[发明专利]基于知识图谱的机械故障诊断知识库构建方法

权利要求书

1.基于知识图谱的机械故障诊断知识库构建方法，其特征在于，具体步骤如下：

1)知识搜集整理：机械故障诊断知识存在于各类结构化和非结构化的诊断报表和案例库中，需要将这些内容统一搜集整理作为知识构建的基础；

2)构建三元组数据集：基于知识图谱的构建模式，搜集整理的故障诊断知识并以实体-关系-实体三元组的形式表示，建立机械故障诊断的知识图谱；

3)确定嵌入维数：根据数据集的内容和规模，确定知识表示的嵌入维数；

4)初始化向量：将三元组初始化编码为确定维度的向量；

5)构建训练样本：以正确的三元组作为正采样样本，并替换正确的三元组头实体或尾实体，构建负采样样本，将构建好的采样样本作为训练模型的输入；

6)利用SGD进行训练学习：训练学习得到三元组表示向量；

7)利用测试集测试三元组的向量化表示结果。

2.根据权利要求1中所述的方法，其特征在于：所述步骤2)包括：根据知识图谱的定义，将知识库表示为G＝(E,R,S)，其中E＝{e₁，e₂，...，e_|E|}是知识库中的实体集合，其中包含|E|种不同实体；R＝{r₁，r₂，...，r_|R|}是知识库中的关系集合，其中包含|R|种不同关系；而代表知识库中的三元组集合，表示为(h,r,t)，其中h和r表示头实体和尾实体，而r表示h和t的关系，将机械故障诊断的知识表示为三元组。

3.根据权利要求1中所述的方法，特征在于：所述步骤3)和步骤4)包括：对于三元组(h,r,t),头实体h、尾实体t和关系属性r向量化表示为l_h、l_t和l_r，l_h，l_t∈R^m，l_r∈Rⁿ，存在矩阵M_rh，M_rt∈R^m×n，使得：

M_rhl_h+l_r≈l_tM_rt

式中：

l_h表示头实体的向量化；

l_r表示关系的向量化；

l_r表示尾实体向量；

M_rh表示头实体的映射矩阵；

M_rt表示尾实体的映射矩阵；

R^m×n表示m×n的向量空间

m表示实体向量空间的维度，n表示关系向量空间的维度。