恭喜中國電子科技集團公司第十研究所黃成文淵獲國家專利權
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!
龍圖騰網恭喜中國電子科技集團公司第十研究所申請的專利一種知識模型驅動的航空電子故障推理方法、介質及裝置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:CN117453858B 。
龍圖騰網通過國家知識產權局官網在2025-04-01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:202311427689.1,技術領域涉及:G06F16/2455;該發明授權一種知識模型驅動的航空電子故障推理方法、介質及裝置是由黃成文淵;文佳;錢東;梁天辰;楊飛;陳擎宙設計研發完成,并于2023-10-31向國家知識產權局提交的專利申請。
本一種知識模型驅動的航空電子故障推理方法、介質及裝置在說明書摘要公布了:本發明提供一種知識模型驅動的航空電子故障推理方法、介質及裝置,所述方法包括:搭建實體抽取模型,構建實體抽取數據集,并采用實體抽取數據集訓練實體抽取模型;搭建語義相似度計算模型,構建語義相似度計算數據集,并采用語義相似度計算數據集訓練語義相似度計算模型;輸入故障現象描述文本到實體抽取模型,提取出實體信息;對抽取到的實體信息進行處理,生成新的故障現象描述文本;利用語義相似度計算模型將所述故障現象描述文本與對應故障模塊中的若干條標準故障模式進行相似度計算,得到故障推理結果。本發明能夠提高維修人員的維修成功率和效率,減少模塊返廠率,提高戰場裝備響應效率,具有重要的意義和價值。
本發明授權一種知識模型驅動的航空電子故障推理方法、介質及裝置在權利要求書中公布了:1.一種知識模型驅動的航空電子故障推理方法,其特征在于,包括以下步驟:S1,搭建實體抽取模型,構建實體抽取數據集,并采用實體抽取數據集訓練實體抽取模型;S2,搭建語義相似度計算模型,構建語義相似度計算數據集,并采用語義相似度計算數據集訓練語義相似度計算模型;S3,輸入故障現象描述文本到實體抽取模型,提取出實體信息;所述實體信息包括部件單元和故障現象描述;S4,對抽取到的實體信息進行處理,生成新的故障現象描述文本;對抽取到的實體信息進行處理包括:對實體信息進行消歧,在標準故障庫中尋找到標準名稱;將提取出來的模塊、關鍵詞和相關的描述詞匯組成一個新的更為精簡的句子,從而生成新的故障現象描述文本;S5,利用語義相似度計算模型將所述故障現象描述文本與對應故障模塊中的若干條標準故障模式進行相似度計算,得到故障推理結果;步驟S1包括:構建實體抽取數據集:對文本數據的實體進行標注,將實體抽取模型看成一個字級別的標注任務,采用BIO序列的標注規則,其中“B”表示實體的起始,“I”表示實體的中間,“O”表示非實體詞匯;實體抽取模型的輸入包括字向量、位置向量和分割向量,輸出為每個字的標注標簽;搭建實體抽取模型:實體抽取模型包括輸入層、編碼層、BERT層和CRF層;首先,通過編碼層在數據預處理之前加入位置編碼,并與輸入向量進行求和;然后,通過BERT層提取文本特征序列,再通過CRF層采用條件隨機場CRF的對數線性模型來表示整個文本特征序列的聯合概率,更好地對文本特征序列中的標注標簽進行預測;根據預測的標注標簽序列總分數不斷優化實體抽取模型,直到訓練次數達到設定值;步驟S2包括:構建語義相似度計算數據集:首先將輸入的故障現象描述文本與標準故障庫中的標準故障模式構成句子對,構建一個包含句子對和標簽的語義相似度計算數據集;搭建語義相似度計算模型:將句子對輸入到Tokenization層進行分詞和拼接,再將處理后的句子輸入到Embedding層進行編碼,在編碼過程中,由于BERT模型的雙向Attention機制,互為上下文的兩個句子會相互影響,最終學習到兩個句子的相似程度;通過Bert模型進行計算后,在輸出層得到拼接句子的最終編碼,將最終編碼輸入進Dropout層,抑制算法的過擬合;在Dropout層之后連接一個輸出維度為2的全連接層,再使用softmax計算得到相似和不相似的概率;根據相似度得分不斷優化語義相似度計算模型,直到訓練次數達到設定值。
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中國電子科技集團公司第十研究所,其通訊地址為:610000 四川省成都市金牛區茶店子東街48號;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”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。