ltotal代表多任務(wù)聯(lián)合損失函數(shù)；所述多任務(wù)聯(lián)合損失函數(shù)的定義具體如下：
25、ltotal＝lentity(yentity,yentity_true)+lrelation(yrelation,yrelation_true)+levent(yevent,yevent_true)；
26、其中，lentity、lrelation和levent分別代表實(shí)體、關(guān)系和事件的獨(dú)立損失函數(shù)；yentity_true、yrelation_true和yevent_true分別代表實(shí)體、關(guān)系和事件的真實(shí)值；yentity、yrelation和yevent代表實(shí)體、關(guān)系和事件的預(yù)測(cè)值；
27、所述預(yù)測(cè)值的通過抽取函數(shù)獲得，公式表示為：
28、yentity＝fentity(h)；
29、yrelation＝frelation(h)；
30、yevent＝fevent(h)；
31、其中，fentity、frelation和fevent分別代表實(shí)體、關(guān)系和事件的抽取函數(shù)；h是共享層和注意力層的融合輸出，其公式表達(dá)為：
32、h＝bi-lstm(x)+attention(bi-lstm(x))；
33、其中，x代表經(jīng)過嵌入處理的輸入信息，bi-lstm代表共享層的雙向長短期記憶網(wǎng)絡(luò)，attention代表注意力層的注意力函數(shù)。
34、進(jìn)一步地，步驟s4具體包括：
35、s41、在數(shù)據(jù)模式層，使用專家知識(shí)和從航空航天制造高置信結(jié)構(gòu)化知識(shí)映射的方式，進(jìn)行概念合并、概念上下位關(guān)系合并以及概念的屬性定義合并；
36、s42、在數(shù)據(jù)實(shí)例層，使用基于深度學(xué)習(xí)的方法來識(shí)別和匹配不同數(shù)據(jù)源中相同的實(shí)體，通過深度學(xué)習(xí)模型將文本轉(zhuǎn)換為特征詞向量，基于余弦相似度實(shí)現(xiàn)實(shí)例的匹配，通過對(duì)比損失進(jìn)行優(yōu)化和模型訓(xùn)練，匹配成功后將相同實(shí)體的不同實(shí)例融合為單一實(shí)體。
37、更為具體的，步驟s42中所述通過對(duì)比損失進(jìn)行優(yōu)化和模型訓(xùn)練的具體過程為：<本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S1具體包括：
3.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S2具體包括：
4.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S3具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S32中的優(yōu)化過程具體為：
6.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S4具體包括：
7.根據(jù)權(quán)利要求6所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S42中所述通過對(duì)比損失進(jìn)行優(yōu)化和模型訓(xùn)練的具體過程為：
8.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的
9.根據(jù)權(quán)利要求8所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S51中使用圖神經(jīng)網(wǎng)絡(luò)損失函數(shù)進(jìn)行監(jiān)督模型的訓(xùn)練具體為：
10.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟S6具體包括：
...【技術(shù)特征摘要】
1.一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟s1具體包括：
3.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟s2具體包括：
4.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟s3具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)合抽取模式的航空航天制造知識(shí)圖譜的構(gòu)建方法，其特征在于，步驟s32中的優(yōu)化過程具體為：
6.根據(jù)權(quán)利要求1所述的一種基于異構(gòu)數(shù)據(jù)聯(lián)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：汪俊，曹立群，鐘珂珂，濮宬涵，高紹武，晏超仁，
申請(qǐng)(專利權(quán))人：南京航空航天大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。