CN114817572A - 基于知识图谱的知识分类方法、系统、设备及介质 - Google Patents

基于知识图谱的知识分类方法、系统、设备及介质 Download PDF

Info

Publication number
CN114817572A
CN114817572A CN202210532159.2A CN202210532159A CN114817572A CN 114817572 A CN114817572 A CN 114817572A CN 202210532159 A CN202210532159 A CN 202210532159A CN 114817572 A CN114817572 A CN 114817572A
Authority
CN
China
Prior art keywords
knowledge
classification
ship
data
characteristic information
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.)
Pending
Application number
CN202210532159.2A
Other languages
English (en)
Inventor
张学辉
陈刚
房奎凯
吴传伟
吴燕子
林建中
张淑贤
于学超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Waigaoqiao Shipbuilding Co Ltd
Original Assignee
Shanghai Waigaoqiao Shipbuilding Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Waigaoqiao Shipbuilding Co Ltd filed Critical Shanghai Waigaoqiao Shipbuilding Co Ltd
Priority to CN202210532159.2A priority Critical patent/CN114817572A/zh
Publication of CN114817572A publication Critical patent/CN114817572A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于知识图谱的知识分类方法、系统、设备及介质，所述知识分类方法包括：获取待分类的船舶制造的知识数据；提取所述待分类的船舶制造的知识数据的特征信息；将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。本发明使得海量的船舶制造的知识数据能够自动准确地进行知识分类，从而提高了船舶制造的知识数据的效率。

Description

基于知识图谱的知识分类方法、系统、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于知识图谱的知识分类方法、系统、设备及介质。
背景技术
知识分类是按照选定的特征(属性)区分分类对象，将具有某种共同特征(属性)分类对象集合在一起。随着企业的发展，知识数据在知识库中不断地积累和沉淀，直接导致了企业的信息过量和知识过量。在现有技术中，通常将海量知识数据直接保存在数据库中，如需查找某些知识数据效率较为低下。
发明内容
本发明要解决的技术问题是为了克服现有技术中将海量知识数据直接保存在数据库中，查找知识数据效率低下的缺陷，提供一种基于知识图谱的知识分类方法、系统、设备及介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种基于知识图谱的知识分类方法，应用于船舶制造的知识管理，所述知识分类方法包括：
获取待分类的船舶制造的知识数据；
提取所述待分类的船舶制造的知识数据的特征信息；
将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
较佳地，所述将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果的步骤包括：
将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
较佳地，所述将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果的步骤还包括：
对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
较佳地，所述船舶制造的知识分类模型具体通过以下步骤得到：
获取历史船舶制造的知识数据；
提取所述历史船舶制造的知识数据的特征信息；
基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
本发明还提供一种基于知识图谱的知识分类系统，应用于船舶制造的知识管理，所述知识分类系统包括：
获取模块，用于获取待分类的船舶制造的知识数据；
提取模块，用于提取所述待分类的船舶制造的知识数据的特征信息；
输入模块，用于将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
较佳地，所述输入模块包括：
第一划分单元，用于将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
第二划分单元，用于基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
第三划分单元，用于基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
较佳地，所述输入模块还包括：
特征描述单元，用于对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
较佳地，所述输入模块还包括：
第一获取单元，用于获取历史船舶制造的知识数据；
提取单元，用于提取所述历史船舶制造的知识数据的特征信息；
第二获取单元，用于基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的基于知识图谱的知识分类方法。
本发明还提供一种计算机可读存储介质，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的基于知识图谱的知识分类方法。
本发明的积极进步效果在于：
本发明公开了一种基于知识图谱的知识分类方法、系统、设备及介质，该基于知识图谱的知识分类方法通过采用船舶制造的知识分类模型对待分类的船舶制造的知识数据进行知识分类，使得海量的船舶制造的知识数据能够自动准确地进行知识分类，从而提高了船舶制造的知识数据的效率。
附图说明
图1为本发明实施例1的基于知识图谱的知识分类方法的流程图。
图2为本发明实施例1中的步骤S1031的流程图。
图3为本发明实施例2的基于知识图谱的知识分类系统的模块示意图。
图4为本发明实施例2中的输入模块的模块示意图。
图5为本发明实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例公开了一种基于知识图谱的知识分类方法，所述知识分类方法包括：
步骤S101、获取待分类的船舶制造的知识数据；
具体地，船舶制造的知识数据如下表1所示：
表1
Figure BDA0003632844130000041
Figure BDA0003632844130000051
Figure BDA0003632844130000061
Figure BDA0003632844130000071
Figure BDA0003632844130000081
步骤S102、提取所述待分类的船舶制造的知识数据的特征信息；
具体地，每条知识数据的特征信息可以包括以下一项或多项：知识文档名称、知识标签、知识标题、知识内容、知识目录等。
步骤S103、将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
具体地，船舶制造的知识分类模型可以为多层神经网络模型，知识分类模型的结构可以根据实际情况设定，本方案对此不进行限定。
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
本方案，基于知识图谱的知识分类方法通过采用船舶制造的知识分类模型对待分类的船舶制造的知识数据进行知识分类，从而使得海量的船舶制造的知识数据能够自动准确地进行知识分类，从而提高了船舶制造的知识数据的效率。
如图2所示，在一可实施的方式中，所述步骤S103具体包括：
步骤S1031、将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
具体地，根据业务维度进行归纳和划分，形成11类知识分类，具体见表2所示：
表2
Figure BDA0003632844130000091
其中，设计阶段、船型、空间、项目、专业、船东、船级社、设备及供应商的具体情况进行如下描述：
第一、关于设计阶段
设计阶段分为基本设计、详细设计及生成设计，具体见表3所示：
表3
Figure BDA0003632844130000092
设计阶段对应的模板，见表4所示：
表4
Figure BDA0003632844130000101
第二、关于船型
船型的划分及部分实例，如表5所示：
表5
Figure BDA0003632844130000102
Figure BDA0003632844130000111
船型对应的模板，如表6所示：
表6
Figure BDA0003632844130000112
第三、关于空间
详细设计、生产设计将船型从不同维度进行了区域划分,具体见表7所示：
表7
Figure BDA0003632844130000113
Figure BDA0003632844130000121
其中，区域对应的模板，如表8所示：
表8
Figure BDA0003632844130000122
第四、关于项目
不同项目对应的船型具体见表9所示：
表9
Figure BDA0003632844130000123
其中，项目对应的模板在需求设计中体现，项目属于前端展示功能，需要更多的属性支撑业务的需要。
第五、关于专业
专业对应的科室情况如表10所示：
表10
Figure BDA0003632844130000124
Figure BDA0003632844130000131
其中，专业对应的模板如表11所示：
表11
Figure BDA0003632844130000132
第六、关于船东
船东包括：中船嘉年华、中船嘉年华、山东海运、福茂、工银租赁等。
其中，船东对应的模板如表12所示：
表12
模板 备注
名称 基本属性(本期只对船东进行基础管理)
第七、关于船级社
船级社对应的模板如表13所示：
表13
模板 备注
名称 基本属性(本期只对船级社进行基础管理)
第八、关于设备
对设备进行专项管理，将设备相关的信息汇聚形成设备信息库，可用于支撑后续项目设计参考，具体如表14所示：
表14
Figure BDA0003632844130000141
其中，设备对应的模板，具体如表15所示：
表15
Figure BDA0003632844130000142
第九、关于供应商
供应商情况如表16所示：
表16
Figure BDA0003632844130000143
Figure BDA0003632844130000151
步骤S1032、基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
步骤S1033、基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
具体地，将船舶制造的知识数据按照上述的分类步骤，形成的分类结果如表17所示：
表17
Figure BDA0003632844130000152
Figure BDA0003632844130000161
Figure BDA0003632844130000171
本方案，将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型、知识分类项及知识细类项进行划分，分别获得第一级知识分类、第二级知识分类及第三级知识分类，从而使得知识分类更加的准确和细化，进而提高了查找知识数据效率。
在一可实施的方式中，所述步骤S103还包括：
对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
其中，知识分类间关系包括所属关系；知识分类与知识分类间关系包括作用对象关系，参与对象关系；知识分类与知识间关系包括所属关系，相似关系；知识间关系包括同知识分类关系，同项目关系，相关关系。
具体地，知识分类间关系如表18所示：
表18
Figure BDA0003632844130000172
Figure BDA0003632844130000181
知识分类与知识分类间关系如表19所示：
表19
Figure BDA0003632844130000182
知识分类与知识间的关系如表20所示：
表20
Figure BDA0003632844130000183
Figure BDA0003632844130000191
Figure BDA0003632844130000201
知识间的关系如表21所示：
表21
Figure BDA0003632844130000202
Figure BDA0003632844130000211
Figure BDA0003632844130000221
本方案，通过对第二级知识分类和所述第三级知识分类的知识特征进行特征描述，从而能够得知知识分类间的关系、知识分类与知识分类间的关系、知识分类与知识间的关系、知识间的关系，进而进一步提高了查找知识数据效率。
在一可实施的方式中，所述船舶制造的知识分类模型具体通过以下步骤得到：
获取历史船舶制造的知识数据；
提取所述历史船舶制造的知识数据的特征信息；
基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
具体地，在得到待训练知识数据的特征信息以及待训练船舶制造的知识数据的类型标签后，可以利用大量待训练知识数据的特征信息以及对应的类型标签，循环迭代调整船舶制造的知识分类模型的模型参数，直到达到预设停止条件时训练得到船舶制造的知识分类模型。
本方案，通过基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型，使得训练得到船舶制造的知识分类模型更加准确，从而提高了船舶制造的知识数据分类的准确性，进而提高了船舶制造的知识数据的效率。
实施例2
如图3所示，本实施例公开了一种基于知识图谱的知识分类系统，所述知识分类系统包括：
获取模块1，用于获取待分类的船舶制造的知识数据；
具体地，船舶制造的知识数据如实施例1中的表1所示。
提取模块2，用于提取所述待分类的船舶制造的知识数据的特征信息；
具体地，每条知识数据的特征信息可以包括以下一项或多项：知识文档名称、知识标签、知识标题、知识内容、知识目录等。
输入模块3，用于将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
具体地，船舶制造的知识分类模型可以为多层神经网络模型，知识分类模型的结构可以根据实际情况设定，本方案对此不进行限定。
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
本方案，基于知识图谱的知识分类方法通过采用船舶制造的知识分类模型对待分类的船舶制造的知识数据进行知识分类，从而使得海量的船舶制造的知识数据能够自动准确地进行知识分类，从而提高了船舶制造的知识数据的效率。
如图4所示，在一可实施的方式中，所述输入模块3包括：
第一划分单元31，用于将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
具体地，根据业务维度进行归纳和划分，形成11类知识分类，具体如实施例1中的见表2所示。
其中，设计阶段、船型、空间、项目、专业、船东、船级社、设备及供应商的具体情况进行如下描述：
第一、关于设计阶段
设计阶段分为基本设计、详细设计及生成设计，具体如实施例1中的表3所示。
设计阶段对应的模板，如实施例1中的表4所示：
第二、关于船型
船型的划分及部分实例，如实施例1中的表5所示：
船型对应的模板，如实施例1中的表6所示：
第三、关于空间
详细设计、生产设计将船型从不同维度进行了区域划分,具体如实施例1中的表7所示。
其中，区域对应的模板，如实施例1中的表8所示。
第四、关于项目
不同项目对应的船型具体如实施例1中的表9所示。
其中，项目对应的模板在需求设计中体现，项目属于前端展示功能，需要更多的属性支撑业务的需要。
第五、关于专业
专业对应的科室情况如实施例1中的表10所示。
其中，专业对应的模板如实施例1中的表11所示。
第六、关于船东
船东包括：中船嘉年华、中船嘉年华、山东海运、福茂、工银租赁等。
其中，船东对应的模板如实施例1中的表12所示。
第七、关于船级社
船级社对应的模板如实施例1中的表13所示。
第八、关于设备
对设备进行专项管理，将设备相关的信息汇聚形成设备信息库，可用于支撑后续项目设计参考，具体如实施例1中的表14所示。
其中，设备对应的模板，具体如实施例1中的表15所示。
第九、关于供应商
供应商情况如实施例1中的表16所示。
第二划分单元32，用于基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
第三划分单元33，用于基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
具体地，将船舶制造的知识数据按照上述的分类步骤，形成的分类结果如实施例1中的表17所示。
本方案，将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型、知识分类项及知识细类项进行划分，分别获得第一级知识分类、第二级知识分类及第三级知识分类，从而使得知识分类更加的准确和细化，进而提高了查找知识数据效率。
在一可实施的方式中，所述输入模块3还包括：
特征描述单元34，用于对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
其中，知识分类间关系包括所属关系；知识分类与知识分类间关系包括作用对象关系，参与对象关系；知识分类与知识间关系包括所属关系，相似关系；知识间关系包括同知识分类关系，同项目关系，相关关系。
具体地，知识分类间关系如实施例1中的表18所示。
知识分类与知识分类间关系如实施例1中的表19所示。
知识分类与知识间的关系如实施例1中的表20所示。
知识间的关系如实施例1中的表21所示。
本方案，通过对第二级知识分类和所述第三级知识分类的知识特征进行特征描述，从而能够得知知识分类间的关系、知识分类与知识分类间的关系、知识分类与知识间的关系、知识间的关系，进而进一步提高了查找知识数据效率。
在一可实施的方式中，述输入模块3还包括：
第一获取单元35，用于获取历史船舶制造的知识数据；
提取单元36，用于提取所述历史船舶制造的知识数据的特征信息；
第二获取单元37，用于基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
具体地，在得到待训练知识数据的特征信息以及待训练船舶制造的知识数据的类型标签后，可以利用大量待训练知识数据的特征信息以及对应的类型标签，循环迭代调整船舶制造的知识分类模型的模型参数，直到达到预设停止条件时训练得到船舶制造的知识分类模型。
本方案，通过基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型，使得训练得到船舶制造的知识分类模型更加准确，从而提高了船舶制造的知识数据分类的准确性，进而提高了船舶制造的知识数据的效率。
实施例3
图5为本发明实施例3提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1所提供的基于知识图谱的知识分类方法。图5显示的电子设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备40可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备40的组件可以包括但不限于：上述至少一个处理器41、上述至少一个存储器42、连接不同系统组件(包括存储器42和处理器41)的总线43。
总线43包括数据总线、地址总线和控制总线。
存储器42可以包括易失性存储器，例如随机存取存储器(RAM)421和/或高速缓存存储器422，还可以进一步包括只读存储器(ROM)423。
存储器42还可以包括具有一组(至少一个)程序模块424的程序/实用工具425，这样的程序模块424包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器41通过运行存储在存储器42中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1所提供的基于知识图谱的知识分类方法。
电子设备40也可以与一个或多个外部设备44(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口45进行。并且，模型生成的设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器46通过总线43与模型生成的设备40的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1所提供的基于知识图谱的知识分类方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1所提供的基于知识图谱的知识分类方法。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种基于知识图谱的知识分类方法，应用于船舶制造的知识管理，其特征在于，所述知识分类方法包括：
获取待分类的船舶制造的知识数据；
提取所述待分类的船舶制造的知识数据的特征信息；
将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
2.如权利要求1所述的基于知识图谱的知识分类方法，其特征在于，所述将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果的步骤包括：
将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
3.如权利要求2所述的基于知识图谱的知识分类方法，其特征在于，所述将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果的步骤还包括：
对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
4.如权利要求1所述的基于知识图谱的知识分类方法，其特征在于，所述船舶制造的知识分类模型具体通过以下步骤得到：
获取历史船舶制造的知识数据；
提取所述历史船舶制造的知识数据的特征信息；
基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
5.一种基于知识图谱的知识分类系统，应用于船舶制造的知识管理，其特征在于，所述知识分类系统包括：
获取模块，用于获取待分类的船舶制造的知识数据；
提取模块，用于提取所述待分类的船舶制造的知识数据的特征信息；
输入模块，用于将所述特征信息输入至船舶制造的知识分类模型中进行识别，以得到船舶制造的知识分类的结果；
所述船舶制造的知识分类模型由历史船舶制造的知识数据的特征信息训练得到。
6.如权利要求5所述的基于知识图谱的知识分类系统，其特征在于，所述输入模块包括：
第一划分单元，用于将所述待分类的船舶制造的知识数据的特征信息按照船舶制造的业务类型进行划分以获得第一级知识分类；
第二划分单元，用于基于所述第一级知识分类，将所述待分类的船舶制造的知识数据按照知识分类项进行划分以获得第二级知识分类；
第三划分单元，用于基于所述第二级知识分类，将所述待分类的船舶制造的知识数据按照知识细类项进行划分以获得第三级知识分类。
7.如权利要求6所述的基于知识图谱的知识分类系统，其特征在于，所述输入模块还包括：
特征描述单元，用于对所述第二级知识分类和所述第三级知识分类的知识特征进行特征描述；所述特征描述包括：知识分类间的关系描述、知识分类与知识分类间的关系描述、知识分类与知识间的关系描述、知识间的关系描述。
8.如权利要求5所述的基于知识图谱的知识分类系统，其特征在于，所述输入模块还包括：
第一获取单元，用于获取历史船舶制造的知识数据；
提取单元，用于提取所述历史船舶制造的知识数据的特征信息；
第二获取单元，用于基于所述历史船舶制造的知识数据的特征信息采用分类算法训练得到船舶制造的知识分类模型。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的基于知识图谱的知识分类方法。
10.一种计算机可读存储介质，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至4任一项所述的基于知识图谱的知识分类方法。
CN202210532159.2A 2022-05-07 2022-05-07 基于知识图谱的知识分类方法、系统、设备及介质 Pending CN114817572A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210532159.2A CN114817572A (zh) 2022-05-07 2022-05-07 基于知识图谱的知识分类方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210532159.2A CN114817572A (zh) 2022-05-07 2022-05-07 基于知识图谱的知识分类方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN114817572A true CN114817572A (zh) 2022-07-29

Family

ID=82515960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210532159.2A Pending CN114817572A (zh) 2022-05-07 2022-05-07 基于知识图谱的知识分类方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN114817572A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115309906A (zh) * 2022-09-19 2022-11-08 北京三维天地科技股份有限公司 一种基于知识图谱技术的数据智能分类技术

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115309906A (zh) * 2022-09-19 2022-11-08 北京三维天地科技股份有限公司 一种基于知识图谱技术的数据智能分类技术

Similar Documents

Publication Publication Date Title
CN108197132B (zh) 一种基于图数据库的电力资产画像构建方法及装置
CN111797210A (zh) 基于用户画像的信息推荐方法、装置、设备及存储介质
US20180053115A1 (en) Spend Data Enrichment and Classification
CN110851598A (zh) 文本分类方法、装置、终端设备及存储介质
CN113435762B (zh) 一种企业风险识别方法、装置及设备
CN110930192A (zh) 用户流失预测方法、系统、设备和存储介质
CN111581193A (zh) 数据处理方法、设备、计算机系统及存储介质
CN114358014A (zh) 基于自然语言的工单智能诊断方法、装置、设备及介质
CN112506864A (zh) 文件检索的方法、装置、电子设备及可读存储介质
CN114090601B (zh) 一种数据筛选方法、装置、设备以及存储介质
CN115730597A (zh) 多级语义意图识别方法及其相关设备
CN114995903A (zh) 一种基于预训练语言模型的类别标签识别方法及装置
CN114817572A (zh) 基于知识图谱的知识分类方法、系统、设备及介质
CN111950623B (zh) 数据稳定性监控方法、装置、计算机设备及介质
CN117667841A (zh) 一种企业数据管理平台及方法
CN117272999A (zh) 基于类增量学习的模型训练方法及装置、设备、存储介质
CN117251777A (zh) 数据处理方法、装置、计算机设备和存储介质
CN111444368A (zh) 构建用户画像的方法、装置、计算机设备及存储介质
CN111104422A (zh) 一种数据推荐模型的训练方法、装置、设备及存储介质
CN114969341A (zh) 一种针对餐饮行业评论的细粒度情感分析方法及装置
CN114528378A (zh) 文本分类方法、装置、电子设备及存储介质
CN114513578A (zh) 外呼方法、装置、计算机设备及存储介质
CN111898612A (zh) 结合rpa和ai的ocr识别方法及装置、设备、介质
CN116702024B (zh) 流水数据类型识别方法、装置、计算机设备和存储介质
CN117235257A (zh) 基于人工智能的情感预测方法、装置、设备及存储介质

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