[发明专利]一种基于图卷积神经网络的电力业务系统数据对齐方法

权利要求书

1.一种基于图卷积神经网络的电力业务系统数据对齐方法，其特征在于，包括：

获取两待对齐电力业务系统的设备台账信息数据，对所述设备台账信息数据进行清洗、预处理；

分别获取各电力业务系统中的实体及所述实体间的关系，根据所述实体及所述实体间的关系构建知识图谱，获取两所述知识图谱间预对齐的实体对，其中，所述实体为所述知识图谱的节点，所述实体间的关系为所述知识图谱的边；

将所述知识图谱输入图自注意力卷积神经网络进行训练，将所述实体对作为对齐种子，作为所述图自注意力卷积神经网络训练时的监督信息；

通过所述图自注意力卷积神经网络得到各所述节点的嵌入向量表示，计算所述知识图谱间各节点的相似性，将最相似的两个节点作为对齐节点；

根据对齐节点对待对齐电力业务系统实体的属性数据进行改写。

2.根据权利要求1所述基于图卷积神经网络的电力业务系统数据对齐方法，其特征在于，对所述设备台账信息数据进行清洗、预处理，具体为剔除所述设备台账信息数据中损坏的数据，将剩余的数据处理为CSV格式。

3.根据权利要求1所述基于图卷积神经网络的电力业务系统数据对齐方法，其特征在于，根据所述实体及所述实体间的关系构建知识图谱，获取两所述知识图谱间预对齐的实体对，具体为：

提取知识图谱的节点，具体为将所述设备台账信息数据中用于区分实体的属性作为所述知识图谱的节点，将所述实体的文本信息字段作为所述节点的文本特征；

通过语言模型提取所述文本特征的语义信息，得到节点的嵌入向量表示；

根据所述实体间的关系构造所述节点的边；

得到两待对齐的知识图谱G_k：

G_k＝{E_k,R_k,T_k}；

其中，k＝1或2，E_k、R_k和T_k分别为所述知识图谱中节点的集合、实体关系的集合和三元组e₁,r,e₂，e₁,e₂∈E,r∈R，r为实体e₁和实体e₂之间的关系；

根据所述实体具有唯一值的属性对实体进行预对齐，得到实体对，实体对集合S为：

其中，x、y分别为知识图谱G₁、G₂的实体节点。

4.根据权利要求3所述基于图卷积神经网络的电力业务系统数据对齐方法，其特征在于，所述语言模型为LaBSE模型。