CN113486188A - 一种基于知识图谱的桥梁智能诊断系统 - Google Patents

Abstract

一种基于知识图谱的桥梁智能诊断系统，包括管养知识库模块、知识图谱模块、智能诊断模块：管养知识库模块为桥梁病害管养知识信息；知识图谱模块与管养知识库模块的接口连接，用于对管养知识库模块的知识内容进行实体抽取及关系构建，通过Neo4j图数据库建立病害管养知识图谱；智能诊断模块基于NLP算法对用户查询信息进行语言处理，获取用户查询意图，提取查询关键词，通过Cypher语言在病害管养知识图谱中进行信息匹配，根据目标病害知识图谱提供智能、全面、科学的病害管养建议。本系统可大幅提升管养策略制定的精准度和专业性，提高管养效率，可供管养人员采纳较为先进的技术，提升管养质量，可增加管养工作的智能化程度，降低管养成本。

Description

一种基于知识图谱的桥梁智能诊断系统

技术领域

本发明涉及桥梁病害管养技术领域，具体涉及一种基于知识图谱的桥梁智能诊断系统。

背景技术

我国公路桥梁建设事业在近年来得到了高速发展，截至2019年年末，全国公路桥梁多达87.83万座、6063.46万米，比2018年增加2.68万座、494.86万米。在飞速建设的同时，公路桥梁面临的运营压力与日俱增，车辆通行量的快速增加、复杂恶劣地质环境的影响、车撞船撞等各种交通事故的发生，以及我国仍存在一定数量的危桥与老桥，均对我国公路桥梁的安全运营提出了严峻挑战。我国当前公路桥梁管养现状如下：

1)检测人员专业性难以保障。公路桥梁检测内容覆盖范围较为广泛，不仅涵盖了不同的结构、部件、部位，在同一部位也会由多种因素的影响产生不同类型的病害，即检测目标多、致病因素多、病害类型多，这些均对桥梁检测人员的专业性提出了极高的要求。实际检测团队中仅有少数工程师具有完备的理论知识和丰富的检测经验，在面临各种结构类型和各种病害时能够综合判断给出最优检测方案，而其余工作人员则存在检测经验和理论知识欠缺的情况，这就造成了检测工作的专业性难以保障，以及不同部位或不同病害的检测精度无法兼顾。

2)病害管养技术陈旧，管养方法不统一。随着公路桥梁建设的发展，桥梁病害管养技术也在不断发展，国内外已经开展了大量与桥梁病害管养相关的新材料、新技术、新工艺的研究，并依托一系列实际工程项目开展了实际应用。然而，实际管养工作中往往依赖应用较长时间的已经成熟的技术，很多新技术与其相比具有更好的管养效果，但普及度不高。大部分新技术仅能在小部分工程项目中得到应用，在大多数工程项目上无法得到实施，较为先进的管养技术无法及时被桥梁管养人员所接触学习，限制了桥梁病害管养工作效率的提升。

3)公路桥梁的管养精度不高。目前我国公路桥梁管养工作大多由桥梁所在地的公路管理机构负责，当桥梁产生病害时，一般通过委托第三方桥梁管养单位进行管养维护。然而，随着我国公路桥梁建设事业的快速发展，公路桥梁的数量越来越多，管养数量和管养精度往往无法兼得，同一座桥在不同时期的管养工作可能会由不同管养单位负责，在这种背景下，桥梁管养精度无法得到保障。针对某一特定类型的病害，管养人员往往会选择较为简单、节省、快速的方法进行养护维修，导致管养精度无法得到满足。

4)公路桥梁管养工作的智能化程度较低。公路桥梁的管养工作中，大多管养工程师在编制管养方案前往往需要查阅大量标准、规范和技术规程，在遇到较为复杂或生僻的技术问题时，管养工程师在标准规范中无法找到对应的管养方案，因此往往会采用较为经验化的解决方案，管养工作的效果极度依赖于“人”，公路桥梁管养工作整体的智能化程度较低。此外，现有的部分智能化技术操作难度较高，往往得不到更深层普及，界面过于繁琐、系统过于庞大、功能极其有限等不利因素也影响了相关技术的进一步应用。

结合我国公路桥梁的建设情况及安全运营需求，通过现代化、智能化、科学化的手段提升公路桥梁检测、加固、养护质量，进而保障交通运输安全运行愈发重要。

发明内容

本发明提供了一种基于知识图谱的桥梁智能诊断诊断系统，用于解决现行公路桥梁管养工作中的管养技术较为落后、管养精度不高、智能化程度较低等问题。

为了实现以上目的，本发明采用的技术方案为：

一种基于知识图谱的桥梁智能诊断系统，包括管养知识库模块、知识图谱模块、智能诊断模块：

管养知识库模块，为桥梁病害管养知识信息，包括病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库；管养知识库模块的输入为与桥梁病害管养相关的所有结构化信息及非结构化信息，输出为以桥梁的各个部位为出发点所延展的相关病害管养信息，包括但不限于病害的名称、表观描述、检测方法及管养方法；

知识图谱模块，与管养知识库模块的接口连接，用于对管养知识库模块的知识内容进行实体抽取及关系构建，并通过Neo4j图数据库建立病害管养知识图谱；知识图谱模块的输入为桥梁病害管养知识库所提供的病害管养信息，输出为以Noe4j图网络为表现载体的桥梁病害管养知识图谱；

智能诊断模块，基于NLP算法对用户查询信息进行语言处理，获取用户查询意图，提取查询关键词，通过Cypher语言在病害管养知识图谱中进行信息匹配，并根据目标病害知识图谱提供智能、全面、科学的病害管养建议；智能诊断模块的输入为用户提供的原始病害查询文本，输出为查询文本中具体病害信息所对应的诊断结果；

管养知识库模块是进行知识图谱构建及实现病害智能诊断的数据基础，结合实际工程人员所面临的应用需求对现有病害管养信息进行整合，从而形成以桥梁为中心的具有严密逻辑结构的病害管养知识链；知识图谱模块是对管养知识库模块所做的病害管养信息整合及可视化表达，其通过信息抽取、知识表示、知识融合和知识加工等流程对桥梁的病害管养信息进行处理，进而建立起能够应用于知识图谱可视化表达的图数据库；智能诊断模块是在管养知识库模块、知识图谱模块基础上对用户输入的病害查询文本所进行的病害信息挖掘与病害智能诊断，在桥梁病害管养知识库的基础上通过自然语言处理技术与特征匹配算法进行病害关键词提取，然后基于桥梁病害管养知识图谱搜索得到目标病害的管养知识图谱，经管养信息整理后即得到最终的目标病害诊断结果。

本发明的进一步技术:

优选的，所述管养知识库模块包括病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库；

所述管养知识库模块的病害位置信息库，具体包括：

部位子库，用于提供桥梁病害产生的部位；

部件子库，用于提供各部位产生病害的具体部件；

部件分类子库，用于提供病害部件的详细部件分类；

所述管养知识库模块的病害属性信息库，具体包括：

病害名称子库，用于提供各部件可能产生病害的名称；

病害描述子库，用于提供各病害名称对应的详细特征描述；

病害成因子库，用于提供各病害的具体成因；

所述管养知识库模块的病害管养信息库，具体包括：

检测方法子库，用于提供各病害的针对性检测方法，具体为检测方法、检测仪器及检查原则等；

检测参数子库，用于提供应用各种检测方法时的检测参数；

病害分类子库，用于结合实际情况对病害分类进行特定分类；

养护建议子库，用于提供各病害或病害分类的详细养护建议；

所述管养知识库模块的病害案例资源库，具体包括：

参考引用子库，用于提供各病害管养信息的参考依据，具体为行业规范、论文文献和图书专著；

图片案例子库，用于提供各个病害的实际工程图片案例，与病害描述对应。

优选的，所述知识图谱模块包括管养信息抽取模块、管养知识表示模块、管养知识融合模块、管养知识加工模块；

所述知识图谱模块的管养信息抽取模块，具体包括：

实体信息抽取，用于建立管养知识库中知识内容对应的知识实体；

关系信息抽取，用于抽取不同实体间的关系信息；

属性信息抽取，用于抽取属性信息赋予实体；

所述知识图谱模块的管养知识表示模块，具体包括：

主实体表示，用于抽取管养信息中的主实体内容，建立初始节点与终止节点；

实体关系表示，将主实体与客实体按不同信息库的类型、统一信息库中不同子库的类型进行关系表示；

客实体表示，用于抽取管养信息中的客实体内容，对客实体与主实体进行关系连接；

所述知识图谱模块的管养知识融合模块，具体包括：

实体消歧，用于对病害管养信息中对同一知识表述存在差异的相关内容进行统一；

共指消解，用于对病害管养信息中同一事物存在不同指代名称的相关内容进行统一；

知识合并，用于对经过前述处理的病害管养知识进行合并；

所述知识图谱模块的管养知识加工模块，具体包括：

本体构建，用于将相似度较高的知识视为同一本体进行构建，并保留知识内容的上下位节点关系；

基于Neo4j图数据库的可视化表达，用于对知识图谱进行可视化展示及知识推理；

质量评估，用于对出现问题的知识本体进行纠错。

优选的，所述智能诊断模块包括病害信息挖掘模块、病害智能诊断模块；

所述智能诊断模块的病害信息挖掘模块，具体包括：

基于NLP的文本挖掘，用于对用户输入的查询文本进行预处理，获得实体信息、关系信息及属性信息；

基于特征匹配的关键词提取，对预处理后的文本信息进行匹配模型的构建，基于用户查询文本信息对模型进行训练，用于对用户查询文本的关键词提取；

所述智能诊断模块的病害智能诊断模块，具体包括：

Cypher语句转换，将提取得到的关键词信息转换为Cypher语句，用于Neo4j图数据库查询；

获得目标病害的管养知识图谱，通过Cypher查询语句获得目标病害的知识图谱；

形成目标病害诊断结果，结合实际工程应用需求，对目标病害的知识图谱按照规则进行归纳，使之形成具备逻辑性、内容全面、契合工程实际的病害智能诊断结果。

本发明具有以下有益效果：

1、可大幅提升管养策略制定的精准度和专业性，提高管养效率；

桥梁智能诊断诊断系统中的桥梁病害管养知识库基于国家发布的相关标准规范、具备丰富经验的工程师所编行业专著、高水准学术文献等来源进行构建，知识库所用数据基础兼具权威性、实用性和完备性。管养人员在应用本系统时，系统可基于所输病害信息遍历知识库，并通过知识图谱形式直观展现给管养人员，无需管养人员花费大量时间查找相关资料，能够大大提升管养人员制定管养策略的精准度和专业性，有效提高管养效率。

2、可供管养人员采纳较为先进的技术，提升管养质量；

桥梁智能诊断诊断系统可基于爬虫技术定期对知识库来源网址进行搜索更新，系统于设计初期设置了两项内容，第一项为各大标准规范查询平台、各大网络购书平台及网络图书馆、各大学术期刊查询平台的相关网址信息，第二项为关于桥梁病害管养相关的语义描述，系统会定期基于相关语义描述查询各大网络平台，在自动出具信息更新报告的同时会根据网络信息对应的描述进行重要级排序，并将重要级别较高的索引信息推送给管理者，由管理者进行人工辅助与自动抽取相结合的知识抽取后，自动更新进图数据库。基于以上流程，知识图谱中提供的相关管养技术能够保持较高的先进性，当有较为经济实用的新技术出现时，系统能够在管养人员查询管养信息时自动推送给管养人员，进而提升管养的质量。

3、可增加管养工作的智能化程度，降低管养成本；

桥梁智能诊断系统中的病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库均基于实际工程需要进行设计，相关知识资料具备较高的权威性，在此基础上，系统能够基于知识图谱为桥梁病害进行病因的精确定位与对应措施的可靠指导，能够大大减少管养人员在制定管养策略时所耗费的查阅资料时间，同时以“三元组”形式为基础的“节点—关系—节点”图网络结构较为直观，在将病害的全套管养信息完整展示的同时，提高了管养人员的信息理解速度，减少了管养人员对管养信息进行整合所花费的时间，避免因管养人员制定错误的管养策略所造成的额外经济成本和时间成本。

附图说明:

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图；

图1为本发明的一种基于知识图谱的桥梁智能诊断系统的架构示意图；

图2为本发明中管养知识库模块的结构功能示意图；

图3为本发明中知识图谱模块的结构功能示意图；

图4为本发明中智能诊断模块的结构功能示意图。

具体实施方式:

下面将结合本实用发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。

请参阅图1，本发明的一种基于知识图谱的桥梁智能诊断系统，包括：管养知识库模块S1、知识图谱模块S2和智能诊断模块S3，其中：

管养知识库模块S1，为桥梁病害管养知识信息，包括病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库；本模块的输入为与桥梁病害管养相关的所有结构化信息及非结构化信息，输出为以桥梁的各个部位为出发点所延展的相关病害管养信息，包括但不限于病害的名称、表观描述、检测方法及管养方法等。

知识图谱模块S2，与管养知识库模块的接口连接，用于对管养知识库模块的知识内容进行实体抽取及关系构建，并通过Neo4j图数据库建立病害管养知识图谱；本模块的输入为桥梁病害管养知识库所提供的病害管养信息，输出为以Noe4j图网络为表现载体的桥梁病害管养知识图谱。

智能诊断模块S3，基于NLP算法对用户查询信息进行语言处理，获取用户查询意图，提取查询关键词，通过Cypher语言在病害管养知识图谱中进行信息匹配，并根据目标病害知识图谱提供智能、全面、科学的病害管养建议；本模块的输入为用户提供的原始病害查询文本，输出为查询文本中具体病害信息所对应的诊断结果。

本发明的系统中，管养知识库模块S1是进行知识图谱构建及实现病害智能诊断的数据基础，结合实际工程人员所面临的应用需求对现有病害管养信息进行整合，从而形成以桥梁为中心的具有严密逻辑结构的病害管养知识链；知识图谱模块S2是对管养知识库模块S1所做的病害管养信息整合及可视化表达，其通过信息抽取、知识表示、知识融合和知识加工等流程对桥梁的病害管养信息进行处理，进而建立起能够应用于知识图谱可视化表达的图数据库；智能诊断模块S3是在管养知识库模块S1、知识图谱模块S2基础上对用户输入的病害查询文本所进行的病害信息挖掘与病害智能诊断，在桥梁病害管养知识库的基础上通过自然语言处理(Natural Language Processing，NLP)技术与特征匹配算法进行病害关键词提取，然后基于桥梁病害管养知识图谱搜索得到目标病害的管养知识图谱，经管养信息整理后即得到最终的目标病害诊断结果。

图2为本发明中管养知识库模块的结构功能示意图。如图2所示，管养知识库模块的设计流程如下：

S11，根据知识资料建立桥梁的病害位置信息库。

通过相关知识资料，确定桥梁中可能会产生病害的各个部位和部件，建立部位和部件之间的对应关系。具体步骤包括：

S111：建立部位子库，用于提供桥梁病害产生的部位，例如：上部结构、下部结构、桥面系等；

S112：建立部件子库，用于提供各个部位产生病害的具体部件，例如：上部结构中的上部承重构件、上部一般构件、支座等；

S113：建立部件分类子库，用于提供病害部件的详细部件分类，例如：支座可分为橡胶支座、钢支座、混凝土摆式支座等。

S12，根据知识资料建立桥梁的病害属性信息库。

通过相关知识资料，确定桥梁中各位置所产生的病害的基本信息，涵盖病害的具体名称、对应的病害描述及具体成因。具体步骤包括：

S121：病害名称子库，用于提供各个部件可能产生病害的名称，例如：上部结构的上部承重构件可能会产生蜂窝麻面、剥落掉角、空洞孔洞等病害；

S122：病害描述子库，用于提供各个病害名称对应的详细特征描述，例如：蜂窝麻面的病害描述为“蜂窝：混凝土局部不密实或松散，混凝土表面多砂少浆，呈蜂窝状孔洞；麻面：混凝土表面局部缺浆、粗糙，或有大量小凹坑的现象。”

S123：病害成因子库，用于提供各病害的具体成因，例如：蜂窝麻面的病害成因为“(1)设计主筋间距过小，当施工采用的骨料粒径过大时容易卡在钢筋之间，增加了振捣难度，导致混凝土浇筑不密实，保护层出现蜂窝麻面；(2)施工过程中底膜漏浆；(3)施工过程中振捣不充分。”

S13，根据知识资料建立桥梁的病害管养信息库。

通过相关知识资料，确定桥梁的各种病害对应的检测途径及具体对应的养护方法。具体步骤包括：

S131：检测方法子库，用于提供各个病害的针对性检测方法，具体为检测方法、检测仪器及检查原则等，例如：蜂窝麻面对应的检测方法为“通过目测进行检查，记录空洞、露筋的位置和范围，仔细检查露等是否存在严重的锈蚀，拍摄照片并进行描述说明。”

S132：检测参数子库，用于提供应用各种检测方法时的检测参数，例如：蜂窝麻面对应的检测参数为“累计面积比例”；

S133：病害分类子库，用于结合实际情况对病害分类进行特定分类，例如：蜂窝麻面可分为“较大面积的空洞”和“较小面积的空洞”；

S134：养护建议子库，用于提供各个病害或病害分类的详细养护建议，例如：蜂窝麻面表现为较小面积的空洞时，对应的养护建议为“(1)可以采用下挂底膜，从桥面钻孔，灌注混凝土，恢复结构保护层；(2)采用钢丝网片聚合物砂浆加固。”

S14，根据知识资料建立桥梁的病害案例资源库。

基于相关知识资料，对桥梁各种病害管养信息对应的来源及案例进行存储及展示。具体步骤包括：

S141：参考引用子库，用于提供各个病害管养信息的参考依据，具体为行业规范、论文文献和图书专著等，对应的格式按照以下规则定义：

“[序号]主要责任者.文献题名[文献类型标识].出版地:出版者,出版年:起止页码.”

“[序号]主要责任者.文献题名[J].刊名,年,卷(期):起止页码.”

S142：图片案例子库，用于提供各个病害的实际工程图片案例，与病害描述对应。

图3为本发明中知识图谱模块的结构功能示意图。如图3所示，知识图谱模块的设计流程如下：

S21，管养信息抽取模块，基于管养知识库模块提供的桥梁病害管养信息，对实体、关系和属性进行抽取。具体步骤包括：

S211：实体信息抽取，按照S11～S13各个知识子库对应的类型，建立管养知识库中知识内容对应的知识实体；

S212：关系信息抽取，以S11～S13各个知识子库间的逻辑关系为依据，抽取不同实体间的关系信息；

S213：属性信息抽取，将S11～S13各个知识子库类型及S14的知识子库内容一并作为属性信息赋予实体。

S22，管养知识表示模块，根据实体、关系及属性的抽取结果，构建以“SPO”形式的RDF三元组。具体步骤包括：

S221：主实体表示，根据S11和S12信息库的逻辑关系，将“部位→部件→部件分类→病害名称”视为主实体部分，“部位”为主实体的初始节点，“病害名称”为主实体的终止节点；

S222：实体关系表示，按照S11～S13信息库类型，将主实体与客实体按不同信息库的类型、统一信息库中不同子库的类型进行关系表示；

S223：客实体表示，根据S12和S13信息库的逻辑关系，以“病害名称”为主实体出发节点，将“病害描述”及之后的各子库视为客实体部分，各客实体均以“病害名称”为主实体节点，并根据子库名称与主实体进行关系连接。

S23，管养知识融合模块，基于已构建的RDF三元组对病害管养信息进行知识融合，建立不同病害管养信息之间的联系。具体步骤包括：

S231：实体消歧，对病害管养信息中表述存在差异、但实际表述目标为同一事物的相关内容进行统一，包括文字描述差异及文本格式差异；

S232：共指消解，对病害管养信息中同一事物表述存在不同指代名称的相关内容进行统一，避免多种指代形式造成的关键知识信息的遗漏；

S233：知识合并，按S11～S14对经过前述处理的病害管养知识进行合并，实现多种知识来源的内容的整合，加强知识图谱的数据基础。

S24，管养知识加工模块，在知识融合基础上对病害管养知识进行加工，构建不同知识的本体，保留不同本体间的关系，以Neo4j图数据库进行可视化表达，建立满足质量评估要求的桥梁病害管养知识图谱。具体步骤包括：

S241：本体构建，基于自动构建与人工辅助的方式进行本体构建，将相似度较高的知识视为同一本体进行构建，并在构建过程中保留该知识的上下位节点关系；

S242：基于Neo4j图数据库的可视化表达，将构建的知识本体导入Neo4j图数据库，对知识图谱进行可视化表达，通过路径排序算法(Path Ranking Algorithm，PRA)，基于连接实体的已有路径来预测实体间的潜在关系，进而实现基于图数据库的知识推理；

S243：质量评估，按照桥梁的实际病害类型对构建的知识图谱的上下位问题、属性问题和逻辑问题进行判别，基于实际工程应用需求，利用人工辅助方式对出现问题的知识本体进行纠错。

图4为本发明中智能诊断模块的结构功能示意图。如图4所示，智能诊断模块的设计流程如下：

S41，病害信息挖掘模块，基于NLP技术对用户输入的病害查询信息进行文本挖掘，结合桥梁病害管养知识库进行特征匹配，获得病害管养相关的关键词信息。具体步骤包括：

S411：基于NLP的文本挖掘，通过分词、词性标注、句法分析、关键信息提取过滤等步骤对用户输入的查询文本进行预处理，获得实体信息、关系信息及属性信息，例如：

当用户输入“某桥梁在2021年3月1日检测时，发现8号桥墩底部存在大面积磨损，应该如何管养？”时，该模块会首先将输入文本分词为“某/桥梁/在/2021年/3月/1日/检测/时/，/发现/8/号/桥墩/底部/存在/大/面积/磨损/，/应该/如何/管养/？”，然后将各分词结果进行词性标注，标注结果为“r/n/p/nt/nt/nt/v/n/wp/v/m/q/n/nd/v/a/n/v/wp/v/r/v/wp”，随后通过句法分析获得用户的查询意图，查询结果为“……检测……，发现……存在……，……管养……”，即“用户通过检测发现问题，想要寻求管养建议”，最后结合桥梁病害管养知识库进行关键信息提取并过滤，提取对象词性主要为n/v，过滤结果为“桥梁/桥墩/底部/大面积/磨损/管养”。

S412：基于特征匹配的关键词提取，结合桥梁病害管养知识库中的病害位置信息库、病害名称子库、病害描述子库，对预处理后的文本信息进行匹配模型的构建，基于用户查询文本信息对模型进行训练，使模型能够保持较高的关键词提取精度。以S411所述病害查询文本为例，提取结果为：“部件：桥墩；部件分类：墩身；病害名称：磨损。”

S42，病害智能诊断模块，基于提取得到的实体、关系及属性关键词信息，获取用户查询意图，将关键词信息转换为Cypher语句，通过桥梁病害管养知识图谱获得目标病害的诊断知识数据，经整合后得到智能诊断结果。

S421：Cypher语句转换，基于提取得到的实体、关系及属性关键词信息，转换为Neo4j图数据库所能识别的查询语句。具体通过：

START：通过元素的ID或所以查找获得图谱中的开始节点。

MATCH：根据主实体节点获取匹配模式下的目标图谱。

WHERE：通过设置过滤条件以精确图谱搜索精度。

RETURN：返回并展示目标图谱网络结构。

以MATCH语句为例，通过下方Cypher语法查询“磨损”对应的养护建议：

MATCH(a:部件{name:"桥墩"})-[b:部件分类]-(c:部件分类{name:"墩身"})-[d:病害名称]-(e:病害名称{name:"磨损"})-[f:养护建议]-(g)RETURN a,b,c,d,e,f,g

S422：获得目标病害的管养知识图谱，根据S2所构建的桥梁病害管养知识图谱，在其基础上通过Cypher查询语句获得目标病害的知识图谱。

S423：形成目标病害诊断结果，结合实际工程应用需求，对目标病害的知识图谱按照一定规则进行归纳，使之形成具备逻辑性、内容全面、契合工程实际的病害智能诊断结果，进而为桥梁运维人员提供智能、全面、科学的病害管养建议。以S411所述病害查询文本为例，经过前述处理后的输出结果为“针对磨损病害，在泥沙磨蚀的部位，应采用坚硬骨料、降低水灰比、提高混凝土强度等级、改进施工方法，必要时还应采用耐磨护材料保护的方法来减缓磨蚀。”

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种基于知识图谱的桥梁智能诊断系统，其特征在于：包括管养知识库模块、知识图谱模块、智能诊断模块：

管养知识库模块，为桥梁病害管养知识信息，包括病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库；管养知识库模块的输入为与桥梁病害管养相关的所有结构化信息及非结构化信息，输出为以桥梁的各个部位为出发点所延展的相关病害管养信息，包括但不限于病害的名称、表观描述、检测方法及管养方法；

知识图谱模块，与管养知识库模块的接口连接，用于对管养知识库模块的知识内容进行实体抽取及关系构建，并通过Neo4j图数据库建立病害管养知识图谱；知识图谱模块的输入为桥梁病害管养知识库所提供的病害管养信息，输出为以Noe4j图网络为表现载体的桥梁病害管养知识图谱；

智能诊断模块，基于NLP算法对用户查询信息进行语言处理，获取用户查询意图，提取查询关键词，通过Cypher语言在病害管养知识图谱中进行信息匹配，并根据目标病害知识图谱提供智能、全面、科学的病害管养建议；智能诊断模块的输入为用户提供的原始病害查询文本，输出为查询文本中具体病害信息所对应的诊断结果；

管养知识库模块是进行知识图谱构建及实现病害智能诊断的数据基础，结合实际工程人员所面临的应用需求对现有病害管养信息进行整合，从而形成以桥梁为中心的具有严密逻辑结构的病害管养知识链；知识图谱模块是对管养知识库模块所做的病害管养信息整合及可视化表达，其通过信息抽取、知识表示、知识融合和知识加工等流程对桥梁的病害管养信息进行处理，进而建立起能够应用于知识图谱可视化表达的图数据库；智能诊断模块是在管养知识库模块、知识图谱模块基础上对用户输入的病害查询文本所进行的病害信息挖掘与病害智能诊断，在桥梁病害管养知识库的基础上通过自然语言处理技术与特征匹配算法进行病害关键词提取，然后基于桥梁病害管养知识图谱搜索得到目标病害的管养知识图谱，经管养信息整理后即得到最终的目标病害诊断结果。

2.根据权利要求1中所述的一种基于知识图谱的桥梁智能诊断系统，其特征在于：所述管养知识库模块包括病害位置信息库、病害属性信息库、病害管养信息库、病害案例资源库；

所述管养知识库模块的病害位置信息库，具体包括：

部位子库，用于提供桥梁病害产生的部位；

部件子库，用于提供各部位产生病害的具体部件；

部件分类子库，用于提供病害部件的详细部件分类；

所述管养知识库模块的病害属性信息库，具体包括：

病害名称子库，用于提供各部件可能产生病害的名称；

病害描述子库，用于提供各病害名称对应的详细特征描述；

病害成因子库，用于提供各病害的具体成因；

所述管养知识库模块的病害管养信息库，具体包括：

检测方法子库，用于提供各病害的针对性检测方法，具体为检测方法、检测仪器及检查原则等；

检测参数子库，用于提供应用各种检测方法时的检测参数；

病害分类子库，用于结合实际情况对病害分类进行特定分类；

养护建议子库，用于提供各病害或病害分类的详细养护建议；

所述管养知识库模块的病害案例资源库，具体包括：

参考引用子库，用于提供各病害管养信息的参考依据，具体为行业规范、论文文献和图书专著；

图片案例子库，用于提供各个病害的实际工程图片案例，与病害描述对应。

3.根据权利要求1中所述的一种基于知识图谱的桥梁智能诊断系统，其特征在于：所述知识图谱模块包括管养信息抽取模块、管养知识表示模块、管养知识融合模块、管养知识加工模块；

所述知识图谱模块的管养信息抽取模块，具体包括：

实体信息抽取，用于建立管养知识库中知识内容对应的知识实体；

关系信息抽取，用于抽取不同实体间的关系信息；

属性信息抽取，用于抽取属性信息赋予实体；

所述知识图谱模块的管养知识表示模块，具体包括：

主实体表示，用于抽取管养信息中的主实体内容，建立初始节点与终止节点；

实体关系表示，将主实体与客实体按不同信息库的类型、统一信息库中不同子库的类型进行关系表示；

客实体表示，用于抽取管养信息中的客实体内容，对客实体与主实体进行关系连接；

所述知识图谱模块的管养知识融合模块，具体包括：

实体消歧，用于对病害管养信息中对同一知识表述存在差异的相关内容进行统一；

共指消解，用于对病害管养信息中同一事物存在不同指代名称的相关内容进行统一；

知识合并，用于对经过前述处理的病害管养知识进行合并；

所述知识图谱模块的管养知识加工模块，具体包括：

本体构建，用于将相似度较高的知识视为同一本体进行构建，并保留知识内容的上下位节点关系；

基于Neo4j图数据库的可视化表达，用于对知识图谱进行可视化展示及知识推理；

质量评估，用于对出现问题的知识本体进行纠错。

4.根据权利要求1中所述的一种基于知识图谱的桥梁智能诊断系统，其特征在于：所述智能诊断模块包括病害信息挖掘模块、病害智能诊断模块；

所述智能诊断模块的病害信息挖掘模块，具体包括：

基于NLP的文本挖掘，用于对用户输入的查询文本进行预处理，获得实体信息、关系信息及属性信息；

基于特征匹配的关键词提取，对预处理后的文本信息进行匹配模型的构建，基于用户查询文本信息对模型进行训练，用于对用户查询文本的关键词提取；

所述智能诊断模块的病害智能诊断模块，具体包括：

Cypher语句转换，将提取得到的关键词信息转换为Cypher语句，用于Neo4j图数据库查询；

获得目标病害的管养知识图谱，通过Cypher查询语句获得目标病害的知识图谱；

形成目标病害诊断结果，结合实际工程应用需求，对目标病害的知识图谱按照规则进行归纳，使之形成具备逻辑性、内容全面、契合工程实际的病害智能诊断结果。

Images