CN110275898B - 使用基于知识图的解释性设备管理的集成监控与通信系统 - Google Patents
使用基于知识图的解释性设备管理的集成监控与通信系统 Download PDFInfo
- Publication number
- CN110275898B CN110275898B CN201910197364.6A CN201910197364A CN110275898B CN 110275898 B CN110275898 B CN 110275898B CN 201910197364 A CN201910197364 A CN 201910197364A CN 110275898 B CN110275898 B CN 110275898B
- Authority
- CN
- China
- Prior art keywords
- data
- knowledge graph
- user
- query
- user query
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2423—Interactive query statement specification based on a database schema
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2452—Query translation
- G06F16/24522—Translation of natural language queries to structured queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/632—Query formulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例涉及使用基于知识图的解释性设备管理的集成监控与通信系统。公开了一种用于提供诊断设备的集成监控和通信的系统。系统可以包括数据访问接口、处理器和输出接口。数据访问接口可以从与系统或产品的性能相关联的多个机器和传感器设备接收异构数据。数据访问接口还可以接收与系统和产品有关的用户查询。处理器可以基于与系统或产品相关联的数据生成知识图,以及通过以下方式将用户查询转换成知识图询问:从用户查询提取实体;从用户查询提取关系以标识实体之间的关系;使用知识图与实体和关系扩展用户查询;以及将查询转变成知识图三元组。然后,处理器可以基于知识图询问和知识图来标识相关节点和边缘,并确定对用户查询的回答。
Description
技术领域
本专利申请一般地涉及诊断设备监控和管理,并且更具体地涉及用于使用基于知识图的解释性设备管理的集成监控与通信的系统和方法。
背景技术
在物联网(IoT)环境中,许多东西都配备有获取和收集信息的诊断设备。例如,工厂、家庭、车辆、学校和医院可以各自配备有数百甚至数千的机器或传感器设备,这些机器或传感器设备积累了关于这些特定环境或产品的健康、性能或维护要求的大量信息。该累积的数据可以被存储、交换和使用,以提高效率,增强情境感知并且驱动连接的计算。
与传统模型相关联的技术问题是:焦点主要集中在收集大量数据,而提供有限的分析。由于这些限制,例如,边缘计算的发展和进步已经发展到保护隐私,减少延迟并且改进实时数据交换和处理。然而,边缘计算并未完全解决与资产维护和管理相关联的所有问题。例如,利用大量获取的数据来创建可以自监控、自诊断、并且增强和促进人机交互的真正的“智能”环境和产品已经变得越来越具有挑战性。传统系统特别地缺乏充分处理、变换和利用不断增加的丰富信息以对资产管理动作产生更直接和更有意义的影响的能力。
在资产管理中,没有简单且直观的方式来确定特定或复杂问题的原因。例如,如果工厂系统发生故障,则来自机器和传感器设备的信息可以被用来断定故障是由于断电造成的。操作员可以查看机器和传感器设备数据并且设置一些控制阈值,以便预测何时未来故障可能发生。但是,如果工厂的问题更加微妙,比如说不熟悉的气味看似是从该工厂的特定房间里散发出来,则传统的用于预测的资产管理的系统可能不会提供简单的方法来标识或诊断这个问题。可以想象,对于这种气味可能有很多原因。而且,如果气味对人或工厂有害,则发现并解决问题就会很重要。
另一技术问题是:在该示例中,除了从众多诊断设备数据中搜索任何和所有警报之外,工厂操作员没有办法查询该问题。即使从所有机器和传感器以及其他来源一起收集的数据应该能够为操作员的问题提供回答,也没有简单的方法让操作员进行有意义的人机交互来查询该问题并确定针对该问题的原因。传统系统不提供任何类型的直观交互式界面以使操作员提交他或她的查询并确定导致这种气味或其他复杂问题的原因。
因此,可能需要更稳健的方法以使用基于知识图的解释性设备管理来提供集成监控和通信。
发明内容
根据一些可能的实施方式,一种用于提供诊断设备的集成监控和通信的系统,包括:一个或多个数据存储库,其用以存储和管理网络内的数据;一个或多个服务器,其用以使用来自一个或多个数据存储库的信息来促进操作;分析系统,分析系统与一个或多个服务器和一个或多个数据存储库通信,以提供网络中的诊断设备的集成监控和通信,分析系统包括:数据访问接口,其用以:从数据源接收与系统或产品相关联的数据,其中数据源包括来自与系统或产品相关联的多个机器和传感器设备的异构数据;以及接收用户查询,其中用户查询与系统和产品有关;处理器,其用以:基于与系统或产品相关联的数据生成知识图,其中知识图提供与系统或产品相关联的基于分析的信息;通过以下方式将用户查询转换成知识图询问:对用户查询执行实体提取以标识用户查询中的一个或多个实体,对用户查询执行关系提取以标识用户查询中的一个或多个实体之间的一个或多个关系,使用知识图和所标识的实体和关系执行询问扩展,以及基于询问扩展将用户查询转变成知识图三元组以生成知识图询问;使用知识图和知识图询问来标识基于实体和关系的相关的节点和边缘;基于知识图中的所标识的节点和边缘来确定并生成对用户查询的回答;以及输出接口,其用以向用户设备传送响应于用户查询、以用户指定的格式的回答。
根据一些可能的实施方式,一种用于提供诊断设备的集成监控和通信的系统,包括:数据访问接口,其用以:从数据源接收与系统或产品相关联的数据,其中数据是至少与系统或产品的性能相关联的异构数据,并且其中数据源包括多个机器和传感器设备;以及接收与系统和产品有关的用户查询,其中用户查询被转换为文本格式以用于自然语言处理(NLP);处理器,其用以:基于与系统或产品相关联的数据生成知识图;通过以下方式将用户查询转换成知识图询问:使用NLP从用户查询的文本中提取实体,其中实体指向用户查询的主语或宾语,从用户查询的文本中提取关系以标识用户查询中的实体之间的关系,基于知识图和所标识的实体和关系来扩展用户查询,以及将经扩展的用户查询转变成知识图三元组,以生成知识图询问;基于知识图询问和知识图来标识相关的节点和边缘;基于所标识的节点和边缘来确定并生成对用户查询的回答;以及输出接口,其用以向用户设备处的用户传送回答,其中回答响应于用户查询并且以用户指定的格式被呈现。
根据一些可能的实施方式,一种用于提供诊断设备的集成监控和通信的方法,包括:从数据源接收与系统或产品相关联的数据,其中数据是至少与系统或产品的性能相关联的异构数据,并且其中数据源包括多个机器和传感器设备;接收与系统和产品有关的用户查询,其中用户查询被转换为文本格式以用于自然语言处理(NLP);基于与系统或产品相关联的数据生成知识图;通过以下方式将用户查询转换成知识图询问:使用NLP从用户查询的文本中提取实体,其中实体指向用户查询的主语或宾语,从用户查询的文本中提取关系以标识用户查询中的实体之间的关系,基于知识图和所标识的实体和关系来扩展用户查询,将经扩展的用户查询转变成知识图三元组以生成知识图询问;基于知识图询问和知识图来标识相关的节点和边缘;基于所标识的节点和边缘来确定并生成对用户查询的回答;以及向用户设备处的用户输出回答,其中回答响应于用户查询并且以用户指定的格式被呈现。
附图说明
本公开的特征通过示例被图示,并且不限于以下附图,在附图中,相同的附图标记指示相同的元件,其中:
图1图示了根据示例的使用基于知识图的解释性设备管理的集成监控和通信系统;
图2示出了根据示例的用于基于知识图的解释性设备管理的分析系统;
图3图示了根据示例的用于基于知识图的解释性设备管理的数据流程图;
图4A至图4D图示了根据示例的用于数据输入和提取的数据流程图;
图5图示了根据示例的用于知识图生成的数据流程图;
图6A图示了根据示例的用于知识图输出生成和确认的数据流程图;
图6B图示了根据示例的用于知识图输出生成的输出可视化;以及图7图示了根据示例的用于基于知识图的解释性设备管理的方法。
具体实施方式
出于简化和说明的目的,本公开通过主要参考其示例和实施例来描述。在下面的描述中,阐述了许多具体细节以便提供对本公开的透彻理解。然而,明显的是,可以在不限于这些具体细节的情况下实践本公开。在其他实例中,没有详细描述本领域普通技术人员容易理解的一些方法和结构,以免不必要地模糊本公开。如本文所使用的,术语“一”和“一个”旨在表示特定元素中的至少一个,术语“包括(includes)”是指包括但不限于,术语“包括(including)”是指包括但不限于,并且术语“基于”是指至少部分地基于。
如上所述,工厂、家庭、车辆、学校、商店和医院都变得“更聪明”。数百甚至数千的机器或传感器设备正在收集关于这些不同环境或产品的健康、性能或维护要求的信息,以提高效率,增强安全性并且提供无数的物联网(IoT)功能。
可惜的是,技术进步主要集中在收集大量数据,而仅提供有限的数据分析。边缘计算最近已经发展起来,以保护隐私,减少延迟,改进实时数据交换和处理,但尚未完全解决与资产维护和管理相关联的所有问题。常规系统通常不利用所有收集和获取的信息来创建可以例如自监控、自诊断和增强人机交互的“智能”环境和产品。除非实施可行的技术和解决方案来充分处理、变换和利用这些信息以便对资产管理动作产生有意义的影响,否则收集大量数据可能已经不够了。
如本文所描述的,可以提供使用基于知识图的解释性设备管理的集成监控和通信。集成监控和通信系统可以提供更简单和更直观的方式来确定针对特定和复杂问题的原因。例如,在工厂环境中,可能存在从该工厂的特定房间散发出的不熟悉的气味。集成监控和通信系统可以为诸如工厂操作员或管理员的用户提供更有意义的人机交互,以确定针对该问题的原因。例如,工厂操作员可以携带与集成监控和通信系统的分析系统连接的移动设备,该集成监控和通信系统的分析系统又是被连接到各种机器和传感器设备的网络的一部分。移动设备可以为工厂操作员提供接口,以容易地输入他或她的特定问题:“为什么房间B中有难闻的气味?”。通过使用自然语言处理(NLP)技术、生成和更新知识图、合并异构数据、并且提供输出确认和反馈,集成监控和通信可以处理丰富的可用数据并提供对此问题的解释性评估。在这种情况下,响应于工厂操作员的查询,集成监控和通信系统可以提供以音频、文本和/或图像形式的响应,即,针对房间B中难闻的气味的原因是由于气体泄漏。
应当理解,本文所描述的技术可以在该示例上扩展或者使用其他示例以用于强调如何可以提供使用基于知识图的解释性设备管理的集成监控和通信系统的目的。
图1图示了根据示例的使用基于知识图的解释性设备管理的集成监控和通信系统。集成监控和通信系统100可以被用来监控和分析数据。特别地,集成监控和通信系统100可以从数据源层101或从其他源捕获数据,并使用分析系统200处的基于知识图的解释性设备管理来提供预测分析。
集成监控和通信系统100可以在交换数据的网络或企业IoT环境中操作。更具体地,集成监控和通信系统100可以提供对一个或多个站点或产品的诊断设备的实时或接近实时的监控和分析。集成监控和通信系统100可以包括数据源层101、分析层111和应用层121。数据源层101可以包括用以从各种源收集信息的系统、子系统、应用和/或接口。这些源可以包括但不限于企业资源计划(ERP)系统和应用102(下文中称为“ERP”)、文档103、web馈送104以及机器和传感器数据105(下文中称为“传感器数据”),所有这些源都可以是单独的或与集成监控和通信系统100集成。数据源层101也可以包括其他数据或信息源。应当理解,这些数据源中的每个还可以包括其自己的数据订阅源、存储、系统、应用或用于收集和发送数据和信息的其他源,包括第三方或间接源。
ERP 102可以包括托管各种ERP应用的一个或多个应用服务器。例如,这些可以包括客户关系管理(CRM)平台、系统或应用。ERP 102可以收集、存储、管理和解释与各种企业功能或活动相关联的数据。ERP 102可以使用由数据库管理系统维护的公共数据库来提供核心业务过程的集成且连续更新的视图。ERP 102可以跟踪企业资源(例如,现金、原材料、生产能力等)以及诸如公司或业务交易(例如,订单、采购订单、工资单等)的其他信息。此外,组成ERP 102的应用可以跨提供数据的各种部门(例如,制造、采购、销售、会计等)共享数据。ERP 102可以促进许多企业功能之间的信息流,并且可以管理与利益相关者或其他方的通信。ERP 102可以包含可以被用来增强其他数据源的意义的大量信息。
文档103可以提供另一数据源。在文档103处接收的数据可以包括在企业环境中被传送、接收和存储的文件、电子邮件、传真、扫描或其他文档。这还可能包括针对产品或系统的所有者手册、或其他文献、或所传达的信息。
Web馈送104可以是又一数据源。在web馈送104处接收的数据可以包括来自各种web源(诸如社交媒体、企业联合组织、聚合点)的数据,或来自抓取(scraping)的数据。这还可能包括RSS订阅源,其允许用户访问对在线内容的更新。来自社交媒体的数据还可以包括基于创建和交换用户生成的内容而被构建的任何类型的基于互联网的应用,其可以包括从社交网络、微博、照片共享、新闻聚合、视频共享、直播、虚拟世界、社交游戏、社交搜索、即时消息或其他交互式媒体源收集的信息。抓取可以包括web抓取、web收集、数据抓取或从网站或其他因特网源提取数据的其他技术。这些技术可以涉及数据的取得(例如,从网页下载内容或数据)和提取(例如,解析、搜索、重新格式化、复制、编译、监控等)。其他形式的抓取还可以包括文档对象模型(DOM)解析、计算机视觉和自然语言处理(NLP),以模拟人类浏览以实现收集用于离线解析的网页内容。
机器和传感器数据105可以是另一数据和信息源。在IoT环境中,许多系统和产品被配备有许多传感器或诊断设备,这些传感器或诊断设备可能提供过多的机器和传感器数据105。可能存在许多配备有电子设备、软件和传感器的物理设备、车辆、用具、系统或产品,其中这些项目中的大多数甚至全部可以被连接到网络并且彼此共享某种程度的连接性。这可以使得这些设备和其他设备能够通信和交换数据。这还可以允许在一个或多个网络上检测、感测或远程控制各种系统、对象和项目,从而创建大量资产管理功能。这些可以包括在设备上提供数据分析、设备健康或性能的评估、改进的效率、提高的准确性或功能、经济效益、人为错误的减少等的能力。与其他技术和系统一起,机器和传感器数据105可以帮助使得集成监控和通信系统100能够使用基于知识图的解释性设备管理来提供预测分析。
应当理解,数据源层101还可以包括地理定位数据,作为web馈送104的一部分、或者机器和传感器数据105的一部分。地理定位数据可以包括与对象的真实世界地理位置的标识或估计相关联的信息或数据,该对象诸如雷达源、移动设备或基于web的计算机或处理设备。地理定位数据可以单独地或与其他各种定位系统或应用一起提供可以被用于监控位置的特定的地理坐标或数据。例如,地理定位数据可以包括互联网协议(IP)地址、媒体访问控制(MAC)地址、无线电频率标识(RFID),全球定位系统(GPS)、嵌入式软件编号、WiFi定位系统(WPS)、设备指纹识别、画布指纹识别等。地理定位数据可以包括其他自披露或自标识的信息,包括但不限于:国家、地区县、城市、邮政编码、纬度、经度、时区、域名、连接速度、互联网服务提供商(ISP)、语言、代理或其他可以被用来拼凑和跟踪位置的信息。数据源层101中的该数据和其他数据可以被收集、监控和分析,以使用基于知识图的解释性设备管理来提供预测分析。
还应当理解,集成监控和通信系统100还可以提供网关107。在示例中,网关107可以提供针对机器和传感器数据105的边缘计算。网关107可以位于数据源层101或本地网络的“边缘”,并且在将数据传送到分析层111之前用作中间设备。网关107可以执行和运行分析以便减少数据递送中的时间、费用,并且可能甚至在传感器所附接到的设备处立即采取动作。通过许多方式,网关107可以提供边缘处的实时或接近实时的分析,以简化分析过程并提高响应性和效率。网关107可以是物理元件或虚拟元件,并且可以被配置用于紧凑或完全实现。当设备和传感器向网关107发送数据时,可以最初解析该数据,并且根据所配置的规则和动作,可以在网关本身处立即执行一些关键和节省时间的分析。这可以节省与数据到分析层111的完全传输相关联的时间、能量和成本。虽然在图1中被描绘,但应当注意,网关107可以以部分或全部能力来操作,或者它可以被完全移除。还应当理解,以下关于分析层111所描述的数据分析和处理技术也可以由网关107部分地或全部地执行。
分析层111可以收集、管理、处理和分析来自数据源层101和应用层121的信息和数据。分析层111可以在企业的一般控制内,企业诸如进行运营、业务或其他相关活动的组织实体。这可能是运营一个或多个工厂、车队、连锁店或餐馆等的组织。为了在IoT环境中进行业务操作,集成监控和通信系统100的分析层111可以包括一个或多个数据存储库、一个或多个服务器以及用以处理数据的其他元件,以用于其组织的目的。
例如,分析层111可以包括数据存储库112a和112b。在示例中,数据存储库112a可以是数据管理存储库,并且可以存储与以下各项相关联的信息和数据:数据支配、资产、分析、建模、维护、管理、访问、擦除、隐私、安全、清理、质量、集成、业务智能、挖掘、移动、仓储、记录、标识、盗窃、注册、出版、元数据、计划以及与将数据作为价值资源管理相关的其他领域。
在另一示例中,数据存储库112b可以是操作数据存储库并且可以存储与操作报告、控制和决策相关联的信息和数据。操作数据存储库可以被设计为集成来自多个源的数据以用于例如在报告、控制和操作决策支持方面对该数据的附加操作。在操作数据存储库处的数据集成可以涉及清理、解决冗余、检查业务规则以及其他数据集成技术,诸如数据虚拟化、联合以及提取、变换和加载(ETL)。操作数据存储库还可以是用于集成监控和通信系统100中的附加数据存储库的数据源。
分析层111还可以包括其他数据存储库,诸如企业数据存储库(未示出),其可以被用于战术和战略决策支持。例如,企业数据存储库可以存储与报告和数据分析相关联的信息和数据,并且可以有助于各种业务智能功能。企业数据存储库可以是(例如,来自操作数据存储库112b的)集成的数据的一个或多个存储库并且被用来存储当前数据和历史数据并且创建用于高级企业知识的(多个)分析报告。通过企业数据存储库传递的数据还可能涉及清理以确保数据质量和使用。还可以使用ETL以及涉及分期、数据集成和访问功能的其他技术。最终,企业数据存储库中的数据可以被变换和编目,以便其可以被用于数据挖掘、分析和其他业务智能目的,诸如营销、决策支持等。还可以在分析层111中提供其他数据存储库,诸如数据集市、数据保管库、数据仓库、数据存储库等。
应当理解,本文所描述的数据存储库可以包括易失性和/或非易失性数据存储装置,其可以存储数据和包括机器可读指令的软件或固件。软件或固件可以包括子例程或应用,其执行集成监控和通信系统100的功能和/或运行利用来自集成监控和通信系统100的数据的一个或多个应用。还可以提供其他各种服务器组件或配置。
分析层111还可以包括促进、协调和管理信息和数据的各种服务器113a和113b。例如,服务器113a和113b可以包括任何数目或组合的以下服务器:交换服务器、内容管理服务器、应用服务器、数据库服务器、目录服务器、web服务器、安全服务器、企业服务器和分析服务器。还可以提供用以提供集成监控和通信的其他服务器。
分析层111还可以包括分析系统200。分析系统200可以包括各种层、处理器、系统或子系统。例如,分析系统200可以包括数据访问接口202、处理器203、数据管理子系统208、计算管理子系统214和输出接口222。还可以提供其他层、处理组件、系统或子系统、或者分析组件。
可以存在可以被用于分析系统200或集成监控和通信系统100的服务器、层、子系统和组件的硬件的若干示例。例如,处理器203和/或计算管理子系统214可以包括集成电路,并且可以执行软件或固件或者包括定制处理电路,诸如专用集成电路(ASIC)或现场可编程门阵列(FPGA)。数据访问接口202和输出接口222可以是任何数目的硬件、网络或软件接口,其用于促进任何数目或组合的设备、协议层或应用之间的数据的通信和交换。例如,数据访问接口202和输出接口222可以各自包括网络接口,以经由集成监控和通信系统100中的网络与其他服务器、设备、组件或网络元件通信。图2中提供了分析系统200的更多细节。
集成监控和通信系统100还可以包括应用层121。应用层121可以包括与企业或IoT环境中的用户或用户接口工具接口连接的任何数目或组合的系统和应用。例如,应用层121可以包括统计分析应用122、报告应用123、web和移动应用124,以及企业应用125。
统计分析应用122可以包括专用于统计运算或计量经济学的系统或应用。这些可以包括但不限于那些由 等所有的系统或应用。报告应用123可以包括例如在业务智能、可视化和其他有用的企业报告工具中提供报告的系统或应用。这些可以包括但不限于Dundas 等。
Web和移动应用124可以包括各种用户的基于因特网或基于移动设备的系统或应用,即企业环境中的那些系统或应用。企业应用125可以包括通常是面向业务的企业所使用的系统或应用。例如,这些可以包括在线支付处理、交互式产品编目、计费系统、安全性、企业内容管理、IT服务管理、客户关系管理、业务智能、项目管理、人力资源管理、制造、健康和安全、自动化或其他类似的系统或应用。在示例中,这些企业应用125可以是分析层111的外部或远程。再次,应用层121还可以为分析系统200提供有价值信息的源。
应当理解,如本文所描述的,层可以包括平台和至少一个应用。应用可以包括由被存储在非瞬态计算机可读介质上并且由处理器可执行的机器可读指令组成的软件。图1中所示的系统、子系统和层可以包括一个或多个服务器或计算设备。平台可以是应用被设计为在其上运行的环境。例如,平台可以包括用以执行应用的硬件、操作系统(OS)和运行时库。应用可以被编译以在平台上运行。运行时库可以包括由应用调用的低级例程或子例程,以在运行时调用平台的一些行为,诸如异常处理、存储器管理等。子系统可以类似于平台,并且可以包括用以运行各种软件或应用的软件和硬件。
应当理解,针对网关107、服务器113a和113b、和/或集成监控和通信系统100的系统、层和子系统内的其他服务器中的每一个,单个服务器被示出。然而,应当理解,多个服务器可以被用于这些服务器中的每一个,并且服务器可以经由一个或多个网络被连接。而且,中间件(未被示出)也可以被包括在集成监控和通信系统100中。中间件可以包括由一个或多个服务器托管的软件。此外,应当理解,可能需要或可能不需要一些中间件或服务器来实现功能。还可以在后端提供未被示出的其他类型的服务器、中间件、系统、平台和应用,以促进集成监控和通信系统100的特征和功能。
在集成监控和通信系统100内,可能存在大量交换的数据,并且交换的数据可能包含与企业控制之中或之外的许多产品和系统的性能、健康状况和活动相关的数据。如上所述,许多用以使用或处理数据的常规技术是有限的。他们没有充分或可靠地为复杂问题提供解决方案。返回参考工厂中的难闻气味的示例,可能需要更加稳健的方法来充分处理、变换和利用该信息,从而对资产管理动作产生有意义的影响。本文所描述的集成监控和通信系统100可以通过使用基于知识图的解释设备管理来解决这个技术问题。
图2示出了根据示例的用于基于知识图的解释性设备管理的分析系统。尽管以集成的方式描绘了图2中所示的分析系统200,但是应当理解,分析系统200也可以以(完全地或部分地)分布式方式跨多个设备和系统(例如,诸如智能电话、膝上型电脑或服务器计算机之类的个人设备)来实现,或者一些(或所有)组件可以被安装在同一设备上。单独设备上的组件可以使用任何合适的通信技术来在彼此之间传送数据(由箭头表示)。例如,在实现中,分析系统200可以提供基于知识图的解释性设备管理。在示例中,分析系统200可以是作为图1中所示的分析层111的一部分的集成系统。
在图2的示例中,可以通过数据访问接口202从外部数据源201访问数据。外部数据源201可以是来自图1的集成监控和通信系统100的数据源层101、分析层111和应用层121的任何数据源,以及未被描绘的其他数据源。数据访问接口202可以可选地将一些或所有数据(或不将数据)存储在可选的数据高速缓存204中,该可选的数据高速缓存204可以是本地的或远程的。应当理解,针对知识图生成而被获取的数据可以涉及开放语义数据库、更有信誉的web内容源、开放爬行数据库或其他类似源。这可以基于知识图的语义特性。换言之,数据的含义可以通常以本体形式与图中的数据一起被编码。如下面更详细地描述的,因为知识图是自描述的,所以使用更高质量的源来建立必要的关系可能是重要的。
然后可以将导入的数据传递到数据管理子系统208,以便在执行分析之前进行处理。例如,在数据源层101处所收集的数据可以是各种格式的。因此,数据管理子系统208可以通过以有利于将数据输入到分析处理的方式对数据进行分组、排序、变换或清理来组织数据。应当理解,数据管理子系统208可以独自执行这些特征或与分析层111的其他组件(诸如服务器113a和113b)结合执行这些特征。数据管理子系统208可以使用一个或多个变换规则,其指定一个或多个规则以应用于数据以进行处理。在示例中,可以从存储装置(例如,从数据存储库210)访问变换规则。附加地或备选地,变换规则可以由用户输入。例如,数据管理子系统208可以提供用户界面212,其使得用户能够指定一个或多个变换规则。数据管理子系统208还可以在没有规则(例如,不基于规则)的情况下实施数据管理并且依赖于其他数据管理方案。
数据管理子系统208可以标识由用户指定的不同类型的变量,并根据所标识的类型来分离变量。一些类型的变量可以被用作分析过程的输入,而其他类型的变量可以被用作评估标准以评估得到的分析解决方案。如此,该系统不仅可以实现数据的自动处理,还可以实现对得到的分析解决方案的自动评估。
由数据管理子系统208确定的变量和由处理器203生成的参数集206可以被提供给计算管理子系统214。计算管理子系统214可以将包括参数集206和一个或多个所选算法的经处理的数据发送到一个或多个计算节点216以执行计算操作。计算管理子系统214可以生成知识图,执行聚类操作,执行分类,和/或执行其他分析或机器学习动作。
分类可以将实例的分配提供给预定义的类以确定是否存在匹配或相关。聚类可以使用没有标签的相关数据点的分组。知识图可以提供绑定节点和边缘的经组织的图,其中节点可以与语义概念相关,诸如人、对象、实体、事件等,并且可以基于语义通过节点之间的关系来定义边缘。应当理解,如本文所描述的,术语“节点”可以与“实体”互换使用,并且“边缘”可以与“关系”互换使用。
一旦导入的数据由数据管理子系统208变换并且确定了变量,计算管理子系统214就可以应用启发式方法,诸如基于正则表达式的文本解析或处理,该启发式方法包括自然语言处理(NLP)技术。对于音频,机器翻译可以被用来将音频转换为自然语言文本。对于图像或视频,元数据可以被用于基本启发式处理。在另一示例中,计算管理子系统214可以应用深度学习技术,其可以引入各种分类、聚类和/或基于度量的方法。这些方法可以是自驱动的或可以是受监督的。在一些示例中,监督学习算法可以利用由用户指定的目标驱动程序变量来促进在由计算节点216生成的潜在的许多解决方案中搜索对用户有意义的特定解决方案。计算管理子系统214还可以提供用户界面218,其向用户显示知识图生成的进度。
还可以提供输出接口222。输出接口222可以输出所生成的知识图。因此,输出接口222还可以包括可视化界面,其可以呈现知识图和与知识图有关的其他信息。报告生成器228可以生成关于知识图的报告。
在一些实现中,例如,可视化界面还可以将各种评估结果提供给解决方案导出子系统230。解决方案导出子系统230可以向集成监控和通信系统100中的分析系统200或其他系统提供反馈信息。例如,解决方案导出子系统230可以向外部规则引擎232(或其他反馈组件)提供反馈信息,外部规则引擎232可以例如使用反馈信息来适配一个或多个变换规则。附加地或备选地,例如,解决方案导出子系统230可以将信息反馈到外部数据源201,以调整数据中的一个或多个变量或属性。通过这种方式,可以对分析系统进行微调以提供改进的和更准确的运算和计算。
例如,解决方案导出子系统230可以被配置为将关于知识图的信息导出到不同类型的外部数据库和外部系统。在一些实现中,解决方案导出子系统230可以被配置为基于所生成的知识图导出用于语义数据的一个或多个规则或算法。规则或算法可以使得外部系统能够应用这些规则或算法来将所生成的知识图实施到被存储在外部数据库上的各种类型的数据。在一些实现中,系统可以从外部系统获得数据,基于所接收的数据重新调整知识图(诸如改变变量选择或其他变化),并将关于修改的知识图的信息发送到外部系统。如此,在一些实现中,分析系统200不仅可以实现分析工具,还可以实现基于反馈的和连接的企业系统。
应当理解,一旦输出接口222提供知识图和评估结果,报告生成器228就可以生成报告,该报告将被输出给诸如安全管理员或其他用户的用户。该报告可以包括各种类型的信息,诸如知识图本身、知识图的评估或其他运算,并且如本文所描述的,该报告可以使得用户能够调整分析系统200的一个或多个变量以进行微调操作。
通过提供基于知识图的分析技术,分析系统200可以使得用户能够以解释的方式同时分析许多(例如,数十个)解决方案的细节和细微差别。例如,返回参考上面所描述的关于工厂环境的示例,其中房间B表现出“难闻的气味”,集成监控和通信系统100与分析系统200一起可以从工厂操作员接收关于这个特定问题的查询,并且提供答复,该答复使用所收集和处理的信息以解释的形式确切地说明为什么房间B气味难闻。基于知识图的分析系统可以允许用户在比典型的从业者评估所花费的时间更短的时间内高效地探索大量节点和语义关系。通过这种方式,分析系统200可以以异构方式合并整个主机的介质和信息,这得到监控和管理资产和设备的更高效和更直观的方式。
应当理解,知识图可能具有灵活的结构,并且与其他形式的分析相比具有许多优势。例如,知识图是语义的或是本体的形式,其中数据的含义可以与图中的数据一起被编码。换言之,知识图是自描述的,并且提供了查找数据和理解数据是关于什么的地方。此外,因为知识图是语义的,所以可以通过更接近自然语言的样式提交查询。因此,它实现更智能的搜索,进行更高效的探索,并且缩小数据提供者和消费者之间的任何通信差距。此外,由于知识图的底层基础是指定数据语义的本体,因此知识图可以基于逻辑形式,其可以支持各种推断或有根据的猜测。因为知识图本质上是图形并且提供视觉表示,所以这还可以允许各种图形计算技术和算法,以在所存储的数据上添加附加的智能。最后,知识图可以容易地可更新,并且可以随着新注入的数据而改变。数据增长很重要,特别是在处理异构源时。因此,当新的信息持续到达时,知识图可以支持持续运行的信息管线,添加到图中,细化图。而且,通过捕获不同的元数据注释,诸如出处或版本信息,这可以使知识图理想地用于动态数据集,以用于诊断设备的集成监控和通信。
因此,分析系统200可以使用基于知识图的解释性设备管理为多个基于IoT的应用和系统提供监控、诊断和分析。
图3图示了用于基于知识图的解释性设备管理的数据流程图。在示例中,用户可以提供输入301。输入301可以是查询,其允许用户与知识图302交互。框A可以提供用户如何提供输入301并与知识图302交互的细节,其在图4A至图4D中被示出。知识图302可以由知识图生成器303生成,知识图生成器303可以使用各种异构数据源。框B可以提供知识图生成器303如何收集数据并生成知识图的更多细节,其在图5中被示出。一旦提交了查询并且知识图被询问,输出生成器304就可以提供对初始询问的解释性响应。这还可以包括用户的确认305。用户可以是提交初始询问的相同用户,或者可以是另一用户,诸如“专家”,其可以提供确认、验证或反馈306以通知或更新知识图302。可以在框C中提供该过程的细节,其在图6中被示出。
图4A至图4D图示了用于数据输入和提取的数据流程图。参考图4A和从房间B散发出难闻的气味的工厂示例,用户可能希望找出该气味的原因以及该气味是否有害。在图4A的数据流程图400A中,用户可以经由输入接口401提供输入301,该输入接口401要求用户“请在下面输入您的问题”。在该示例中,用户可以用文本格式键入他或她的查询,例如,使用平实且自然的语言:“为什么房间B中有难闻的气味?”应当理解,该输入可以经由文本被输入,但是其他格式也可以是可接受的,诸如音频、视觉或其他格式。如上所述,分析系统200可以将输入转换成文本,使用与输入相关联的元数据,或者将两者或其他技术组合以便处理输入。在示例中,可以使用自然语言处理(NLP)技术。还可以提供其他基于语义的技术或输入处理过程,诸如在聚类或分类中发现的那些。一旦输入查询,分析系统200就可以将输入301变换成知识图(KG)询问410,其可以被用来与知识图302交互。
为了将输入301变换成KG询问410,实体提取402和关系提取404可以由分析系统200在输入301上执行。如图4B所示,输入301可以包括查询“为什么房间B中有难闻的气味?”的文本。分析系统200可以解析该文本并标识实体和关系,得到以下标识:
关系={中};
实体={难闻的气味,房间B}
一旦从输入301标识出实体和关系,分析系统200就可以执行询问扩展406。
询问扩展406可以从节点和边缘获取信息,在这种情况下是实体和关系,以及来自知识图302的信息,并且扩展原始输入301以包括来自知识图302的附加相关实体和关系。如图4C所示,询问扩展可以标识核心实体和关系,并将它们与其他潜在相关的实体和关系联系起来。如所描绘的,“难闻的气味”可能会造成有害影响,诸如“窒息”。“房间B”也位于“房间A”附近。还可以知道房间B可能包含“管道X”,而管道X又可能具有“气体泄漏”的先前问题。
如图4D所示,这些实体和关系可以被用来绘制度量空间图。应当理解,在数学上,度量空间是集合,其中定义了集合的所有成员之间的距离。这些距离一起被称为集合上的度量。空间上的度量引入了如开放集和闭集等拓扑特性,其产生更抽象的拓扑空间。虽然欧几里德(线性)度量空间是最常见的,但可以采用各种度量空间,诸如几何(椭圆或双曲线)或其他形式(例如,双曲面、基于速度等)。通过绘制度量空间图,可以更精确地确定例如节点和边缘之间的连接强度。
一旦发生询问扩展406,最初从输入301得到的数据就可以被转变成KG询问语言408。然后,可以使用经转换的KG询问410来确定对用户查询的回答或响应,并且还可以更新和细化知识图302。
图5图示了用于知识图生成的数据流程图500。如所描绘的,知识图生成器303可以使用各种数据源生成知识图302。这些数据源可以包括来自数据源层101、分析层111、应用层121的组件或图1中未被描绘的其他数据源630。在大多数情况下,可能主要从如图1所示的机器和传感器设备获取数据。也就是说,可以使用来自其他可靠源的信息。从各种异构数据源收集信息可以增强知识图的有效性和利用率,最终允许集成监控和通信系统100提供监控和管理资产和设备的更有效和更直观的方式。
如框B中所示,知识图生成器303可以以各种方式创建知识图。在示例中,如上所述,知识图生成器303可以从各种源接收新数据501。一旦接收到该数据,新数据就可以被转变成知识图(KG)“三元组”。如在资源描述框架(RDF)数据模型中的原子数据实体中所使用的,KG三元组可以基于语义三元组。更具体地,KG三元组可以是三个实体的集合,其以主语-谓语-宾语表达的形式编纂关于语义数据的陈述,例如,“房间B中气味难闻”。该格式可以使得知识能够以机器可读的方式被表示。在这种情况下,KG三元组可以允许知识图生成器303接收和处理所接收的数据,并生成与该数据一致的知识图503或更新知识图504。
图6A图示了用于知识图输出生成和确认的数据流程图600A。可以在输出生成器304处的回答解析器602处接收KG询问410和知识图302。回答解析器602可以通过分析符号串来提供语法分析。在这种情况下,符号串可以是自然语言。在一些其他示例中,符号串可以是代码、数据结构或其他通信语言。回答解析器602可以将自然语言分解成较小的单元并尝试重新拼成有意义的句子,并且在一些实例中,借助于句子图或其他语言工具或应用来实现。回答解析器602可以构建数据结构,例如,解析树、语法树或其他分层结构,以提供所接收的输入的结构表示。应当理解,可以使用几种类型的解析技术,诸如自上而下、自下而上、减少移位、递归下降或其他解析模型。
回答解析器602可以将(现在是经解析的)数据传送到多模式表示层604,其可以至少提供输出的形式。这可以包括文本606a、非文本视觉(诸如图表606b)和/或音频606c。输出还可以被用户的用户设备接收,其可以是人的或自动的,以提供确认、验证或反馈306。该反馈可以向知识图302通知准确性和可靠性。
图6B图示了根据示例的用于知识图输出生成的输出可视化600B。如先前图3中所示,输入接口401可以要求用户“请在下面输入您的问题”,并且在该示例中,用户可以例如使用平实且自然的语言用文本格式键入他或她的查询:“为什么房间B中有难闻的气味?”在图6B中,在执行上述过程和技术之后,集成监控和通信系统100可以在屏幕612中显示以下响应:“难闻的气味是由房间B中的管道X中的气体泄漏引起的”。这可以基于知识图302和由分析系统200对数据的处理。屏幕612还可以提供确认请求。在这种情况下,用户(人或自动的)可以通过点击单选按钮“是”来确认该响应的有效性。接收确认(或缺少确认)可以通知知识图302和/或知识图生成器303为用户提供更准确和可靠的输出响应。
图7图示了根据示例的用于基于知识图的解释性设备管理的方法。因为可以存在多种方式来执行本文所描述的方法,所以通过示例的方式提供方法700。尽管方法700主要被描述为由如图1所示的系统100或如图1至图2所示的系统200执行,但是方法700可以由其他系统或系统的组合来执行或以其他方式执行。图6中所示的每个框可以进一步表示一个或多个过程、方法或子例程,并且一个或多个框可以包括被存储在非瞬态计算机可读介质上并由处理器或其他类型的处理电路执行以执行本文所描述的一个或多个操作的机器可读指令。
在框701处,分析系统200的数据访问接口202可以从数据源接收与系统或产品相关联的数据。在示例中,数据可以是与系统或产品的性能相关联的异构数据。在一些示例中,数据源可以包括多个机器和传感器设备。在其他示例中,数据源可以包括以下中的至少一个:企业资源计划(ERP)系统、文档、web馈送、传感器、地理定位数据源、企业数据库、公共数据库、服务器、分析工具、移动设备和报告系统。
在框702处,数据访问接口202还可以接收与系统和产品有关的用户查询。该用户查询可以被转换为用于自然语言处理(NLP)的文本格式。
在框703处,处理器203可以基于与系统或产品相关联的数据生成知识图。
在框704处,处理器203可以将用户查询转换成知识图询问。这可以通过使用NLP从用户查询中提取实体开始。在示例中,实体提取可以包括自然语言(NLP)处理。实体可以指向用户查询的主语或宾语。
然后,处理器203可以从用户查询中提取关系,以标识用户查询中的实体之间的关系。在示例中,这些关系可以指向这些一个或多个实体彼此的关系或相关性。
处理器203还可以基于知识图和所标识的实体和关系来扩展用户查询。在示例中,询问扩展可以包括使用所标识的一个或多个实体和一个或多个关系绘制度量空间以确定来自知识图的其他实体和关系的相关性的强度。
在询问扩展之后,处理器203可以将经扩展的用户查询转变成知识图三元组以生成知识图询问。
在框705处,处理器203可以基于知识图询问和知识图来标识相关节点和边缘。在框706处,处理器203可以基于所标识的节点和边缘来确定响应于用户查询的回答。
在框707处,输出接口222可以向用户传送回答。该回答可以响应于用户查询并以用户指定的格式被呈现。在示例中,用户指定的格式可以是文本格式、图像格式、音频格式或其组合。回答还可能包括确认请求。确认请求可以要求用户提供关于回答是否准确的确认。正面或负面的用户响应可以被用作反馈以更新知识图。
虽然本文所描述的知识图的应用主要指向资产监控和管理,但是应当理解,集成监控和通信系统100还可以在语义搜索、自动欺诈检测、智能聊天机器人、高级药物发现、动态风险分析、基于内容的推荐引擎和其他类型的知识管理系统中使用知识图。集成监控和通信系统100还可以使用分类算法和聚类方案和知识图一起形成用于预测分析和设备管理的更全面和灵活的方法。
本文所描述和说明的是本公开的示例以及一些变型。本文所使用的术语、描述和附图仅以说明的方式被阐释,并且并不意味着限制。在本公开的范围内可以有许多变型,其旨在由以下权利要求及其等同物限定,其中除非另有说明,否则所有术语均表示其最广泛的合理含义。
Claims (22)
1.一种用于提供诊断设备的集成监控和通信的系统,包括:
一个或多个数据存储库,其用以存储和管理网络内的数据;
一个或多个服务器,其用以使用来自所述一个或多个数据存储库的信息来促进操作;
分析系统,所述分析系统与所述一个或多个服务器和所述一个或多个数据存储库通信,以提供所述网络中的诊断设备的集成监控和通信,所述分析系统包括:
数据访问接口,其用以:
从数据源接收与系统或产品的诊断设备相关联的数据,
其中所述数据源包括来自与所述系统或所述产品相关联的多个机器和传感器设备的异构数据;以及
接收用户查询,其中所述用户查询与关于所述系统或所述产品的诊断设备的性能或健康的至少一个问题有关;
处理器,其用以:
基于与系统或产品的诊断设备相关联的所述数据生成知识图,其中所述知识图提供与所述系统或所述产品的诊断设备的性能或健康相关联的基于分析的信息;
通过以下方式将所述用户查询转换成知识图询问:
对所述用户查询执行实体提取以标识所述用户查询中的一个或多个实体,
对所述用户查询执行关系提取以标识所述用户查询中的所述一个或多个实体之间的一个或多个关系,
使用所述知识图和所标识的所述实体和所述关系执行询问扩展,以及
基于所述询问扩展将所述用户查询转变成知识图三元组以生成所述知识图询问;
使用所述知识图和所述知识图询问来标识基于所述实体和所述关系的相关的节点和边缘;以及
基于所述知识图中的所标识的所述节点和所述边缘来确定并生成对所述用户查询的回答,其中所述回答与关联于所述用户查询的诊断设备的性能或健康有关;以及
输出接口,其用以向用户设备传送响应于所述用户查询、以用户指定的格式的所述回答。
2.根据权利要求1所述的系统,其中所述数据源包括以下中的至少一个:企业资源计划(ERP)系统、文档、web馈送、传感器、地理定位数据源、企业数据库、公共数据库、服务器、分析工具、移动设备和报告系统。
3.根据权利要求1所述的系统,其中所述数据源包括来自制造设备的异构数据。
4.根据权利要求1所述的系统,其中所述用户查询以文本格式、图像格式和音频格式中的至少一个被传达,并且其中所述用户查询被转换为文本。
5.根据权利要求1所述的系统,其中所述实体提取包括自然语言(NLP)处理,并且其中所述一个或多个实体指向所述用户查询的主语或宾语,并且所述一个或多个关系指向这些一个或多个实体彼此的关系。
6.根据权利要求1所述的系统,其中所述询问扩展还包括使用所标识的所述一个或多个实体和所述一个或多个关系来确定来自所述知识图的其他实体和关系的相关性的强度。
7.根据权利要求1所述的系统,其中所述用户指定的格式是文本格式、图像格式和音频格式中的至少一个。
8.根据权利要求1所述的系统,其中所述回答还包括确认请求,所述确认请求用于所述用户设备处的用户提供关于所述回答是否准确的确认,其中所述确认被用作反馈以更新所述知识图。
9.一种用于提供诊断设备的集成监控和通信的系统,包括:
数据访问接口,其用以:
从数据源接收与系统或产品的诊断设备相关联的数据,其中所述数据是至少与所述系统或所述产品的性能相关联的异构数据,并且其中所述数据源包括多个机器和传感器设备;以及
接收与关于所述系统或所述产品的诊断设备的性能或健康的至少一个问题有关的用户查询,其中所述用户查询被转换为文本格式以用于自然语言处理(NLP);
处理器,其用以:
基于与所述系统或所述产品的诊断设备相关联的所述数据生成知识图;
通过以下方式将所述用户查询转换成知识图询问:
使用NLP从所述用户查询的文本中提取实体,其中所述实体指向所述用户查询的主语或宾语,
从所述用户查询的文本中提取关系以标识所述用户查询中的所述实体之间的关系,
基于所述知识图和所标识的所述实体和所述关系来扩展所述用户查询,以及
将经扩展的所述用户查询转变成知识图三元组以生成所述知识图询问;
基于所述知识图询问和所述知识图来标识相关的节点和边缘;以及
基于所标识的节点和边缘来确定并生成对所述用户查询的回答,其中所述回答与关联于所述用户查询的诊断设备的性能或健康有关;以及
输出接口,其用以向用户设备处的用户传送回答,其中所述回答响应于所述用户查询并且以用户指定的格式被呈现。
10.根据权利要求9所述的系统,其中所述数据源包括来自多个机器和传感器设备的异构数据。
11.根据权利要求9所述的系统,其中所述数据源包括以下中的至少一个:企业资源计划(ERP)系统、文档、web馈送、传感器、地理定位数据源、企业数据库、公共数据库、服务器、分析工具、移动设备和报告系统。
12.根据权利要求9所述的系统,其中所述实体指向所述用户查询的所述主语或所述宾语,并且所述关系指向这些实体彼此的关系。
13.根据权利要求9所述的系统,其中扩展所述用户查询还包括使用所标识的所述实体和所述关系来确定来自所述知识图的其他实体和关系的相关性的强度。
14.根据权利要求9所述的系统,其中所述用户指定的格式是文本格式、图像格式和音频格式中的至少一个。
15.根据权利要求9所述的系统,其中所述回答还包括确认请求,所述确认请求用于所述用户提供关于所述回答是否准确的确认,其中所述确认被用作反馈以更新或修改所述知识图。
16.一种用于提供诊断设备的集成监控和通信的方法,包括:
从数据源接收与系统或产品的诊断设备相关联的数据,其中所述数据是至少与所述系统或所述产品的性能相关联的异构数据,并且其中所述数据源包括多个机器和传感器设备;
接收与关于所述系统或所述产品的诊断设备的性能或健康的至少一个问题有关的用户查询,其中所述用户查询被转换为文本格式以用于自然语言处理(NLP);
基于与所述系统或所述产品的诊断设备相关联的所述数据生成知识图;
通过以下方式将所述用户查询转换成知识图询问:
使用NLP从所述用户查询的文本中提取实体,其中所述实体指向所述用户查询的主语或宾语,
从所述用户查询的文本中提取关系以标识所述用户查询中的所述实体之间的关系,
基于所述知识图和所标识的所述实体和所述关系来扩展所述用户查询,以及
将经扩展的所述用户查询转变成知识图三元组以生成所述知识图询问;
基于所述知识图询问和所述知识图来标识相关的节点和边缘;
基于所标识的节点和边缘来确定并生成对所述用户查询的回答,其中所述回答与关联于所述用户查询的诊断设备的性能或健康有关;以及
向用户设备处的用户输出回答,其中所述回答响应于所述用户查询并且以用户指定的格式被呈现。
17.根据权利要求16所述的方法,其中所述数据源包括来自以下中的至少一个的异构数据:企业资源计划(ERP)系统、文档、web馈送、传感器、地理定位数据源、企业数据库、公共数据库、服务器、分析工具、移动设备和报告系统。
18.根据权利要求16所述的方法,其中所述实体指向所述用户查询的所述主语或所述宾语,并且所述关系指向这些实体彼此的关系。
19.根据权利要求16所述的方法,其中扩展所述用户查询还包括使用所标识的所述实体和所述关系来确定来自所述知识图的其他实体和关系的相关性的强度。
20.根据权利要求16所述的方法,其中所述用户指定的格式是文本格式、图像格式和音频格式中的至少一个。
21.根据权利要求16所述的方法,其中所述回答还包括确认请求,所述确认请求用于所述用户提供关于所述回答是否准确的确认,其中所述确认被用作反馈以更新或修改所述知识图。
22.一种非瞬态计算机可读存储介质,其上存储有可执行文件,所述可执行文件在被执行时指示处理器执行根据权利要求16所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/923,738 US10803394B2 (en) | 2018-03-16 | 2018-03-16 | Integrated monitoring and communications system using knowledge graph based explanatory equipment management |
US15/923,738 | 2018-03-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110275898A CN110275898A (zh) | 2019-09-24 |
CN110275898B true CN110275898B (zh) | 2023-07-21 |
Family
ID=67905734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910197364.6A Active CN110275898B (zh) | 2018-03-16 | 2019-03-15 | 使用基于知识图的解释性设备管理的集成监控与通信系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10803394B2 (zh) |
CN (1) | CN110275898B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI682287B (zh) * | 2018-10-25 | 2020-01-11 | 財團法人資訊工業策進會 | 知識圖譜產生裝置、方法及其電腦程式產品 |
KR20200052448A (ko) * | 2018-10-30 | 2020-05-15 | 삼성전자주식회사 | 지식 그래프에 기초하여 데이터베이스들을 통합하는 시스템 및 방법 |
US20210049183A1 (en) * | 2019-04-18 | 2021-02-18 | Oracle International Corporation | System and method for ranking of database tables for use with extract, transform, load processes |
JPWO2020255684A1 (zh) * | 2019-06-19 | 2020-12-24 | ||
CN110674315B (zh) * | 2019-09-27 | 2022-09-27 | 湘潭大学 | 一种基于知识图谱技术的辅助电源调试方法 |
CN110908575B (zh) * | 2019-12-05 | 2021-05-04 | 上海斑马来拉物流科技有限公司 | 数据处理方法、计算机存储介质及电子设备 |
CN111459965B (zh) * | 2019-12-24 | 2023-05-05 | 中国科学院沈阳自动化研究所 | 一种面向边缘计算的信息监控系统 |
US11687570B2 (en) | 2020-02-03 | 2023-06-27 | Samsung Electronics Co., Ltd. | System and method for efficient multi-relational entity understanding and retrieval |
WO2021157897A1 (en) * | 2020-02-03 | 2021-08-12 | Samsung Electronics Co., Ltd. | A system and method for efficient multi-relational entity understanding and retrieval |
CN111611367B (zh) * | 2020-05-21 | 2023-04-28 | 拾音智能科技有限公司 | 一种引入外部知识的视觉问答方法 |
WO2021254457A1 (zh) * | 2020-06-17 | 2021-12-23 | 第四范式(北京)技术有限公司 | 构建知识图谱的方法及装置、计算机装置及存储介质 |
US20210406964A1 (en) * | 2020-06-30 | 2021-12-30 | N3, Llc | Enterprise level sales management system and method including real-time incentive compensation |
CN112347314B (zh) * | 2020-11-20 | 2023-04-14 | 国网信通亿力科技有限责任公司 | 一种基于图数据库的数据资源管理系统 |
CN112990656B (zh) * | 2021-02-05 | 2023-05-05 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种it设备监测数据的健康评价系统及健康评价方法 |
CN113282909B (zh) * | 2021-05-11 | 2024-04-09 | 南京大学 | 一种设备指纹信息采集项识别方法 |
CN113240046B (zh) * | 2021-06-02 | 2023-01-03 | 哈尔滨工程大学 | 一种基于知识的视觉问答任务下的多模态信息融合方法 |
CN113434693B (zh) * | 2021-06-23 | 2023-02-21 | 重庆邮电大学工业互联网研究院 | 一种基于智慧数据平台的数据集成方法 |
US20230195095A1 (en) * | 2021-12-17 | 2023-06-22 | Honeywell International Inc. | Industrial knowledge graph and contextualization |
CN114610911B (zh) * | 2022-03-04 | 2023-09-19 | 中国电子科技集团公司第十研究所 | 多模态知识本征表示学习方法、装置、设备及存储介质 |
CN114697188B (zh) * | 2022-03-28 | 2023-03-03 | 天津大学 | 一种基于网络态势感知的物联网设备风险预测分析方法 |
WO2023198264A1 (en) * | 2022-04-14 | 2023-10-19 | Eaton Intelligent Power Limited | System and method for generation of knowedge graphs using pre-existing ontologies |
CN116644810B (zh) * | 2023-05-06 | 2024-04-05 | 国网冀北电力有限公司信息通信分公司 | 一种基于知识图谱实现的电网故障风险处置方法及装置 |
CN118011990B (zh) * | 2024-04-10 | 2024-06-14 | 中国标准化研究院 | 基于人工智能的工业数据品质监控与提升系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550190A (zh) * | 2015-06-26 | 2016-05-04 | 许昌学院 | 面向知识图谱的跨媒体检索系统 |
US9589060B1 (en) * | 2014-07-23 | 2017-03-07 | Google Inc. | Systems and methods for generating responses to natural language queries |
CN106649878A (zh) * | 2017-01-07 | 2017-05-10 | 陈翔宇 | 基于人工智能的物联网实体搜索方法及系统 |
WO2017142840A1 (en) * | 2016-02-19 | 2017-08-24 | Pcms Holdings, Inc. | Systems and methods for scheduling collection of sensor data |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9390174B2 (en) * | 2012-08-08 | 2016-07-12 | Google Inc. | Search result ranking and presentation |
US20150095303A1 (en) * | 2013-09-27 | 2015-04-02 | Futurewei Technologies, Inc. | Knowledge Graph Generator Enabled by Diagonal Search |
US10127274B2 (en) * | 2016-02-08 | 2018-11-13 | Taiger Spain Sl | System and method for querying questions and answers |
US10606893B2 (en) * | 2016-09-15 | 2020-03-31 | International Business Machines Corporation | Expanding knowledge graphs based on candidate missing edges to optimize hypothesis set adjudication |
US11645314B2 (en) * | 2017-08-17 | 2023-05-09 | International Business Machines Corporation | Interactive information retrieval using knowledge graphs |
US10922360B2 (en) * | 2017-08-30 | 2021-02-16 | International Business Machines Corporation | Ancillary speech generation via query answering in knowledge graphs |
US10956510B2 (en) * | 2017-10-05 | 2021-03-23 | International Business Machines Corporation | Generate a knowledge graph using a search index |
US10762113B2 (en) * | 2018-01-31 | 2020-09-01 | Cisco Technology, Inc. | Conversational knowledge graph powered virtual assistant for application performance management |
-
2018
- 2018-03-16 US US15/923,738 patent/US10803394B2/en active Active
-
2019
- 2019-03-15 CN CN201910197364.6A patent/CN110275898B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589060B1 (en) * | 2014-07-23 | 2017-03-07 | Google Inc. | Systems and methods for generating responses to natural language queries |
CN105550190A (zh) * | 2015-06-26 | 2016-05-04 | 许昌学院 | 面向知识图谱的跨媒体检索系统 |
WO2017142840A1 (en) * | 2016-02-19 | 2017-08-24 | Pcms Holdings, Inc. | Systems and methods for scheduling collection of sensor data |
CN106649878A (zh) * | 2017-01-07 | 2017-05-10 | 陈翔宇 | 基于人工智能的物联网实体搜索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110275898A (zh) | 2019-09-24 |
US10803394B2 (en) | 2020-10-13 |
US20190287006A1 (en) | 2019-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275898B (zh) | 使用基于知识图的解释性设备管理的集成监控与通信系统 | |
Wang et al. | Industrial big data analytics: challenges, methodologies, and applications | |
Mishra et al. | Ontologies as a semantic model in IoT | |
US10922493B1 (en) | Determining a relationship recommendation for a natural language request | |
Fernández-García et al. | A recommender system for component-based applications using machine learning techniques | |
US11258814B2 (en) | Methods and systems for using embedding from Natural Language Processing (NLP) for enhanced network analytics | |
US9111004B2 (en) | Temporal scope translation of meta-models using semantic web technologies | |
Fülöp et al. | Survey on complex event processing and predictive analytics | |
US20110153608A1 (en) | Implementing service oriented architecture industry model repository using semantic web technologies | |
US20170109668A1 (en) | Model for Linking Between Nonconsecutively Performed Steps in a Business Process | |
Baumgarten et al. | User-driven navigation pattern discovery from internet data | |
US11601453B2 (en) | Methods and systems for establishing semantic equivalence in access sequences using sentence embeddings | |
US20170109639A1 (en) | General Model for Linking Between Nonconsecutively Performed Steps in Business Processes | |
Souza et al. | Workflow provenance in the lifecycle of scientific machine learning | |
JP2020144857A (ja) | 人工知能ベースの解析を使用した対話モニタリングおよびコミュニケーションシステム | |
Ma et al. | Ontology-based semantic modeling and evaluation for internet of things applications | |
Di Francescomarino et al. | Cluster‐based modularization of processes recovered from web applications | |
Wang et al. | A Review of Data Cleaning Methods for Web Information System. | |
CN115221337A (zh) | 数据编织处理方法、装置、电子设备及可读存储介质 | |
Ziegler et al. | RFID as universal entry point to linked data clouds | |
Saeed et al. | Automatic integration and querying of semantic rich heterogeneous data: Laying the foundations for semantic web of things | |
Repta et al. | Automated process recognition architecture for cyber-physical systems | |
US20170109670A1 (en) | Crowd-Based Patterns for Identifying Executions of Business Processes | |
Hernandez et al. | Modeling Web logs to enhance the analysis of Web usage data | |
Kumar et al. | Rule based complex event processing for IoT applications: Review, classification and challenges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |