工业知识图谱生成方法、装置、设备及存储介质与流程

本发明涉及工业智能制造，尤其涉及一种工业知识图谱生成方法、装置、设备及存储介质。

背景技术：

1、随着人工智能、物联网、云计算与工业互联网等新一代信息技术的迅猛发展，推动着工业生产过程向智能化、自动化和绿色化的方向发展，也驱动着未来工业制造业生产模式的创新。新一代信息技术推动工业智能制造出现新模式的创新，主要表现在两个方面：一是在工业数据获取与整合方面，包含不同工业生产层级的云边数据和市场运营决策数据；二是在对工业数据整合和凝聚方面，主要从生产数据中挖掘出相应的操作经验、生产规则和物理化学机理等知识，并将这些知识应用于工业生产。这些数据信息来源包括：生产工艺拓扑结构的组态图、实际生产过程运行状态的时序数据、生产过程质量的工艺指标数据、熟练工人及专家的经验数据等。从数据模态的角度来看，工业过程知识不仅涉及时序信号、振动响应数据等结构化数据，还涉及文本、音视频等非结构化数据，甚至还有组态图、字符、xml文件等半结构化数据，具有明显的多源异构的特点。因此，如何处理工业中复杂的多源异构信息，从中抽取出描述工业生产各个节点及设备变化的知识，成为向全流程优化、精细化运行管控的生产模式发展的关键基础设施。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供了一种工业知识图谱生成方法、装置、设备及存储介质，旨在解决现有技术工业生产领域产生的多源异构数据整合效率较低的技术问题。

2、为实现上述目的，本发明提供了一种工业知识图谱生成方法，所述方法包括以下步骤：

3、基于关联模式模型将预设标准数据构建为第一知识图谱，所述预设标准数据包括实际工业生产过程中的经验规则、物理化学机理模型、人工智能算法模型和工艺组态图中的至少一项；

4、确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱；

5、根据所述第一知识图谱和所述第二知识图谱生成目标知识图谱。

6、可选地，所述确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱的步骤，包括：

7、确定工业生产过程中的知识源，并确定所述知识源的数据类别；

8、根据所述数据类别对所述知识源进行数据抽取和识别，生成案例图谱；

9、对所述案例图谱中的数据进行共指消解和实体消歧，得到第二知识图谱。

10、可选地，所述对所述案例图谱中的数据进行共指消解和实体消歧，得到第二知识图谱的步骤，包括：

11、通过预设关系抽取算法簇从所述案例图谱中抽取第一实体信息和第二实体信息；

12、确定所述第一实体信息和所述第二实体信息的实体相似度和实体属性相似度；

13、根据所述实体相似度和所述实体属性相似度对所述案例图谱进行共指消解，得到目标案例图谱；

14、根据所述第一实体信息和所述第二实体信息对所述目标案例图谱进行实体消歧，得到第二知识图谱。

15、可选地，所述根据所述第一实体信息和所述第二实体信息对所述目标案例图谱进行实体消歧，得到第二知识图谱的步骤，包括：

16、根据空间向量模型和语义空间模型对所述第一实体信息进行同构，得到第一同构空间；

17、根据所述空间向量模型和所述语义空间模型对所述第二实体信息进行同构，得到第二同构空间；

18、根据所述第一同构空间和所述第二同构空间对所述目标案例图谱进行实体消歧，得到第二知识图谱。

19、可选地，所述根据所述数据类别对所述知识源进行数据抽取和识别，生成案例图谱的步骤，包括：

20、在所述数据类别为结构化数据时，对所述知识源包含的数据进行数据抽取，根据抽取的数据构建三元组；

21、根据所述三元组生成案例图谱；

22、在所述数据类别为非结构化数据时，基于关联模式模型对所述知识源包含的数据进行数据抽取，根据抽取的数据生成案例图谱。

23、可选地，所述对所述知识源包含的数据进行共指消解的步骤，包括：

24、获取实体与别名实体的关联映射模型；

25、根据所述知识源中的实体信息和所述关联映射模型对所述知识源包含的数据进行共指消解。

26、可选地，所述基于关联模式模型将预设标准数据构建为第一知识图谱的步骤之后，还包括：

27、确定所述预设标准数据中的目标实体和所述目标实体对应的实体属性；

28、根据所述目标实体和所述实体属性构建实体与别名实体的关联映射模型。

29、此外，为实现上述目的，本发明还提供一种工业知识图谱生成装置，所述装置包括：

30、构建模块，用于基于关联模式模型将预设标准数据构建为第一知识图谱，所述预设标准数据包括实际工业生产过程中的经验规则、物理化学机理模型、人工智能算法模型和工艺组态图中的至少一项；

31、数据处理模块，用于确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱；

32、生成模块，用于根据所述第一知识图谱和所述第二知识图谱生成目标知识图谱。

33、此外，为实现上述目的，本发明还提出一种工业知识图谱生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的知识图谱生成程序，所述知识图谱生成程序配置为实现如上文所述的工业知识图谱生成方法的步骤。

34、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有知识图谱生成程序，所述知识图谱生成程序被处理器执行时实现如上文所述的工业知识图谱生成方法的步骤。

35、本发明基于关联模式模型将预设标准数据构建为第一知识图谱，所述预设标准数据包括实际工业生产过程中的经验规则、物理化学机理模型、人工智能算法模型和工艺组态图中的至少一项；确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱；根据所述第一知识图谱和所述第二知识图谱生成目标知识图谱。由于本发明是根据预设标准数据构建的第一知识图谱和工业生产过程中的知识源构建的第二知识图谱生成目标知识图谱。能够高效的对预设标准数据和工业生产过程中的知识源进行整合，实现工业数据的整合和凝聚。

技术特征：

1.一种工业知识图谱生成方法，其特征在于，所述知识图谱生成包括以下步骤：

2.如权利要求1所述的工业知识图谱生成方法，其特征在于，所述确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱的步骤，包括：

3.如权利要求2所述的工业知识图谱生成方法，其特征在于，所述对所述案例图谱中的数据进行共指消解和实体消歧，得到第二知识图谱的步骤，包括：

4.如权利要求3所述的工业知识图谱生成方法，其特征在于，所述根据所述第一实体信息和所述第二实体信息对所述目标案例图谱进行实体消歧，得到第二知识图谱的步骤，包括：

5.如权利要求2所述的工业知识图谱生成方法，其特征在于，所述根据所述数据类别对所述知识源进行数据抽取和识别，生成案例图谱的步骤，包括：

6.如权利要求1所述的工业知识图谱生成方法，其特征在于，所述对所述知识源包含的数据进行共指消解的步骤，包括：

7.如权利要求6所述的工业知识图谱生成方法，其特征在于，所述基于关联模式模型将预设标准数据构建为第一知识图谱的步骤之后，还包括：

8.一种工业知识图谱生成装置，其特征在于，所述知识图谱生成装置包括：

9.一种工业知识图谱生成设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的知识图谱生成程序，所述知识图谱生成程序配置为实现如权利要求1至7中任一项所述的工业知识图谱生成方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有知识图谱生成程序，所述知识图谱生成程序被处理器执行时实现如权利要求1至7任一项所述的工业知识图谱生成方法的步骤。

技术总结
本发明属于工业智能制造领域，公开了一种工业知识图谱生成方法、装置、设备及存储介质。该方法包括：基于关联模式模型将预设标准数据构建为第一知识图谱，所述预设标准数据包括实际工业生产过程中的经验规则、物理化学机理模型、人工智能算法模型和工艺组态图中的至少一项；确定工业生产过程中的知识源，对所述知识源包含的数据进行共指消解和实体消歧，得到第二知识图谱；根据所述第一知识图谱和所述第二知识图谱生成目标知识图谱。由于本发明是根据预设标准数据构建的第一知识图谱和工业生产过程中的知识源构建的第二知识图谱生成目标知识图谱，能够高效的对预设标准数据和工业生产过程中的知识源进行整合，实现工业数据的整合和凝聚。

技术研发人员：任浩,桂卫华,阳春华,梁骁俊,骆伟超,周楠,张超波,黄科科,陈志文,孙备
受保护的技术使用者：鹏城实验室
技术研发日：
技术公布日：2024/1/14