CN112199518A - 生产技术中知识图谱推荐驱动的生产技术路线图配置方法 - Google Patents

Abstract

生产技术中知识图谱推荐驱动的生产技术路线图配置方法，首先，建立生产技术先进度评价体系，得出现有生产技术先进度等级；其次，以生产技术领域文献为数据来源，构建生产技术领域知识图谱；然后，确定基于向量空间模型的生产技术决策候选策略集；最后，配置生成生产技术路线图；该方法可以有效解决管理者的技术和管理水平不足所引起的生产技术路线图不合理的情况，提升技术推荐的准确度，为生产企业的技术升级提供技术支撑。

Description

生产技术中知识图谱推荐驱动的生产技术路线图配置方法

技术领域

本发明属于生产管理技术领域，特别涉及一种生产技术中知识图谱推荐驱动的生产技术路线图配置方法。

技术背景

生产技术路线图是使用特定生产技术方案帮助生产企业达到短期或者长期目标的计划。生产技术路线图中的生产技术先进程度对生产企业的整体发展有很重大的影响。企业一般会将生产过程中遇到的难题转化为提升先进生产技术的需求，并将需求配置为生产技术路线图，从而指导自身生产技术的等级，解决生产过程中的难题。

然而，当前对于生产技术路线图的配置方法往往依赖于经验，对路线图中所包括的技术的先进性测定也没有统一标准；企业通常采用经验评价方法选定所需要的生产技术，而这种方式受限于管理者的技术和管理水平。

发明内容

为了解决生产技术路线图的科学量化配置的问题，本发明的目的在于提供一种生产技术中知识图谱推荐驱动的生产技术路线图配置方法，首先解决生产技术先进度量化评价的问题，并通过所构建的生产技术领域知识图谱，生成基于生产技术先进度量化评价的生产技术决策候选策略集，最终生成生产技术路线图。

为了达到上述目的，本发明采用的技术方案是：

生产技术中知识图谱推荐驱动的生产技术路线图配置方法，其特征在于，包括以下步骤：

S1：建立生产技术先进度评价体系，基于边云博弈赋权法，得出现有生产技术先进度等级；

S2：以生产技术领域文献为数据来源，构建生产技术领域知识图谱；

S3：依据步骤S1中的生产技术先进度等级评价结果与步骤S2中的生产技术领域知识图谱，确定基于向量空间模型的生产技术决策候选策略集；

S4：根据步骤S3中的候选集，配置生成生产技术路线图。

步骤S1中所述的生产技术先进度评价体系，包括采购、计划与调度、生产作业、仓储与物流、质量控制、环保与安全的评价指标；所述的边云博弈赋权法，具体为：

(1)向选定的边缘端n位生产技术领域专家或人工智能提供生产技术先进度评价体系，由第k个专家或人工智能确定生产技术因素u_i的重要性序列值e_i(k)，当

时，记A_ij(k)＝1；当

时，记A_ij(k)＝0；

(2)将所有参加评测的n个生产技术领域专家或人工智能的A_ij(k)值累加，得到边端赋权值

(3)由m×m个边端赋权值A_ij统计值，通过边云博弈CECG算法组成生产技术因素优先得分表；

(4)将步骤(3)中得分表中各行A_ij值累加，得到

(5)求出∑A_max和∑A_min，设定a_max和a_min，计算级差

(6)计算权数

步骤S2所述的生产技术领域知识图谱构建，包括以下流程：

(1)明确生产技术领域知识的范畴以及构建需求；

(2)抽象出生产技术领域核心概念集，确定概念类间、实体及实体之间的关系集R，其中领域核心概念集主要归纳为产品、企业、生产技术、领域、相关资料；实体及实体之间的关系主要有“应用于”、“来自于”、“生产”；

(3)分别在上述5类领域核心概念集中定义实体集合E和实体属性集合EP；

(4)创建实体e与关系r；

(5)根据事实构造生产技术领域实体关系三元组e-r-e；

(6)将表征同一生产技术领域概念的不同实体合并；

(7)多生产技术领域实体关系三元组合并，形成一个生产技术领域实体互联的有向网络，其中网络的节点是实体e，网络的边是关系r；

(8)专家进行生产技术领域实体关系三元组的补充。

步骤S3所述的生产技术决策候选策略集构建过程，包括以下流程：

(1)管理者需求和生产技术实体的语义表示方法

管理者需求和生产技术实体均是通过语义加以描述，语义可形式化描述为：D(t₁,…,t_k,…,t_n)，其中t_k(1≤k≤n)是语义中的特征词；特征词由生产技术的特征信息组成，包括领域、等级、实现效果、应用企业、产品；

(2)特征词向量空间的模型

首先建立特征词向量(t₁,…,t_k,…,t_n)，用于生成用户需求和生产技术实体词向量空间中的向量，对于用户需求文档的向量模型，从预先定义好的特征词表中选取词来描述该文档，对该文档有意义的词就赋予该文档，这样用户需求表示为一个特征词的权重向量KW＝(kw₁,…,kw_i,…,kw_n)，其中，kw_i表示第i个特征词出现的次数和权重；

对于生产技术实体文档集的向量模型，假设文档集D包含m篇文档，表示为{d₁,d₂,…,d_m}，在特征词向量的基础上，赋予各特征词一定的权重坐标向量(w₁,…,w_k,…,w_n)，以反映该特征词在区别生产技术实体文档内容上的重要性和价值；文档d_i为(t₁w_i1,…,t_jw_ij,…,t_nw_in)，特征项为t_jw_ij，其中t_j表示文档d_i的第j个特征词；w_ij为第j个特征词在文档d_i中出现的次数或权重；文档在向量空间模型中以特征向量的形式表示，不仅表现了文档之间的关系，而且更容易计算彼此的相似度；权重w_ij的计算方法用TF-IDF方法计算，其中

(3)基于语义内容的过滤算法

建立用户需求模型，对用户提交的特征词加权，建立用户需求的特征向量(t₁,…,t_k,…,t_n)和向量权重KW＝(kw₁,…,kw_i,…,kw_n)；对待过滤的生产技术文档集中的文档进行分词，提取特征词，并根据特征词在文档中出现的频次对其加权；将用户需求的特征词向量权重KW＝(kw₁,…,kw_i,…,kw_n)与生产技术文档集中的每个文档d_i的权重坐标向量(w_i1,…,w_ij,…,w_in)进行比较，根据两者的余弦距离计算相似度，计算公式

给定一个阀值S，根据Sim(u,d_i)的大小和给定的阀值S进行比较，如果Sim(u,d_i)大于等于S，则文档d_i与用户需求相关，将该实体推送给用户；否则，文档d_i与用户需求不相关，过滤掉该文档。

本发明的有益效果为：

1、本发明提出的方法与传统的生产技术路线图配置方法相比：是本发明提出的方法不再依赖于专家经验，对路线图中所包括的技术的先进性测定有了统一量化标准，可以有效解决管理者的技术和管理水平不足所引起的生产技术路线图不合理的情况；

2、本发明构建的生产技术领域知识图谱，将生产技术领域核心概念集进行抽象，并通过表征概念集间、实体及实体之间的关系，将虚拟的生产技术领域知识表征为知识图谱，有效克服了传统生产技术路线图规划主观性较强、经验至上的缺点，提升了技术推荐的准确度，为生产企业的技术升级提供技术支撑。

附图说明

图1为本发明的执行逻辑图。

图2为生产技术领域知识建模框架。

具体实施方式

下面结合附图和实例对本发明作详细的说明，此处所说明的附图是本申请的一部分，用来对本发明作进一步解释，但并不构成对本发明的限定。

参见图1，本发明中涉及的生产技术领域知识图谱推荐驱动的生产技术路线图配置方法，其应用流程包括以下步骤：

S1：建立生产技术先进度评价体系，基于边云博弈赋权法，得出现有生产技术先进度等级；

S2：以生产技术领域文献为数据来源，构建生产技术领域知识图谱；

S3：依据步骤S1中的生产技术先进度等级评价结果与步骤S2中的生产技术领域知识图谱，确定基于向量空间模型的生产技术决策候选策略集；

S4：根据步骤S3中的候选集，配置生成生产技术路线图。

具体实现流程如下：

步骤S1所涉及的生产技术先进度评价体系，包括采购、计划与调度、生产作业、仓储与物流、质量控制、环保与安全的评价指标；

步骤S1所涉及的边云博弈赋权法，具体为：

(1)向选定的边缘端n位生产技术领域专家或人工智能提供生产技术先进度评价体系，由第k个专家或人工智能确定生产技术因素u_i的重要性序列值e_i(k)，当

时，记A_ij(k)＝1；当

时，记A_ij(k)＝0；

(2)将所有参加评测的n个生产技术领域专家或人工智能的A_ij(k)值累加，得到边端赋权值

(3)由m×m个边端赋权值A_ij统计值，通过边云博弈CECG算法组成生产技术因素优先得分表；

(4)将步骤(3)中得分表中各行A_ij值累加，得到

(5)求出∑A_max和∑A_min，设定a_max和a_min，计算级差

(6)计算权数

步骤S2所涉及的生产技术领域知识图谱构建，包括以下流程：

(1)明确生产技术领域知识的范畴以及构建需求；

(2)抽象出生产技术领域核心概念集，确定概念类间、实体及实体之间的关系集R，其中领域核心概念集主要归纳为产品、企业、生产技术、领域、相关资料；实体及实体之间的关系主要有“应用于”、“来自于”、“生产”；

(3)分别在上述5类领域核心概念集中定义实体集合E和实体属性集合EP；

(4)创建实体e与关系r；

(5)根据事实构造生产技术领域实体关系三元组e-r-e；

(6)将表征同一生产技术领域概念的不同实体合并；

(7)多生产技术领域实体关系三元组合并，形成一个生产技术领域实体互联的有向网络，其中网络的节点是实体e，网络的边是关系r；

(8)专家进行生产技术领域实体关系三元组的补充。

其中，步骤(2)中的领域知识建模过程主要是建立精确并完善的生产技术领域核心概念集和概念之间的关系。生产技术领域核心概念集，要求对已有概念和术语的选取要有一定的针对性和适用性，对相关度差、重复的概念进行过滤和歧义修正。领域核心概念间的关系，是将概念连接起来，用以诠释生产技术领域知识之间的关联。

参见图2，该框架是围绕生产技术来组织的，其中领域核心概念集主要归纳为五个类：产品、企业、生产技术、领域、相关资料。其中，生产技术可用于生产以下十种类别产品的企业，产品十大类别，主要包括节能与新能源汽车及先进交通装备、高端船舶装备、光伏及新能源装备、高效节能环保装备、智能纺织印染装备、现代物流装备、现代农业装备、现代医疗设备与器械、机器人与智能制造装备、关键基础件。生产技术可用于以下六大类的生产过程领域，领域六大类覆盖了生产过程中的采购、计划与调度、生产作业、质量控制、仓储与配送和安全与环保；生产技术来自于生产技术提供企业和由论著期刊、国家标准、垂直网站所组成的相关资料概念。

领域核心概念间的关系主要分为五种，分别是：生产技术“应用于/来自于”企业；生产技术“应用于”领域；生产技术“来自于”相关资料；企业“生产”产品。

步骤S3所涉及的生产技术决策候选策略集构建过程，包括以下流程：

(1)管理者需求和生产技术实体的语义表示方法

管理者需求和生产技术实体均是通过语义加以描述，而语义都可以看成是特征词的集合，因此语义形式化描述为：D(t₁,…,t_k,…,t_n)，其中t_k(1≤k≤n)是语义中的特征词，特征词由生产技术的特征信息组成，包括领域、等级、实现效果、应用企业、产品。

(2)特征词向量空间的模型

首先建立特征词向量(t₁,…,t_k,…,t_n)，用于生成用户需求和生产技术实体词向量空间中的向量，保证了实体文档和用户需求之间相似性计算的精度，可通过领域知识框架中先进度提升需求类进行特征词向量的构建。对于用户需求文档的向量模型，从预先定义好的特征词表中选取词来描述该文档，对该文档有意义的词就赋予该文档，这样用户需求就可以表示为一个特征词的权重向量KW＝(kw₁,…,kw_i,…,kw_n)，其中，kw_i表示第i个特征词出现的次数和权重。

对于生产技术实体文档集的向量模型，假设文档集D包含m篇文档，表示为{d₁,d₂,…,d_m}，在特征词向量的基础上，赋予各特征词一定的权重坐标向量(w₁,…,w_k,…,w_n)，以反映该特征词在区别生产技术实体文档内容上的重要性和价值。文档d_i可表示为(t₁w_i1,…,t_jw_ij,…,t_nw_in)，特征项为t_jw_ij，其中t_j表示文档d_i的第j个特征词；w_ij为第j个特征词在文档d_i中出现的次数或权重。文档在向量空间模型中以特征向量的形式表示，不仅方便地表现了文档之间的关系，而且更容易计算彼此的相似度。权重w_ij的计算方法常用TF-IDF方法计算，其中

(3)基于语义内容的过滤算法

建立用户需求模型，对用户提交的特征词加权，建立用户需求的特征向量(t₁,…,t_k,…,t_n)和向量权重KW＝(kw₁,…,kw_i,…,kw_n)；对待过滤的生产技术文档集中的文档进行分词，提取特征词，并根据特征词在文档中出现的频次对其加权；将用户需求的特征词向量权重KW＝(kw₁,…,kw_i,…,kw_n)与生产技术文档集中的每个文档d_i的权重坐标向量(w_i1,…,w_ij,…,w_in)进行比较，根据两者的余弦距离计算相似度，计算公式

给定一个阀值S，根据Sim(u,d_i)的大小和给定的阀值S进行比较，如果Sim(u,d_i)大于等于S，则文档d_i与用户需求相关，将该实体推送给用户；否则，文档d_i与用户需求不相关，过滤掉该文档。

Claims (4)

1.生产技术中知识图谱推荐驱动的生产技术路线图配置方法，其特征在于，包括以下步骤：

S1：建立生产技术先进度评价体系，基于边云博弈赋权法，得出现有生产技术先进度等级；

S2：以生产技术领域文献为数据来源，构建生产技术领域知识图谱；

S3：依据步骤S1中的生产技术先进度等级评价结果与步骤S2中的生产技术领域知识图谱，确定基于向量空间模型的生产技术决策候选策略集；

S4：根据步骤S3中的候选集，配置生成生产技术路线图。

2.根据权利要求1所述的生产技术中知识图谱推荐驱动的生产技术路线图配置方法，其特征在于，

步骤S1中所述的生产技术先进度评价体系，包括采购、计划与调度、生产作业、仓储与物流、质量控制、环保与安全的评价指标；所述的边云博弈赋权法，具体为：

(1)向选定的边缘端n位生产技术领域专家或人工智能提供生产技术先进度评价体系，由第k个专家或人工智能确定生产技术因素u_i的重要性序列值e_i(k)，当

时，记A_ij(k)＝1；当

时，记A_ij(k)＝0；

(2)将所有参加评测的n个生产技术领域专家或人工智能的A_ij(k)值累加，得到边端赋权值

(3)由m×m个边端赋权值A_ij统计值，通过边云博弈CECG算法组成生产技术因素优先得分表；

(4)将(3)中得分表中各行A_ij值累加，得到

(5)求出∑A_max和∑A_min，设定a_max和a_min，计算级差

(6)计算权数

3.根据权利要求1所述的生产技术中知识图谱推荐驱动的生产技术路线图配置方法，其特征在于，

步骤S2所述的生产技术领域知识图谱构建，包括以下流程：

(1)明确生产技术领域知识的范畴以及构建需求；

(2)抽象出生产技术领域核心概念集，确定概念类间、实体及实体之间的关系集R，其中领域核心概念集主要归纳为产品、企业、生产技术、领域、相关资料；实体及实体之间的关系主要有“应用于”、“来自于”、“生产”；

(3)分别在上述5类领域核心概念集中定义实体集合E和实体属性集合EP；

(4)创建实体e与关系r；

(5)根据事实构造生产技术领域实体关系三元组e-r-e；

(6)将表征同一生产技术领域概念的不同实体合并；

(7)多生产技术领域实体关系三元组合并，形成一个生产技术领域实体互联的有向网络，其中网络的节点是实体e，网络的边是关系r；

(8)专家进行生产技术领域实体关系三元组的补充。

4.根据权利要求1所述的生产技术中知识图谱推荐驱动的生产技术路线图配置方法，其特征在于，

步骤S3所述的生产技术决策候选策略集构建过程，包括以下流程：

(1)管理者需求和生产技术实体的语义表示方法

管理者需求和生产技术实体均是通过语义加以描述，语义可形式化描述为：D(t₁,…,t_k,…,t_n)，其中t_k(1≤k≤n)是语义中的特征词；特征词由生产技术的特征信息组成，包括领域、等级、实现效果、应用企业、产品；

(2)特征词向量空间的模型

首先建立特征词向量(t₁,…,t_k,…,t_n)，用于生成用户需求和生产技术实体词向量空间中的向量，对于用户需求文档的向量模型，从预先定义好的特征词表中选取词来描述该文档，对该文档有意义的词就赋予该文档，这样用户需求表示为一个特征词的权重向量KW＝(kw₁,…,kw_i,…,kw_n)，其中，kw_i表示第i个特征词出现的次数和权重；

对于生产技术实体文档集的向量模型，假设文档集D包含m篇文档，表示为{d₁,d₂,…,d_m}，在特征词向量的基础上赋予各特征词一定的权重坐标向量(w₁,…,w_k,…,w_n)，以反映该特征词在区别生产技术实体文档内容上的重要性和价值；文档d_i为(t₁w_i1,…,t_jw_ij,…,t_nw_in)，特征项为t_jw_ij，其中t_j表示文档d_i的第j个特征词；w_ij为第j个特征词在文档d_i中出现的次数或权重；文档在向量空间模型中以特征向量的形式表示，不仅表现了文档之间的关系，而且更容易计算彼此的相似度；权重w_ij的计算方法用TF-IDF方法计算，其中

(3)基于语义内容的过滤算法

建立用户需求模型，对用户提交的特征词加权，建立用户需求的特征向量(t₁,…,t_k,…,t_n)和向量权重KW＝(kw₁,…,kw_i,…,kw_n)；对待过滤的生产技术文档集中的文档进行分词，提取特征词，并根据特征词在文档中出现的频次对其加权；将用户需求的特征词向量权重KW＝(kw₁,…,kw_i,…,kw_n)与生产技术文档集中的每个文档d_i的权重坐标向量(w_i1,…,w_ij,…,w_in)进行比较，根据两者的余弦距离计算相似度，计算公式

给定一个阀值S，根据Sim(u,d_i)的大小和给定的阀值S进行比较，如果Sim(u,d_i)大于等于S，则文档d_i与用户需求相关，将该实体推送给用户；否则，文档d_i与用户需求不相关，过滤掉该文档。

Images