摘要
本发明公开了一种用于连铸质量工程领域的知识图谱构建方法及系统,利用深度学习的方法,从描述钢坯产生缺陷的相关数据中抽取出连铸质量实体和实体间的关系,并根据连铸质量知识图谱本体模型判断出连铸质量实体类别和关系类别。本发明提出的方法可以考虑到连铸质量实体和关系之间的密切关系,可以避免实体识别的错误影响到关系抽取的错误传播问题,最后根据利用深度学习的方法,将连铸质量知识对齐问题转换为成对连铸质量实体匹配问题,利用半监督增量学习的方法,将训练过程分为两个阶段,以减少对连铸质量领域数据的需求量,本发明构成的知识图谱能够降低分析连铸质量缺陷产生的根本原因的难度,有利于快速定位缺陷原因并进行工艺优化。
技术关键词
知识图谱构建方法
三元组
注意力机制
深度学习模型
序列
识别模块
数据
知识图谱构建系统
语义
钢坯
实体关系抽取
监督增量
前馈神经网络
矩阵
可读存储介质
定位缺陷
系统为您推荐了相关专利信息
图像增强方法
轮廓特征提取
光照
垃圾
特征提取网络
文本
动态
Sigmoid函数
三次样条插值法
序列
定位标记
定位测量方法
消化内镜
腹腔镜
曲率特征
信息监测系统
患者
时序特征
卷积神经网络模型
信息监测方法
推进器模型
控制误差
预测控制方法
推力
船舶模型构建