[发明专利]一种智能供热阀门控制知识图谱的构建方法和系统有效
申请号: | 202011139490.5 | 申请日: | 2020-10-22 |
公开(公告)号: | CN112231492B | 公开(公告)日: | 2023-07-07 |
发明(设计)人: | 王小东;李佐民 | 申请(专利权)人: | 北京天地和兴科技有限公司 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06N5/025;F16K31/02 |
代理公司: | 北京快帮专利代理事务所(普通合伙) 16087 | 代理人: | 孙婷婷 |
地址: | 100193 北京市海淀区东*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 智能 供热 阀门 控制 知识 图谱 构建 方法 系统 | ||
1.一种智能供热阀门控制知识图谱的构建方法,其特征在于:包括以下步骤:
A.获取待处理供热数据;
B.构建、生产供热知识图谱;
C.优化、维护供热知识图谱;
所述步骤A包括以下步骤:
A1、实时数据模块根据业务知识图谱的构建需求建立采集规则,根据规则选择合适的方式获取相关的供热现场数据;
A2、网络知识模块在网络上,根据弱规则的方式获取供热相关数据;
A3、历史数据模块根据弱规则的方式,导入离线收集的供热相关数据;
A4、数据采集模块做数据有效性判断,初步判别数据的正确性、合法性,一般不做去重、合并操作;数据采集模块主动剔除无效数据;
A5、数据采集模块判断数据的类型是否为关系型数据;
A6、如果是关系型数据,数据采集模块将数据传输给关系型数据模块,由关系型数据模块存储;
A7、如果是非关系型数据,数据采集模块将数据传输给数据仓库模块,由数据仓库模块存储;
步骤A6中,关系型数据不仅包含由规则指定收集的关系型数据,而且包含从网络上和离线收集的关系型数据;
步骤A7中,构建知识图谱的数据还包含网络上和离线收集的海量非关系型数据;
所述步骤B包括以下步骤:
B1、图数据模块分析预测阀门开度业务需求,确定供热阀门控制知识图谱的数据格式;
B2、深度学习模块针对知识图谱的数据挖掘需求,选择增量学习算法、在线学习算法和各种关联分析规则;
B3、数据分类模块针对不同深度挖掘算法实现对输入数据的要求,预处理待输入的分析数据,提高挖掘算法的效率;
B4、增量学习模块深度挖掘数据仓库模块中存储的历史数据;
B5、在线学习模块深度挖掘数据仓库模块中存储的网络知识数据;
B6、关联分析模块分析关系型数据模块中存储的实时数据;
B7、深度学习模块统一处理B4、B5、B6输出的知识数据变化,融合同类知识,验证知识调整知识概率值;
B8、深度学习模块将新挖掘出的实体、类型、关系信息存入图数据模块维护;
B9、深度学习模块将重复、高频的信息存入关系型数据模块维护;
B10、知识应用模块,提供知识图谱的应用接口;
所述步骤C包括以下步骤:
C1、图数据模块获取阀门开度知识图谱结构设计需求,跟新供热阀门控制知识图谱的数据格式;
C2、深度学习模块针对知识图谱的数据挖掘需求,选择增量学习算法、在线学习算法和各种关联分析规则;
C3、数据分类模块针对不同深度挖掘算法实现对输入数据的要求,预处理待输入的分析数据,提高挖掘算法的效率;
C4、增量学习模块深度挖掘数据仓库模块中存储的历史数据;
C5、在线学习模块深度挖掘数据仓库模块中存储的网络知识数据;
C6、关联分析模块分析关系型数据模块中存储的实时数据;
C7、深度学习模块统一处理C4、C5、C6输出的知识数据变化,融合同类知识,验证知识调整知识概率值;
C8、深度学习模块挖掘出新的业务补充知识,基于新知识更新知识图谱结构设计需求,下一步流程跳转到C1。
2.根据权利要求1所述的一种智能供热阀门控制知识图谱的构建方法,其特征在于:所述步骤B7中,深度学习模块处理的知识数据不仅包含从现有数据中挖掘出的关联关系,而且包含从实时数据中挖掘出的关联关系;两者之间相互支撑,来融合同类知识和验证知识调整知识概率值,有效的提高了基于片段信息挖掘出来的知识的准确性,步骤B10中,知识图谱的应用接口包括SDK、可执行程序、小程序、APP;应用形式包括关系可视化、查询、一问一答、推荐知识图谱应用。
3.根据权利要求1所述的一种智能供热阀门控制知识图谱的构建方法,其特征在于:所述步骤C8中,基于新知识提出的知识图谱结构设计需求,包括对原有知识图谱结构元素的增加、删除、调权,还包括增加、删除新的附属知识图谱结构。
4.一种智能供热阀门控制知识图谱的系统,系统实施如权利要求1所述,其特征在于:包括数据采集模块(1)、知识图谱模块(5)、深度学习模块(9)、数据储存模块(13);
所述数据采集模块(1)包括历史数据模块(2)、网络知识模块(3)、实时数据模块(4),所述知识图谱模块(5)包括数据分类模块(6)、知识沉淀模块(7)、知识应用模块(8),所述深度学习模块(9)包括在线学习模块(10)、增量学习模块(11)、关联分析模块(12),所述数据储存模块(13)包括关系型数据模块(14)、图数据模块(15)、数据仓库模块(16);
所述数据采集模块(1)的输出端与深度学习模块(9)的输入端电连接,所述深度学习模块(9)与知识图谱模块(5)的输入端电连接,所述知识图谱模块(5)的输出端与数据储存模块(13)的输入端电连接,所述历史数据模块(2)的输出端与增量学习模块(11)的输入端电连接,所述网络知识模块(3)的输出端与在线学习模块(10)的输入端电连接,所述实时数据模块(4)的输出端与关联分析模块(12)的输入端电连接。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京天地和兴科技有限公司,未经北京天地和兴科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011139490.5/1.html,转载请声明来源钻瓜专利网。