基于知识图谱技术建立的军用设备图谱系统的制作方法

本发明属于数据处理，特别是涉及基于知识图谱技术建立的军用设备图谱系统。

背景技术：

1、随着人工智能逐渐迈向认知智能，知识图谱已经成为当今大数据时代一种重要的知识表示和组织形式，被广泛应用，知识图谱由实体和关系组成，实体表示客观世界的事物，关系表示实体之间的相互联系。

2、公开号为cn110096598a的中国发明专利申请公开了一种配电网知识图谱建立方法、装置、计算机设备及存储介质，但其建立知识图谱的效率低。

技术实现思路

1、本发明的发明目的是提供一种基于知识图谱技术建立的军用设备图谱系统及方法，建立知识图谱的效率高，相关性强，为人工智能模型的训练提高了效率。

2、为实现所述发明目的，本发明第一方面提供一种基于知识图谱技术建立的军用设备图谱系统，其特征在于，包括知识图谱构建模块，知识图谱构建模块包括多个测量模块、去重模块、选择模块和构建模块，其中，

3、每个测量模块sk通过感测装置量测被分配区域的所有实体信息，并向去重模块发送所量测的实体及该实体的测量信息,k=1,2,…,k

4、去重模块对k个测量模块发送来的实体及该实体的测量信息进行计算及剪裁，对实体去重后，筛选出实体集合ti(t)，并记录下实体集合ti(t)中每个实体的测量信息，将筛选出的实体集合ti(t)及每个实体的测量信息发送给选择模块；

5、选择模块计算去重模块发送来的实体集合ti(t)中的任一实体ax与其它实体ai之间的关联度，根据关联度生成与实体ax相关联的实体序列tx(t)={a1,…,as,…,as}，以及

6、构建模块确定ax与tx(t)={a1,…,as,…,as}中的每个实体相连接的边的语义关系及权重生成以实体ax为中心点的知识图谱，选择模块和构建模块遍历实体集合ti(t)中的每个实体生成军用设备的知识图谱。

7、本发明另一方面还提供一种基于知识图谱技术建立的军用设备图谱系统，其特征在于，包括多个子知识图谱构建模块和去重模块，每个子知识图谱构建模块包括测量模块、选择模块和构建模块，其中，

8、测量模块通过感测装置量测的被分配区域的所有实体集合tx(t）的实体信息，并向选择模块发送所量测的实体及该实体的测量信息,

9、选择模块计算实体集合tx(t)任一实体ax与其它实体ai之间的关联度，根据关联度生成与实体ax相关的实体序列tx(t)={a1,…,as,…,as}；

10、构建模块确定ax与tx(t)={a1,…,as,…,as}中的每个实体相连接的边的语义关系及权重生成以实体ax为中心点的知识图谱，选择模块和构建模块遍历实体集合tx(t)中的每个实体生成子知识图谱；

11、去重模块将多个子知识图谱合并将重复的实体和边去重生成军用装备的知识图谱。

12、有益效果

13、1、与现有技术相比，本发明通过多个测量模块同时通过感测装置量测的被分配区域的实体信息；通过去重模块对多个测量模块发送来的实体及该实体的测量信息进行计算及剪裁，对重复的实体去重后，筛选出实体集合；通过选择模块计算去重模块发送来的实体集合中的任一实体ax与其它实体之间的关联度，根据关联度生成与实体ax相关的实体序列，以及构建模块确定ax与实体序列中的每个实体相连接的边的语义关系及权重生成以实体ax为中心点的知识图谱，遍历实体集合中的每个实体生成军用设备的知识图谱，从而提高了建立知识图谱的效率，且建立的军用设备图谱系统相关性强，为人工智能模型的训练提高了效率。

14、2、与现有技术相比，本发明通过多个子知识图谱构建模块同时建立子知识图谱，而后通过去重模块将多个子知识图谱合并对重复的实体和边去重生成军用装备的知识图谱，从而提高了建立知识图谱的效率，且建立的军用设备图谱系统相关性强，为人工智能模型的训练提高了效率。

技术特征：

1.一种基于知识图谱技术建立的军用设备图谱系统，其特征在于，包括知识图谱构建模块，知识图谱构建模块包括多个测量模块、去重模块、选择模块和构建模块，其中，

2.根据权利要求1所述基于知识图谱技术建立的军用设备图谱系统，其特征在于，去重模块包括图像获取模块、卷积神经网络和自竞争神经网络，其中，

3.根据权利要求2所述的军用设备图谱系统，其特征在于，测量模块sk发送来的其测量的所有实体的集合记作s(ak), 被至少2个测量模块重复测量的实体的测量值进行融合处理得到其融合后的测量信息，去重模块对实体去重后得到实体集合ti(t)，集合ti(t)中的元素记为ai；

4.根据权利要求3所述的军用设备图谱系统，其特征在于， 所述军用设备的知识图谱包括以军用设备及其各系统作为第一实体，军用设备及其各系统之间第一语义关系作为边的系统级知识图谱，各系统为完成军用设备的任务所占的比例作为边的权重；以构成每一系统及其构成该系统的各子系统作为第二实体，系统及各子系统之间、各子系统之间的第二语义关系作为边构建的子系统级知识图谱；以每一子系统及构成该子系统的各装置作为第三实体，子系统及各装置之间、各装置之间的第三语义关系为边的装置级知识图谱；以每一装置及构成该装置的各部件作为第四实体，装置及各部件之间、各部件之间的第四语义关系为边的部件级知识图谱；以每一部件及构成该部件的各元件作为第五实体，部件与元件之间、各元件之间的第五语义关系为边的元件级知识图谱。

5.根据权利要求4所述的军用设备图谱系统，其特征在于，还包括图神经网络模块，其被配置为对系统级知识图谱进行学习预测发生故障或失能的系统；还被配置为根据发生故障或失能的系统对应的子系统级知识图谱进行学习预测发生故障或失能的子系统；还被配置为根据发生故障或失能的子系统对应的装置级知识图谱进行学习预测发生故障或失能的装置；还被配置为根据发生故障或失能的装置对应的部件级知识图谱进行学习预测发生故障或失能的部件，还被配置为根据发生故障或失能的部件对应的元件级知识图谱进行学习预测发生故障或失能的元件。

6.一种基于知识图谱技术建立的军用设备图谱系统，其特征在于，包括多个子知识图谱构建模块和去重模块，每个子知识图谱构建模块包括测量模块、选择模块和构建模块，其中，

7.根据权利要求6所述的基于知识图谱技术建立的军用设备图谱系统，其特征在于，去重模块将多个子知识图谱合并将重复的实体和边去重生成军用装备的知识图谱通过如下步骤实现：

8.根据权利要求7所述的基于知识图谱技术建立的军用设备图谱系统，其特征在于，选择模块计算去重模块发送来的实体集合ti(t)中的任一实体ax与其它实体ai之间的关联度，根据关联度生成与实体ax相关联的实体序列tx(t)={a1,…,as,…,as}具体包括：

9.根据权利要求8所述的军用设备图谱系统，其特征在于， 所述军用设备的知识图谱包括以军用设备及其各系统作为第一实体，军用设备及其各系统之间第一语义关系作为边的系统级知识图谱，各系统为完成军用设备的任务所占的比例作为边的权重；以构成每一系统及其构成该系统的各子系统作为第二实体，系统及各子系统之间、各子系统之间的第二语义关系作为边构建的子系统级知识图谱；以每一子系统及构成该子系统的各装置作为第三实体，子系统及各装置之间、各装置之间的第三语义关系为边的装置级知识图谱；以每一装置及构成该装置的各部件作为第四实体，装置及各部件之间、各部件之间的第四语义关系为边的部件级知识图谱；以每一部件及构成该部件的各元件作为第五实体，部件与元件之间、各元件之间的第五语义关系为边的元件级知识图谱。

10.根据权利要求9所述的军用设备图谱系统，其特征在于，还包括图神经网络模块，其被配置为对系统级知识图谱进行学习预测发生故障或失能的系统；还被配置为根据发生故障或失能的系统对应的子系统级知识图谱进行学习预测发生故障或失能的子系统；还被配置为根据发生故障或失能的子系统对应的装置级知识图谱进行学习预测发生故障或失能的装置；还被配置为根据发生故障或失能的装置对应的部件级知识图谱进行学习预测发生故障或失能的部件，还被配置为根据发生故障或失能的部件对应的元件级知识图谱进行学习预测发生故障或失能的元件。

技术总结
一种基于知识图谱技术建立的军用设备图谱系统，属于电数据处理技术领域。系统中，多个测量模块同时通过感测装置量测被分配区域的实体信息；去重模块对多个测量模块发送来的实体及该实体的测量信息进行剪裁及计算，去重后，筛选出实体集合；选择模块计算去重模块发送来的实体集合中的任一实体A<subgt;x</subgt;与其它实体之间的关联度，根据关联度生成与实体A<subgt;x</subgt;相关的实体序列，构建模块确定A<subgt;x</subgt;与实体序列中的每个实体相连接的边的语义关系及权重生成以实体A<subgt;x</subgt;为中心点的知识图谱，遍历实体集合中的每个实体生成军用设备的知识图谱。根据本发明可以快速地建立军用设备图谱系统，且建立的军用设备图谱系统相关性强，为人工智能模型的训练提高了效率。

技术研发人员：沈增辉
受保护的技术使用者：北京中科智易科技股份有限公司
技术研发日：
技术公布日：2024/1/13