[发明专利]一种基于知识图谱的电力通信网智能辅助运维方法及系统

权利要求书

1.一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，包括：

采集电力通信网络实际运行数据；

从电力通信网络实际运行数据中提取知识；

对提取的知识进行融合；

将知识存储在数据库中；

根据获取的知识建立知识图谱；

根据运维问题从知识图谱中检索出结果；

根据运维人员的使用反馈及增加的新的知识来源进行知识图谱的演化和完善。

2.根据权利要求1所述的一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，所述根据获取的知识建立知识图谱，包括：

提取电力通信网知识中重点业务问题为核心节点构建三元组，以核心节点为基础来不断丰富知识图谱。

3.根据权利要求1所述的一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，所述根据运维问题从知识图谱中检索的具体过程包括：

对知识图谱中的核心节点打上业务标签，在面对运维问题时，优先在相关业务的核心节点中检索。

4.根据权利要求1所述的一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，所述根据运维问题从知识图谱中检索的具体过程还包括：

评价知识图谱核心节点重要的重要程度，在面对运维问题时，按照节点重要程度从高到底进行检索。

5.根据权利要求1所述的一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，所述评价知识图谱核心节点重要的重要程度，包括：

对于知识图谱中的核心节点，采用以下算法来计算节点重要程度：

在上式中，P表示节点重要程度，n表示统计周期的数量，k表示核心节点的排序，F表示节点命中次数，c和d分别代表前端和后端的权重，且c＞0，d＞0，c+d＝1。

6.根据权利要求1所述的一种基于知识图谱的电力通信网智能辅助运维方法，其特征是，所述根据运维问题从知识图谱中检索的具体过程还包括：

将知识图谱中的实体，关系类型以及所构建的三元组看作是三类节点，并基于此构建关系-元组-实体异构图G＝(V，ED)，V表示所构建异构图G的节点集合，ED表示边集合；其中节点集合V包含三类节点：关系类型节点集合M}和实体节点集合E＝{e₁，...，e_N}，因此有V＝R∪T∪E；对于异构图G中边集合ED的构建，将属于元组的实体节点与该元组节点相连，同时将元组所属的关系类型节点与其相连；

基于关系元组实体异构图神经网络算法来更新构造的异构图G＝(V，ED)中的节点表示，该算法主要由两部分组成：聚合同类型邻居的节点级注意力和用于聚合不同类型邻居的类型级注意力；最后提取经过双层注意力机制更新后的节点表示进行节点/链接预测，以下详细介绍双层注意力机制对节点表示的更新过程；

节点级注意力：用来捕捉不同相邻节点的重要性；形式上，给定一个特定的节点v∈V，对其所有的1跳和2跳邻居进行抽样，然后对不同类型的邻居进行分组；在形式上，聚合同类型邻居的节点级注意力机制如以下公式所示，这样，就可以得到三个相邻类型向量h_r，h_t，h_e；

其中，u表示节点通过激活函数tanh激活后得到的非线性向量表示，v表示某个特定的节点，W以及b表示模型训练过程中的权重，这里的下标n代表W以及b是节点级；注意力机制中的权重；α表示通过点积运算和指数运算exp得到的节点v与邻居节点n的相似度，下标i表示某个特定的邻居节点类别，N_v表示节点v的邻居节点集合；h表示最后通过加权求和运算得到的邻居表示，N_r，N_t，N_e分别表示节点v的三类邻居节点集合，其中下标r，t，e分别表示关系类型，元组以及实体这三个邻居节点类别，因此有N_v＝N_r∪N_t∪N_e；此外，所有的上标l均表示当前关系-元组-实体异构图神经网络的层数；

类型级注意力：类型级注意力在节点级注意力后学习不同类型邻居节点的重要性；采用与节点级注意相似的处理方法，利用类型级注意力来建模类型间的语义关系；形式上，聚合不同类型邻居的类型级注意力机制指如以下公式所示。

其中，u表示邻居通过激活函数tanh激活后得到的非线性向量表示，其中i表示某个特定的邻居类别，W以及b表示模型训练过程中的权重，这里的下标t代表W以及b是类型级；注意力机制中的权重；β表示通过点积运算和指数运算exp得到的邻居i与邻居t的相似度，其中r，t，e分别表示关系类型，元组以及实体这三个类别；h表示最后通过加权求和运算得到的邻居向量表示，其中下标a表示所有(All)类别邻居节点；vⁱ⁺¹表示通过一个具有ReLU函数的全连接层对最终的邻居向量h与特定节点v的向量拼接后的表示进行非线性激活，作为下一层关系-元组-实体异构图神经网络的初始化表示，这里的W_c以及b_c表示模型训练过程中的权重，其中下标c是为了与上面的权重相区分；此外，所有的上标l均表示当前关系-元组-实体异构图神经网络的层数，这里使用L层的SG-HGNN对异构图G中的节点进行更新，即将上述更新过程循环L次；

最后将经过L层SG-HGNN更新后的关系-元组-实体异构图中的实体节点和关系节点表示用于实体/关系链接预测。

7.一种基于知识图谱的电力通信网智能辅助运维系统，其特征是，包括数据采集层、知识获取层、知识融合层、知识存储层、以及知识服务层；其中：

知识采集层，用于采集电力通信网络实际运行数据；

知识获取层，用于从电力通信网络实际运行数据中提取知识；

知识融合层，用于对提取的知识进行融合；

知识存储层，用于将知识存储在数据库中；

知识服务层，用于提供知识建模、智能交互和知识运维服务；包括知识建模模块、智能交互模块和知识运维模块，其中：

知识建模模块，用于根据获取的知识建立知识图谱；

智能交互模块，用于根据运维问题从知识图谱中检索出结果；

知识运维模块，用于根据运维人员的使用反馈及增加的新的知识来源进行知识图谱的演化和完善。