買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜朗坤智慧科技股份有限公司申請的專利一種自動化構建工業知識圖譜的方法、系統、設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119397038B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510014496.6，技術領域涉及：G06F16/36；該發明授權一種自動化構建工業知識圖譜的方法、系統、設備及存儲介質是由袁存發;畢瑞峰;陸文迪;胡迪;徐興云;張強設計研發完成，并于2025-01-06向國家知識產權局提交的專利申請。

本一種自動化構建工業知識圖譜的方法、系統、設備及存儲介質在說明書摘要公布了：本發明公開一種自動化構建工業知識圖譜的方法、系統、設備及存儲介質，包括：針對非結構化數據建立嵌入層將詞映射為詞向量，通過前饋神經網絡獲取詞向量中的實體及類別，對各個實體間的關系進行判斷抽取后構建第一知識圖譜；針對結構化數據利用三元組將數據結構映射為本體及關系，根據映射關系獲取實體與實體間的關系結構后構建第二知識圖譜；定期執行數據抓取任務，檢測更新的數據并進行動態知識融合后更新和優化第一知識圖譜和第二知識圖譜。本發明能夠實現結構化數據到三元關系的轉化，減少大量的人工標注與知識圖譜的生成過程；并且能夠實現企業級數據知識圖譜的定制化構建，有利于數據挖掘分析，以實現多系統的結合以及數據的整合與共享。

本發明授權一種自動化構建工業知識圖譜的方法、系統、設備及存儲介質在權利要求書中公布了：1.一種自動化構建工業知識圖譜的方法，其特征在于：包括，針對非結構化數據建立嵌入層將詞映射為詞向量，通過前饋神經網絡獲取所述詞向量中的實體及類別，對各個實體間的關系進行判斷抽取后構建第一知識圖譜；所述建立嵌入層將詞映射為詞向量包括，基于工業知識詞典將所述非結構化數據中的每個詞語隨機映射到一個多維度的向量，針對輸入文本序列X＝[x1,x2,…,xn]中的每個詞語查找對應的嵌入矩陣獲取對應的向量表示en，即將所述輸入文本序列X＝[x1,x2,…,xn]映射為詞向量序列E＝[e1,e2,…,en]，其中，xn表示輸入文本序列中的第n個詞語；通過正弦和余弦函數生成法對所述非結構化數據中的每個詞語進行位置編碼，設定所述輸入文本序列的長度為L，所述詞向量的維度為d，則第pos個位置的詞語對應的編碼P在第i個維度的值由正弦余弦函數表示為：i為偶數時：i為奇數時：第n個詞語對應的位置編碼P表示為通過將所述詞向量序列和位置編碼進行相加得到結合詞語語義和位置信息的向量序列Z，所述向量序列Z作為后續多層的注意力機制和前饋神經網絡的初始輸入；所述通過前饋神經網絡獲取所述詞向量中的實體及類別包括，設置多頭注意力機制的注意力頭的數量，使用Xavier方法隨機初始化權重矩陣WQ、Wk、Wv，將所述向量序列Z作為輸入序列通過所述初始化后的權重矩陣進行計算后映射為查詢向量Q、鍵向量K和值向量V；計算注意力得分，并使用所述查詢向量Q和鍵向量KT之間的點積衡量相似度，其中，鍵向量KT為同模型下另一個詞語的鍵向量K；應用softmax函數將所述注意力得分標準化為一個概率分布使得所有注意力權重的和為1，并獲取當前詞和其他詞語的相似度權重，利用所述相似度權重對所述值向量V進行加權求和得到每個查詢向量最終的表示；將多頭注意力機制中多個頭的輸出進行拼接后輸入前饋神經網絡進行拼接和歸一化處理，得到輸出向量h；對所述輸出向量h進行softmax操作，得到每個標記屬于各個實體標簽的概率分布，選擇具有最高概率的標簽作為每個標記的最終預測標簽，即根據所述每個標記的最終預測標簽獲取所述詞向量序列中的實體及類別，針對所述最終預測標簽及真實標簽進行交叉熵損失判斷，通過鏈式法則計算交叉熵損失相對于logits的梯度，再計算損失函數相對于模型參數的梯度；反復迭代多頭注意力機制和前饋神經網絡的處理流程，使用梯度下降優化方法優化調整權重矩陣WQ、Wk、Wv，當所述交叉熵損失達到收斂后結束迭代；所述對各個實體間的關系進行判斷抽取包括，根據獲取的所述詞向量序列中的實體及類別計算各實體對中的關系，針對實體對e1和e2，其在序列中的起始和結束位置分別為s1,e1和s2,e2，其中，s1和e1分別表示某個實體在句子中的起始位置和結束位置的token索引，使用預訓練語言模型BERT，從輸出中計算實體對的表示： 其中，hi表示從起始位置s1到結束位置e1之間的token的隱藏狀態，表示從位置s1到e1的所有token隱藏狀態的求和，表示歸一化因子，用于計算token隱藏狀態的平均值；所述構建第一知識圖譜包括，將兩個實體對的表示進行拼接，并利用一個全連接層對所述拼接的實體對表示進行分類，通過softmax函數計算所述分類后的實體對中每個關系類別的概率，將預測關系標簽為概率最高的類別對應的實體對及關系依次導入知識圖譜中，即可得到基于當前文本序列的第一知識圖譜；針對結構化數據利用三元組將所述結構化數據的數據結構映射為本體及關系，根據映射關系獲取實體與實體間的關系結構后構建第二知識圖譜；所述構建第二知識圖譜包括，針對結構化數據，將數據庫中每類數據實體定義為本體，每條數據定義為實體，系統根據配置自動檢索數據庫數據，根據本體對應的數據表數據構建當前本體對應的實體對象，每條數據代表一個對應的知識圖譜實體，每條數據的各個字段即為當前實體的屬性信息，通過對應的字段配置及數據填充實體屬性，完成對應的知識圖譜內節點的生成；根據本體查找已和當前本體維護自定義關系的其他本體，并通過主外鍵關系構建實體與實體間關系，根據所述實體與實體間關系構建第二知識圖譜；定期執行數據抓取任務，檢測更新的數據并進行動態知識融合，根據所述動態知識融合的結果更新和優化所述第一知識圖譜和所述第二知識圖譜；所述檢測更新的數據并進行動態知識融合包括，提供知識圖譜的可視化檢索、修訂功能，用戶通過實體名稱、本體名稱、屬性關鍵詞進行知識圖譜的模糊檢索，通過可視化的操作查看各實體對象及實體間的關系；系統底層使用Neo4j作為知識圖譜數據庫存儲和管理知識圖譜數據，開發工具類管理與Neo4j進行連接，實現查詢、修改、刪除、新增操作的封裝；選擇AntV-G6作為前端可視化框架用于圖譜數據的展示；所述更新和優化所述第一知識圖譜和所述第二知識圖譜包括，通過實體識別對新數據進行掃描，當識別到新實體時對比新實體與現有實體，若所述新實體與現有實體不同，則為所述新實體分配一個全局唯一的標識符，根據新實體的屬性抽取新實體與現有實體間的關系，并將新實體融合到所述第一知識圖譜或所述第二知識圖譜中；若所述新實體與現有實體重復，檢測現有實體的屬性變更，在所述第一知識圖譜或所述第二知識圖譜中定位對應的現有實體并更新實體的屬性，并為變更的屬性創建歷史記錄；利用深度學習模型從新數據中識別出實體間的新關系，若新關系在所述第一知識圖譜或所述第二知識圖譜中不存在，則對新關系的類型和屬性進行歸一化處理并將新關系融合到所述第一知識圖譜或所述第二知識圖譜中；若新關系在所述第一知識圖譜或所述第二知識圖譜中已存在，檢測現有關系的權重和屬性變更，在所述第一知識圖譜或所述第二知識圖譜中定位到對應的現有關系，并更新現有關系屬性和權重，關系的權重更新表示為， 其中，Wu表示更新后的關系權重，Wc表示現有關系的權重，λ表示控制權重更新的步長的學習率，ΔW表示權重的變化幅度，τ表示變化幅度的閾值，σγ·Gi表示根據門控計算的置信度，γ表示調節置信度對權重更新影響的參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人朗坤智慧科技股份有限公司，其通訊地址為：210005 江蘇省南京市鼓樓區漢中路2號亞太商務樓31層；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。