[发明专利]一种基于引导图卷积神经网络的轮胎质量预测方法及系统

权利要求书

1.一种基于引导图卷积神经网络的轮胎质量预测方法，其特征在于，包括：

基于待检测样本，采用预测模型，得到轮胎质量预测结果；

所述预测模型预测的过程包括：构建轮胎知识图谱；

确定轮胎产品表示向量和检测标准表示向量；

基于轮胎知识图谱，构建邻接矩阵，采用嵌入向量进行邻域信息嵌入表示学习，得到邻域实体表示向量；

基于所述邻域实体表示向量，引入注意力机制学习轮胎知识图谱中邻域实体表示向量对轮胎产品质量的重要程度，结合引导图卷积神经网络，得到轮胎产品综合表示向量；

计算轮胎产品综合表示向量与质检标准的邻域信息的注意力分数，以引导质检标准的卷积和聚合，得到轮胎质检标准的综合表示向量；

基于轮胎质检标准的综合表示向量，对待检测样本进行轮胎产品质量预测，得到轮胎质量预测结果；

所述得到轮胎产品综合表示向量的具体过程包括：

基于检测标准表示向量，求取在构建轮胎知识图谱过程中被抽取为关系的轮胎生产流程的第一注意力分数；

规范化所述第一注意力分数，作为关系连接的实体的嵌入表示向量的第一权重；

采用引导图卷积神经网络对邻域实体表示向量和第一权重进行卷积操作，得到第一邻域实体嵌入表示向量；

将第一邻域实体嵌入表示向量聚合到轮胎产品表示向量，得到轮胎产品综合表示向量；

所述得到轮胎质检标准的综合表示向量的具体过程包括：

基于轮胎产品综合表示向量，求取在构建知识图谱过程中被抽取为关系的轮胎生产流程的第二注意力分数；

规范化所述第二注意力分数，作为关系连接的实体的嵌入表示向量的第二权重；

采用引导图卷积神经网络对第二权重进行卷积操作，得到第二邻域实体嵌入表示向量；

将第二邻域实体嵌入表示向量聚合到轮胎检测标准表示向量，得到轮胎质检标准的综合表示向量。

2.根据权利要求1所述的基于引导图卷积神经网络的轮胎质量预测方法，其特征在于，所述构建轮胎知识图谱具体包括：获取轮胎生产过程中的关系型数据库，提取关系型数据库中的知识实体和属性，确定实体与实体间的关系，构建包括轮胎产品知识和轮胎分类检测标准的轮胎知识图谱。

3.根据权利要求1所述的基于引导图卷积神经网络的轮胎质量预测方法，其特征在于，所述邻域信息为在知识图谱中与被聚合的实体节点相邻的节点与相邻节点对应的关系。

4.根据权利要求1所述的基于引导图卷积神经网络的轮胎质量预测方法，其特征在于，若待检测样本为训练样本，则得到轮胎质量预测结果的具体过程包括：基于所述轮胎质检标准的综合表示向量，采用Softmax预测函数，计算Softmax预测函数输出的损失函数，采用反向传播算法训练预测模型的学习参数，完成轮胎质量的预测。

5.根据权利要求4所述的基于引导图卷积神经网络的轮胎质量预测方法，其特征在于，所述预测模型训练完成后，将样本集的预测结果与实际结果进行对比，反馈更新底层数据信息，不断优化预测模型中的数据权重值，完善轮胎质量预测的精度。