CN110727804A - 利用知识图谱处理维修案例的方法、装置及电子设备 - Google Patents

Abstract

本申请提供一种利用知识图谱处理维修案例的方法、装置及电子设备，涉及数据处理技术领域。电子设备中存储有包括多个知识图谱的图谱数据库，该知识图谱通过各个维修案例所包括的数据信息生成。根据接收到的挖掘请求在图谱数据库中查找满足该挖掘请求的第一目标知识图谱，并将第一目标知识图谱进行显示，以便用户根据第一目标知识图谱对挖掘请求对应的故障进行分析。其中，该挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件。由此，可快速查找到需要的维修案例，同时通过知识图谱的形式展示，还能够帮助用户更加直观、立体地发现潜在问题和关联知识，便于用户进行故障分析。

Description

利用知识图谱处理维修案例的方法、装置及电子设备

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种利用知识图谱处理维修案例的方法、装置及电子设备。

背景技术

维修案例是维修行业中必不可少的重要资料，售后技术人员可基于历史故障维修案例进行故障分析(比如，分析故障原因)。然而，如何根据大量的历史故障维修案例进行故障分析，实现知识的积累和固化、提高工作效率、降低维修成本，是整个传统制造行业亟需解决的问题。

目前通常以关系型数据库对维修案例文本进行存储，后台对维修案例文本进行分词及标签分类等，以web形式面向终端用户(比如，主机厂售后技术支持工程师)。其支持的检索方式往往局限于关键词匹配，结果以统计报表的形式展现。该方式虽然能够检索出维修案例，然而存在以下不足：使用关系型数据库，在检索过程中，会涉及大量的数据表及逻辑处理，时间和空间代价高；并且，在得到检索结果后，需要人工汇总、提炼。

发明内容

有鉴于此，本申请的目的在于提供一种利用知识图谱处理维修案例的方法、装置及电子设备。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供一种利用知识图谱处理维修案例的方法，应用于电子设备，所述电子设备中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成，所述方法包括：

接收用户对所述图谱数据库进行图挖掘的挖掘请求，其中，所述挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件；

在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

在可选的实施方式中，所述方法还包括：

接收用户对所述图谱数据库进行图搜索的搜索请求，其中，所述搜索请求包括第二目标实体、或多个第二目标实体及多个第二目标实体之间的关联关系；

在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

在可选的实施方式中，所述方法还包括：

基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中，其中，所述数据信息包括维修案例标识、故障描述、维修方法、零部件，所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。

在可选的实施方式中，所述电子设备中存储有实体抽取模型及关系抽取模型，所述基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，包括：

对获得的每个维修案例进行格式转换，得到待处理的维修案例文本；

将每个待处理的维修案例文本输入到所述实体抽取模型中，得到每个待处理的维修案例文本中所包括的实体；

将每个待处理的维修案例文本输入到所述关系抽取模型中，得到实体之间的关联关系；

根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱。

在可选的实施方式中，所述基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，还包括：

利用所述实体抽取模型从每个待处理的维修案例文本中抽取实体的属性信息；

所述根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱，包括：

根据实体、实体的属性信息及实体之间的关联关系，生成所述知识图谱。

第二方面，本申请实施例提供一种利用知识图谱处理维修案例的装置，应用于电子设备，应用于电子设备，所述电子设备中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成，所述装置包括：

接收模块，用于接收用户对所述图谱数据库进行图挖掘的挖掘请求，其中，所述挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件；

处理模块，用于在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

在可选的实施方式中，所述接收模块，还用于接收用户对所述图谱数据库进行图搜索的搜索请求，其中，所述搜索请求包括第二目标实体、或多个第二目标实体及多个第二目标实体之间的关联关系；

所述处理模块，还用于在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

在可选的实施方式中，所述装置还包括：

图谱生成模块，用于基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中，其中，所述数据信息包括维修案例标识、故障描述、维修方法、零部件，所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。

第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式中任一所述的利用知识图谱处理维修案例的方法。

第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的利用知识图谱处理维修案例的方法。

本申请实施例提供的利用知识图谱处理维修案例的方法、装置及电子设备，在接收到对图谱数据库进行图挖掘的挖掘请求后，根据该挖掘请求中的筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件，在图谱数据库中查找满足该挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。其中，图谱数据库中包括多个知识图谱，该知识图谱通过各个维修案例所包括的数据信息生成。由此，可通过对图谱数据库进行查找，从而快速得到需要的维修案例以进行故障分析；并且，通过知识图谱的表现形式，便于用户更加直观、立体地发现潜在问题和关联知识，不需要用户花费大量时间进行人工汇总、提炼。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本申请实施例提供的电子设备的方框示意图；

图2是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之一；

图3是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之二；

图4是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之三；

图5是本申请实施例提供的实体及关联关系的示意图；

图6是本申请实施例提供的维修案例的示意图；

图7是本申请实施例提供的知识图谱示意图；

图8是本申请实施例提供的利用知识图谱处理维修案例的装置的方框示意之一；

图9是本申请实施例提供的利用知识图谱处理维修案例的装置的方框示意之二。

图标：100-电子设备；110-存储器；120-处理器；130-通信单元；200-利用知识图谱处理维修案例的装置；201-图谱生成模块；210-接收模块；220-处理模块。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

请参照图1，图1是本申请实施例提供的电子设备100的方框示意图。所述电子设备100可以是，但不限于，服务器、电脑等。所述电子设备100可以包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。比如，存储器110中存储有图谱数据库及利用知识图谱处理维修案例的装置200，所述利用知识图谱处理维修案例的装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本申请实施例中的利用知识图谱处理维修案例的装置200，从而执行各种功能应用以及数据处理，快速获得需要的维修案例。

通信单元130用于通过网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。

应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参照图2，图2是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之一。所述方法应用于所述电子设备100，所述电子设备100中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成。知识图谱中的实体可以包括失效模式及维修方法。下面对利用知识图谱处理维修案例的方法的具体流程进行阐述。

步骤S110，接收用户对所述图谱数据库进行图挖掘的挖掘请求。

步骤S120，在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

在本实施例中，用户可根据实际的故障分析需求，向所述电子设备100输入对应的挖掘请求。可选地，该挖掘请求可以是期望通过挖掘查找常见的失效模式(即某些零部件在一些工况下经常发生的相同的故障)的请求，也可以是其他根据实际需求确定的请求。其中，所述挖掘请求中可以包括筛选条件和多个第一目标实体及多个第一目标实体之间的关联关系，或包括第一目标实体及筛选条件。其中，第一目标实体为需要挖掘得到的第一目标知识图谱中包括的实体。筛选条件可以根据具体需要进行设置，比如，出现次数为100次以上。

在接收到挖掘请求后，可利用图挖掘技术(比如，gSpan频繁子图挖掘算法)对所述图谱数据库进行挖掘，然后判断得到的挖掘结果是否满足筛选条件。若不满足，则可显示未得到满足所述挖掘请求的第一目标知识图谱的提示信息。若满足，则将得到的挖掘结果作为所述第一目标知识图谱。比如，通过图挖掘，从所述图谱数据库中得到120个知识图谱，若筛选条件为出现次数为100次以上，由于120大于100，则可判定得到的挖掘结果满足筛选条件，可将该120个知识图谱作为所述第一目标知识图谱。在得到所述第一目标知识图谱后，可对该第一目标知识图谱进行显示，以便用户直观、立体地发现潜在问题及关联知识，从而进行故障分析。

通过图谱的表示方式，能够更快、更广、更深地支持实体关联关系的检索，避免了使用关系型数据库时会涉及大量的数据表及逻辑处理，从而消耗大量时间及空间的问题。同时，基于图谱的交互式展示，能够帮助用户更加直观、立体地发现潜在问题和关联知识。并且，在由各种实体和关联关系构成的知识图谱中，能够快速定位各种实体及关联关系。由此，使得售后技术人员可以快速、准确、高效地获得第一目标知识图谱，从而进行深层次的分析，实现故障预测、预警等；且通过知识图谱的形式对维修案例进行展示、存储和关联，使得人机交互方式更加友好、检索效率也更高。

而使用关系型数据库存储维修案例，会预先定义表结构，知识表达有限，在检索时，需要人工挑选出与案例关键词相关的同义词一一进行检索，使用不便。而本申请则由于知识图谱中会包括各种实体，因此具有知识丰富、可扩展性强、性能高效、能存储海量数据等特点。

请参照图3，图3是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之二。所述方法还可以包括步骤S130及步骤S140。

步骤S130，接收用户对所述图谱数据库进行图搜索的搜索请求。

步骤S140，在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

在本实施例中，用户还可以根据实际的故障情况向所述电子设备100输入对应的搜索请求。可选地，该搜索请求包括一个第二目标实体、或多个第二目标实体、或多个第二目标实体及第二目标实体之间的关联关系。在接收到该搜索请求后，可利用检索技术在所述图谱数据库中进行查找，以获得并显示与所述搜索请求匹配的第二目标知识图谱。其中，第二目标知识图谱包括所述搜索请求中的第二目标实体、或第二搜索请求中的多个第二目标实体及第二目标实体之间的关联关系。其中，图检索技术为：将自然语言检索语句转换成基于图的查询query语句，然后从图谱数据库中查找结果返回。由此，用户可获得与实际故障情况对应的第二目标知识图谱，然而基于第二目标知识图谱获得针对实际故障情况的维修方法。

请参照图4，图4是本申请实施例提供的利用知识图谱处理维修案例的方法的流程示意图之三。所述方法在步骤S110、步骤S130之前，还可以包括步骤S101。

步骤S101，基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中。

在本实施例中，可根据维修案例包括的数据信息预先定义知识图谱模型，即定义知识图谱中包括的实体、以及实体之间的关联关系。比如，实体间的关联关系可以为：维修案例标识-工况，该关系的主语为维修案例标识实体，宾语为工况实体。可选地，维修案例标识可以是一个唯一的案例Case编号。该知识图谱模型可根据实际的业务场景、数据和应用需求进行定义。由此，使得本方案的数据扩展性更强，并且知识图谱中存储的知识丰富。

然后基于定义好的知识图谱模型及各个维修案例，生成并保存各个维修案例对应的知识图谱。其中，所述数据信息可以包括维修案例标识、故障描述、维修方法、零部件等。其中，所述故障描述中可以包括工况、失效模式、仪表提示、故障码、故障码含义、故障灯等。所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。可选地，若针对的应用场景为车辆维修，可将图5所示的知识图谱模型作为定义好的知识图谱模型。

所述数据信息中的具体内容可根据实际需求确定。比如，若针对的应用场景为车辆维修，所述数据信息中还可以包括发动机型号、车型等。零部件可以包括火花塞、变速器模块等，工况可以为挂入D挡等，维修方法可以为具体的维修方式，比如，更换变速箱壳体。

在本实施例的一种实施方式中，可通过如下方式生成各个维修案例对应的知识图谱。

首先对获得的每个维修案例进行格式转换，得到待处理的维修案例文本。然后将每个待处理的维修案例文本输入到所述实体抽取模型中，得到每个待处理的维修案例文本中所包括的实体。并将每个待处理的维修案例文本输入到所述关系抽取模型中，得到实体之间的关联关系。最后根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱。

维修案例一般为表格形式，由维修人员记录并上传。维修案例的表格样式一般如图6所示，维修案例中一般会包括故障现象描述、零部件、预判的故障原因、维修方法及维修结果等。维修人员在表格中填写维修案例时，可能会将不同的内容均填写至一个单元格内，若后续生成知识图谱时，直接将一个单元格的内容与该单元格所属的类型进行对应，则可能导致较多内容被忽略。

比如，单元格1对应故障症状、单元格2对应维修方法，若维修人员正常填写，则单元格1中的内容为具体的故障症状，单元格2中的内容为具体的维修方法，可将内容与单元格所属的类型对应。若维修人员将具体的故障症状及具体的维修方法均填写至单元格1内，再按照上述方式进行对应时，则会出现维修方法为空的情况，这与实际的维修案例内容不符。

为避免出现上述情况，可对每个维修案例进行格式转换，以得到每个维修案例对应的待处理的维修案例文本。可选地，具体处理方式可以包括去除异常、非法字符，修正、调整错行等，由此可实现对维修案例的清洗及预处理。

所述电子设备100中存储有根据预先定义的知识图谱模型训练好的实体抽取模型及关系抽取模型。可选地，实体抽取模型可以是Bi-LSTM-CRF模型，关系抽取模型可以是Bootstrap。在得到待处理的维修案例文本后，可将每个待处理的维修案例文本分别输入到所述实体抽取模型及关系抽取模型中，以获得每个待处理的维修案例文本中所包括的实体、及实体之间的关联关系。在完成实体及关联关系的抽取后，则可构建每个维修案例对应的知识图谱，即按照关联关系将所有的实体关联起来，以形成一张知识图谱。

比如，一个待处理的维修案例文本为：对变速器模块编程，配置后试车故障还是存在。抽取后，可得到方法实体：变速器模块编程、及维修结果实体：故障还是存在，这两个实体之间的关联关系为“方法-结果”。基于上述内容，可生成一图谱，该图谱中包括上述两个实体及实体之间的关联关系。

可选地，在抽取实体时，还可以利用所述实体抽取模型从每个待处理的维修案例文本中抽取实体的属性信息，然后根据实体、实体的属性信息及实体之间的关联关系，生成所述知识图谱。其中，所述属性信息为实体的属性内容，比如，所述属性信息可以包括程度、方位等。比如，试车挂D挡和倒挡，变速箱冲击很大，在行驶中3挡换4挡冲击很大，从该文本中可抽取出作为失效模式的实体：变速箱冲击很大、换挡冲击很大，以及作为工况的实体：挂D挡、倒挡、3挡换4挡，和属性信息：很大。可选地，维修结果可以作为维修方法的属性信息，也可以是作为一般的实体，具体可以根据实际需求设置。由此，在进行图挖掘或图搜索时，可根据实体、属性、关联关联等查找到需要的维修案例，同时快速获得维修案例中的各种信息。

可选地，在抽取实体后、或在训练实体抽取模型时，可通过实体对齐，避免同一实体在知识图谱中以不同的形式表示。比如，若实体有方向盘、转向盘、转向机、转向盘，可将其统一表示为方向盘。

若维修案例为车辆维修案例，可基于图5所示的知识图谱模型训练实体抽取模型及关系抽取模型，然后抽取出维修案例中包括的实体及实体之间的关联关系，进而生成如图7所示的知识图谱。

由此，通过自然语言处理、机器学习等技术从维修案例中自动挖掘知识形成故障维修知识图谱，从而实现知识的挖掘、积累与传承。也就是说，本方案利用知识图谱技术提取、表示和理解维修案例中的关键知识(比如，零部件、维修方法、工况等)。在生成知识图谱后，可利用图挖掘、图检索技术等快速、准确地发现历史维修案例中的相似失效模式、零部件等，具有更加自动化、智能化的特点，使得用户能够快速、高效地查找到期望的结果，进而分析得到可能的故障原因、维修方法等，以实现辅助决策，最后达到维修知识的固化、复用与传承的目的。并且，以图的形式对维修案例中的数据信息进行展示、存储和关联，使得人机交互方法更加友好、检索效率更高、数据扩展性也更强。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种利用知识图谱处理维修案例的装置200的实现方式，可选地，该利用知识图谱处理维修案例的装置200可以采用上述图1所示的电子设备100的器件结构。进一步地，请参照图8，图8是本申请实施例提供的利用知识图谱处理维修案例的装置200的方框示意之一。需要说明的是，本实施例所提供的利用知识图谱处理维修案例的装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。所述该利用知识图谱处理维修案例的装置200应用于电子设备100，该电子设备100中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成。该利用知识图谱处理维修案例的装置200可以包括：接收模块210及处理模块220。

所述接收模块210，用于接收用户对所述图谱数据库进行图挖掘的挖掘请求。其中，所述挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件。

所述处理模块220，用于在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

可选地，在本实施例中，所述接收模块210还用于接收用户对所述图谱数据库进行图搜索的搜索请求，其中，所述搜索请求包括第二目标实体、或第二目标实体及第二目标实体之间的关联关系。所述处理模块220还用于在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

请参照图9，图9是本申请实施例提供的利用知识图谱处理维修案例的装置200的方框示意之二。所述利用知识图谱处理维修案例的装置200还可以包括图谱生成模块201。

所述图谱生成模块201，用于基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中，其中，所述数据信息包括维修案例标识、故障描述、维修方法、零部件，所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。

可选地，所述图谱生成模块201可以具体用于：对获得的每个维修案例进行格式转换，得到待处理的维修案例文本；将每个待处理的维修案例文本输入到所述实体抽取模型中，得到每个待处理的维修案例文本中所包括的实体；将每个待处理的维修案例文本输入到所述关系抽取模型中，得到实体之间的关联关系；根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱。

可选地，所述图谱生成模块201还可以用于利用所述实体抽取模型从每个待处理的维修案例文本中抽取实体的属性信息，并根据实体、实体的属性信息及实体之间的关联关系，生成所述知识图谱。

可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。

本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的利用知识图谱处理维修案例的方法。

综上所述，本申请实施例提供一种利用知识图谱处理维修案例的方法、装置及电子设备。在接收到对图谱数据库进行图挖掘的挖掘请求后，根据该挖掘请求中的筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件，在图谱数据库中查找满足该挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。其中，图谱数据库中包括多个知识图谱，该知识图谱通过各个维修案例所包括的数据信息生成。由此，可通过对图谱数据库进行查找，从而快速得到需要的维修案例以进行故障分析；并且，通过知识图谱的表现形式，便于用户更加直观、立体地发现潜在问题和关联知识，不需要用户花费大量时间进行人工汇总、提炼。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种利用知识图谱处理维修案例的方法，其特征在于，应用于电子设备，所述电子设备中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成，所述方法包括：

接收用户对所述图谱数据库进行图挖掘的挖掘请求，其中，所述挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件；

在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收用户对所述图谱数据库进行图搜索的搜索请求，其中，所述搜索请求包括第二目标实体、或多个第二目标实体及多个第二目标实体之间的关联关系；

在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中，其中，所述数据信息包括维修案例标识、故障描述、维修方法、零部件，所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。

4.根据权利要求3所述的方法，其特征在于，所述电子设备中存储有实体抽取模型及关系抽取模型，所述基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，包括：

对获得的每个维修案例进行格式转换，得到待处理的维修案例文本；

将每个待处理的维修案例文本输入到所述实体抽取模型中，得到每个待处理的维修案例文本中所包括的实体；

将每个待处理的维修案例文本输入到所述关系抽取模型中，得到实体之间的关联关系；

根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱。

5.根据权利要求4所述的方法，其特征在于，所述基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，还包括：

利用所述实体抽取模型从每个待处理的维修案例文本中抽取实体的属性信息；

所述根据从每个待处理的维修案例文本中抽取的实体及实体之间的关联关系，生成每个维修案例对应的知识图谱，包括：

根据实体、实体的属性信息及实体之间的关联关系，生成所述知识图谱。

6.一种利用知识图谱处理维修案例的装置，其特征在于，应用于电子设备，所述电子设备中存储有图谱数据库，所述图谱数据库中包括多个知识图谱，所述知识图谱通过各个维修案例所包括的数据信息生成，所述装置包括：

接收模块，用于接收用户对所述图谱数据库进行图挖掘的挖掘请求，其中，所述挖掘请求包括筛选条件、多个第一目标实体及多个第一目标实体之间的关联关系，或第一目标实体及筛选条件；

处理模块，用于在所述图谱数据库中查找满足所述挖掘请求的第一目标知识图谱，并将所述第一目标知识图谱进行显示，以便用户根据所述第一目标知识图谱对所述挖掘请求对应的故障进行分析。

7.根据权利要求6所述的装置，其特征在于，

所述接收模块，还用于接收用户对所述图谱数据库进行图搜索的搜索请求，其中，所述搜索请求包括第二目标实体、或多个第二目标实体及多个第二目标实体之间的关联关系；

所述处理模块，还用于在所述图谱数据库中查找与所述搜索请求匹配的第二目标知识图谱，并将所述第二目标知识图谱进行显示，以便用户根据所述第二目标知识图谱获得维修方法。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

图谱生成模块，用于基于各个维修案例所包括的数据信息生成各个维修案例对应的知识图谱，并将生成的知识图谱保存至所述图谱数据库中，其中，所述数据信息包括维修案例标识、故障描述、维修方法、零部件，所述知识图谱中的任一实体为维修案例标识、故障描述、维修方法、零部件中之一。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-5中任一所述的利用知识图谱处理维修案例的方法。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的利用知识图谱处理维修案例的方法。

Images