1.电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,所述方法利用电网设备知识图补全模型框架实现网故障诊断查询系统的稀疏的电网设备知识图进行补全;
2.根据权利要求1所述的电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,基于文本的网络模型采用bert网络模型。
3.根据权利要求1所述的电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,基于结构的网络模型采用compgcn网络模型。
4.根据权利要求1至3任意一项所述的电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,将对数似然函数logpθ(yl|ql,qu)划分为证据下限elbo和kl散度的总和的形式如下:
5.根据权利要求4所述的电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,针对基于文本的网络模型pπ和基于结构的网络模型pθ进行互相学习的过程包括以下步骤:
6.根据权利要求5所述的电网故障诊断查询系统的稀疏知识图谱补全方法,其特征在于,采用em算法最大化对数似然函数的过程中,应用平均场假设对pπ(yu|qu)进行因式分解ym为隐式事实对应标签集中的标签,qm为隐式事实对应查询集中的查询;给定电网故障查询集合后,文本模型输出正确的尾实体集合的概率等于集合内每个元素文本模型输出正确的尾实体的概率pπ(ym|qm)之积,通过最小化近似pπ(yu|qu);
7.电网故障诊断查询系统的稀疏知识图谱补全系统,其特征在于,所述系统包括:
8.根据权利要求7所述的电网故障诊断查询系统的稀疏知识图谱补全系统,其特征在于,基于文本的网络模型采用bert网络模型。
9.根据权利要求7所述的电网故障诊断查询系统的稀疏知识图谱补全系统,其特征在于,基于结构的网络模型采用compgcn网络模型。
10.根据权利要求7至9任意一项所述的电网故障诊断查询系统的稀疏知识图谱补全系统,其特征在于,针对基于文本的网络模型pπ和基于结构的网络模型pθ进行互相学习的过程包括以下步骤: