[发明专利]一种高速列车可维修性知识图谱构建方法

权利要求书

1.一种高速列车可维修性知识图谱构建方法，包括以下步骤：步骤1：构建高速列车可维修性知识图谱模式层；步骤2：构建高速列车可维修性知识图谱数据层；步骤3：采用Neo4j图数据库进行知识存储；其特征在于：

在步骤1中包括以下步骤：步骤11:构建用于高速列车可维修性知识本体模型架构；步骤12:构建高速列车可维修性本体；步骤13:在protégé中实现高速列车可维修性本体结构化；

在步骤11中，针对高速列车设计时、运行时及维护时这三个阶段的可维修性知识内容进行表达；

在高速列车设计阶段，对高速列车设计流程进行分析，明确各阶段输入输出，统计设计信息，其中设计信息至少包括产品结构、标准、材料，对设计信息及设计实体内容进行表达；

在高速列车运行阶段，对高速列车零件故障信息、与零件故障相关的产品信息及结构关系、在运行阶段使用的传感器设备、运行保障人员信息内容进行表达；当高速列车零件故障信息、与零件故障相关的产品信息及结构关系、在运行阶段使用的传感器设备、运行保障人员信息内容发生变化时，在本体模型架构中新建相应的概念，增加或删除相关的本体实例，并更新实例之间的链接关系，完成本体模型的更新；

在高速列车检修阶段，对高速列车零件维修工艺流程、维修设备布局、操作人员、维修设备内容进行表达，当维修工艺流程、维修设备布局、操作人员、维修设备内容需要进行修改时，新建相应的概念、更新关系，完成本体模型的更新；

在步骤12中，具体包括以下步骤：

步骤121：定义高速列车可维修性本体；

步骤122：基于多域特征分析的本体模型架构，建立高速列车可维修性本体的概念和属性关系；

步骤121中包括以下操作：

记高速列车可维修性本体为Design-Fault-Repair Feature Ontology；Design-Fault-Repair Feature Ontology＝{Entity，Attribute，Relation，Part}，其中：

a)Entity为实体相关概念集，用于表示设计-故障-维修领域客观实体的集合，Entity＝(Equipment，Product，Staff)，Equipment为维修设备类，指在高速列车维修过程中客观存在的物理维修设备，包括镟轮机、天车子类；Product为产品类，表示客观存在的物理产品，有零件、模块、系统、车辆、列车五个层级，其中备用零件包含于零件；Staff为高速列车产品在三个阶段所涉及的人员；

b)Attribute为属性相关概念集，表示Entity具有的一些属性特征，包括设计约束、设计属性、维修工艺、故障模式、转向架型号、生产商、工种概念；其中，设计约束包括内部约束及外部约束；维修工艺表示零件进行检修所需要的工艺类型，包括拆卸、探伤、换件、检测、镟轮子类；故障模式表示在高速列车产品使用过程中，产品零部件发生的故障类型，包括裂纹、漏油、温度升高子类；

c)Relation中包含了实体、属性相关概念之间的除了层级关系外的所有的关联关系，记为概念C1，关系R，概念C2，其中，概念C1与概念C2是包含于实体相关概念集Entity和属性相关概念集Attribute中的；

d)Part包含了本体中除Relation关系集之外的概念之间的具有层级结构的关系，表示一个概念层级隶属于另一概念层级，即子类概念集与父类概念集的关系，在故障-维修特征本体中用是及子集关系表示；

步骤122中包括以下操作：

在高速列车可维修性本体中，围绕零件实体将三个领域关联起来，用于描述零件在三个领域的相关信息；

步骤2中包括以下步骤：步骤21:对命名实体进行识别；步骤22:基于模板的关系抽取；步骤23:知识融合；

步骤21具体包括以下步骤：

步骤211：使用高速列车领域文本数据对BERT-BiLSTM-CRF模型进行训练；

步骤212：将高速列车文本数据输入到BERT中，由BERT模型提取文本中的词特征、语法语义特征；

步骤213：采用BiLSTM-CRF模型对BERT模型提取文本中的词特征、语法语义特征进行处理，得到高速列车可维修性相关实体词；

步骤211具体包括以下步骤：

步骤2111：将高速列车文本数据按8:1:1随机分为训练集、测试集以及验证集；

步骤2112：划分好训练集后，根据步骤1中高速列车可维修性本体描述的概念及属性关系，使用数据标注工具对训练数据进行标注；

步骤2113：标注完训练集后，输入BERT-BiLSTM-CRF模型进行训练；

步骤2114：在模型训练完成后，输入未标注数据的测试集对模型训练结果进行测试；

步骤2115：通过输入验证集数据，验证训练后的模型能够用于高速列车领域命名实体识别任务；

步骤212具体包括以下步骤：

步骤2121：BERT模型在接收到输入的高速列车文本数据后，将文本按字转换为符合条件的字符表征向量；

步骤2122：将转化后的字符向量输入编码器，最终输出字符动态向量；

步骤213具体包括以下步骤：

步骤2131：将BERT模型输出的动态特征向量输入BiLSTM模型，BiLSTM模型将BERT模型的字向量按照前向及后向的顺序分别进行处理，对信息进行选择性记忆和传递，最终输出每个字的得分向量；

步骤2132：将BiLSTM输出的得分向量输入CRF模型，该模型考虑了各字标签的约束关系，计算不同字标签序列出现的概率，从中选取概率最大的序列作为输出文本的标签序列，即根据概率输出最优标签序列；

步骤2133：对CRF模型输出的最优标签序列中包含的高速列车领域实体词进行提取分类；

步骤2134：将高速列车领域实体词按类别存储；

步骤22具体包括以下步骤：

步骤221：基于知识图谱模式层构建的高速列车多域融合本体中的概念关系，设计故障事件关系匹配模板；

步骤222：设计人员针对输入的故障事件文本中所抽取的实体词类型对照所设计的高速列车领域故障事件关系模板进行实体关系匹配；

步骤223：当设计人员发现某些实体词间的关系无法通过关系模板匹配时，则评定实体词之间是否包含新的概念关系，若存在，则更新关系匹配模板并同步反馈到模式层，更新高速列车多域融合本体。