CN116341990B - 一种基础设施工程的知识管理评价方法及系统 - Google Patents

一种基础设施工程的知识管理评价方法及系统 Download PDF

Info

Publication number
CN116341990B
CN116341990B CN202310610755.2A CN202310610755A CN116341990B CN 116341990 B CN116341990 B CN 116341990B CN 202310610755 A CN202310610755 A CN 202310610755A CN 116341990 B CN116341990 B CN 116341990B
Authority
CN
China
Prior art keywords
knowledge
data
characteristic
data set
next time
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
Application number
CN202310610755.2A
Other languages
English (en)
Other versions
CN116341990A (zh
Inventor
李静怡
钱原铭
陈良志
覃杰
查恩尧
汪勋
李志刚
刘洋
李丹
苏莉源
别亦白
陈家悦
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.)
CCCC FHDI Engineering Co Ltd
Original Assignee
CCCC FHDI Engineering 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 CCCC FHDI Engineering Co Ltd filed Critical CCCC FHDI Engineering Co Ltd
Priority to CN202310610755.2A priority Critical patent/CN116341990B/zh
Publication of CN116341990A publication Critical patent/CN116341990A/zh
Application granted granted Critical
Publication of CN116341990B publication Critical patent/CN116341990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基础设施工程知识管理评价方法和系统，包括：将获取的分级分层知识数据通过注意力计算和聚类计算提取关键词，将提取的关键词作为关键特征数据，通过关键特征数据对获取的分级分层知识数据进行筛选，得到相关性高的知识要素数据，再通过知识管理评价模型获取知识评价，同时更新知识管理评价模型的短期及长期记忆。本发明考虑了知识管理评价中的时间维度，根据周围知识的迭代更新来完善长期记忆的核心知识，同时采用注意力机制计算关键特征，降低了数据筛选的时间和数量，提高了得到知识评价的效率性和准确性。

Description

一种基础设施工程的知识管理评价方法及系统
技术领域
本发明涉及知识管理领域和知识评价领域，更具体的，涉及一种基础设施工程的知识管理评价方法及系统。
背景技术
知识管理不同与信息管理、档案管理，知识管理是要将企业知识保留、传递给有需要的人，在生产经营中创造价值，形成沉淀-共享-学习-应用-创新的循环链，知识管理是一个过程而不是一个结果，通常的知识管理评价一般是基于知识本身及其延伸内容进行评价，但是对于核心知识与周边知识迭代更新周期不一致时，往往会忽略同一知识不同时间维度的评价，造成知识失效、流失等。
各行各业的知识管理存在差异，尤其是基础设施行业，核心知识与周边知识迭代更新周期不一致，缺少知识评价方法会造成知识资产流失或资产浪费，尤其是近几年随着国家基建行业的大发展，知识数据在不断的积累、沉淀、更新、迭代，直接导致基础设施行业知识管理效率和效能低下。因此，解决匹配基础设施工程知识评价方法的知识管理系统，提高行业知识管理效率和效能是很重要的问题。
发明内容
本发明克服了现有技术的缺陷，提出了一种基础设施工程知识管理评价方法及系统，其主要目的在于提高知识管理的效率和效能。
为实现上述目的，本发明第一方面提供了一种基础设施工程知识管理评价方法，包括：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理；
通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征训练数据集；
基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型；
通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。
本方案中，所述获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理，具体为:
获取基于某一知识要素为核心的知识地图中的分级分层知识数据；
所述获取的分级分层知识数据为自然语言及文本语言，包括:知识图签、知识评价、发布时间、评论时间、调查问卷及时间；
对所述分级分层知识数据进行滤波和筛选预处理，消除无关数据信息。
本方案中，所述构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理，具体为：
提取当前时刻t的知识要素的特征知识要素数据，形成特征样本训练数据集;
对所述特征样本数据集中的特征知识要素数据进行线性变换，提取特征知识要素数据的特征值，形成特征样本矩阵；
对所述特征样本数据集中的特征知识要素数据进行离散处理，对特征要素数据进行离散化分段统计，提高数据区分度；
对特征知识要素数据集进性线性变换和离散处理，缩小数据之间的差异性，使数据分布趋于正态分布；
通过对所述特征知识要素数据进行线性变换，不改变原始数据的数值排序对特征知识要素数据进行标准化，将原始数据按比例进行处理，使数据分布在一个特定的区间内，使不同的特征具有相同的尺度，从而保证数据的可靠性。
本方案中，所述通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征训练数据集，具体为：
采用欧式聚类方法对获取的当前时刻t的分级分层知识数据进行分类，将相似的知识数据划分为同一类别；
通过注意力机制计算当前时刻t的特征知识要素数据,提取重要关键信息特征数据参数；
通过计算不同类别的查询向量、键向量和值向量之间的相似度，得到不同部分的权重值，计算出重要关键信息特征数据的加权和；
对输入的当前时刻t的知识要素数据创建查询向量、键向量和值向量，通过三个向量的相乘计算得到注意力计算分数，对计算得到的注意力计算分数进行排序，得到当前时刻t的知识要素数据的注意力分数排序表；
通过注意力聚焦方法提取注意力分数排序表的分数较高的得分数据，作为当前时刻t的关键特征数据；
将计算所得的数据构成关键特征训练数据集。
本方案中，所述基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型，具体为：
基于LSTM建立知识管理评价模型，通过特征样本训练数据集和关键特征样本训练数据集对所述知识管理评价模型进行深度的学习和训练；
以评论数量、评论正负性、留言和更新时序为权重进行特征权重计算，形成当前时刻t的知识要素数据的长短期记忆及特征权重参数；
采用Gabor滤波器对所述特征权重计算过程中的权重数据进行降噪处理；
采用调整的非线性激活函数relu训练长短期记忆神经网络模型，使长短期记忆神经网络模型的收敛速度维持稳定；
本方案中，所述通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数，具体为：
对当前时刻t的知识要素数据进行线性变换计算处理，得到当前时刻t的特征样本矩阵，更新知识管理评价模型的短期记忆及长期记忆参数；
将不随时间变化的核心知识作为长期记忆，将随时间变化的周边知识作为短期记忆。
本方案中，所述获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型，具体为：
获取下一时刻t+1的知识要素数据，通过欧式聚类将相似类别的知识要素数据进行分类，得到不同类别的下一时刻t+1知识要素数据；
对所述的不同类别的下一时刻t+1知识要素数据进行注意力计算，提取不同类别的下一时刻t+1知识要素数据的关键特征数据，构成t+1时刻的关键特征数据集；
提取下一时刻t+1的知识要素的特征知识要素数据，形成t+1时刻的特征数据集；
将所述t+1时刻的特征数据集和关键特征数据集输入至知识管理评价模型。
本方案中，所述获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆，具体为：
通过下一时刻t+1的特征数据集和关键特征数据集与知识管理模型中的短期及长期记忆构成知识时序上的关联和联系；
通过不同时刻对同一知识要素的不同知识特征，得到知识评价；
根据输入的相同知识要素的不同时刻的知识要素数据集，迭代更新短期记忆和长期记忆。
本发明第二方面公布了一种基础设施工程知识管理评价系统，该系统包括：存储器、处理器，所述存储器中包括用于基础设施工程知识管理评价方法程序，所述用于基础设施工程知识管理评价方法程序被所述处理器执行时实现如下步骤：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征数据集；
通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理评价模型的短期记忆和长期记忆。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括用于基础设施工程知识管理评价方法程序，所述用于基础设施工程知识管理评价方法程序被处理器执行时，实现如上述任一项所述的用于红外热成像仪的特征分析方法的步骤。
本发明公开了一种基础设施工程知识管理评价方法及系统，其中一种基础设施工程知识管理评价方法包括：获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理；通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征训练数据集；基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型；通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。通过对同一知识不同时间为维度的迭代更新，形成积累、沉淀、更新、迭代的有效循环，保障了知识的时效性，同时提高了知识评价的准确性。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案，下面将对实施例或示例性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，还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种基础设施工程知识管理评价方法流程图；
图2为本发明一实施例提供的一种基础设施工程知识管理评价方法的注意力计算方法流程图；
图3为本发明一实施例提供的一种基础设施工程知识管理评价模型的数据处理流程图；
图4为本发明一实施例提供的一种基础设施工程知识管理评价系统的结构图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种基础设施工程知识管理评价方法流程图；
如图1所示，本发明提供了一种基础设施工程知识管理评价方法流程图，包括：
S102，获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
获取基于某一知识要素为核心的知识地图中的分级分层知识数据；
所述获取的分级分层知识数据为自然语言及文本语言，包括:知识图签、知识评价、发布时间、评论时间、调查问卷及时间；
对所述分级分层知识数据进行滤波和筛选预处理，消除无关数据信息。
S104，构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理；
提取当前时刻t的知识要素的特征知识要素数据，形成特征样本训练数据集;
对所述特征样本数据集中的特征知识要素数据进行线性变换，提取特征知识要素数据的特征值，形成特征样本矩阵；
对所述特征样本数据集中的特征知识要素数据进行离散处理，对特征要素数据进行离散化分段统计，提高数据区分度；
对特征知识要素数据集进性线性变换和离散处理，缩小数据之间的差异性，使数据分布趋于正态分布；
S106，通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征训练数据集；
采用欧式聚类方法对获取的当前时刻t的分级分层知识数据进行分类，将相似的知识数据划分为同一类别；
通过注意力机制计算当前时刻t的特征知识要素数据,提取重要关键信息特征数据参数；
通过计算不同类别的查询向量、键向量和值向量之间的相似度，得到不同部分的权重值，计算出重要关键信息特征数据的加权和；
对输入的当前时刻t的知识要素数据创建查询向量、键向量和值向量，通过三个向量的相乘计算得到注意力计算分数，对计算得到的注意力计算分数进行排序，得到当前时刻t的知识要素数据的注意力分数排序表；
通过注意力聚焦方法提取注意力分数排序表的分数较高的得分数据，作为当前时刻t的关键特征数据；
将计算所得的数据构成关键特征训练数据集。
进一步的，注意力机制计算分为注意力得分计算和注意力聚焦计算两部分，对某一时刻的知识要素数据进行注意力得分计算，计算得到某一时刻的知识要素数据的注意力得分，将所述注意力得分进行排序，得到某一时刻的知识要素数据的注意力分数排序表，通过注意力聚焦计算，得到某一时刻的知识要素数据中注意力得分较高的数据，作为某一时刻的关键特征数据，通过关键特征数据的计算提高了知识评价模型的数据分析和比对速度。
S108，基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型；
于LSTM建立知识管理评价模型，通过特征样本训练数据集和关键特征样本训练数据集对所述知识管理评价模型进行深度的学习和训练；
以评论数量、评论正负性、留言和更新时序为权重进行特征权重计算，形成当前时刻t的知识要素数据的长短期记忆及特征权重参数；
采用Gabor滤波器对所述特征权重计算过程中的权重数据进行降噪处理；
采用调整的非线性激活函数relu训练长短期记忆神经网络模型，使长短期记忆神经网络模型的收敛速度维持稳定
S110，通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
对当前时刻t的知识要素数据进行线性变换计算处理，得到当前时刻t的特征样本矩阵，更新知识管理评价模型的短期记忆及长期记忆参数；
将不随时间变化的核心知识作为长期记忆，将随时间变化的周边知识作为短期记忆。
S112，获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获取下一时刻t+1的知识要素数据，通过欧式聚类将相似类别的知识要素数据进行分类，得到不同类别的下一时刻t+1知识要素数据；
对所述的不同类别的下一时刻t+1知识要素数据进行注意力计算，提取不同类别的下一时刻t+1知识要素数据的关键特征数据，构成t+1时刻的关键特征数据集；
提取下一时刻t+1的知识要素的特征知识要素数据，形成t+1时刻的特征数据集；
将所述t+1的时刻特征数据集和关键特征数据集输入至知识管理评价模型。
S114，获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。
通过下一时刻t+1的特征数据集和关键特征数据集与知识管理模型中的短期及长期记忆构成知识时序上的关联和联系；
通过不同时刻对同一知识要素的不同知识特征，得到知识评价；
根据输入的相同知识要素的不同时刻的知识要素数据集，迭代更新短期记忆和长期记忆。
需要说明的是，采用注意力机制计算出某一基础设施工程某一时刻的知识要素数据的关键特征数据，作为数据分析的关键特征，输入至知识管理评价模型中，能够有效的根据知识要素数据的关键特征检索匹配相关信息，提高信息匹配的速率，减少知识管理评价模型的计算量。
需要说明的是，通过对下一时刻t+1的知识要素数据的特征数据和关键特征数据的计算提取，输入至知识管理评价模型中与上一时刻t的特征数据和关键特征数据进行对比计算，通过不同时刻的特征数据和关键特征数据的时序上的关系和联系，对比计算得到知识评价，同时对知识管理评价模型中的短期记忆和长期记忆进行迭代更新，体现了知识评价的时效性和有效性。
图2为本发明一实施例提供的一种基础设施工程知识管理评价方法的注意力计算方法流程图；
如图2所示，本发明提供了一种基础设施工程知识管理评价方法的注意力计算方法流程图，包括：
S202，获得当前时刻t的知识要素数据；
S204，通过欧式聚类对所述当前时刻t的知识要素数据分类处理；
S206，对不同类别的知识要素数据进行注意力得分计算；
S208，根据计算所得的注意力得分，按照所述的注意力得分进行排序；
S210，通过注意力聚焦方法提取注意力得分较高的数据，作为当前时刻t的关键特征数据；
进一步的，在注意力得分计算中，计算出知识要素的数据的注意力得分后，通过注意力聚焦计算得到的得分较高的数据，将注意得分计算后的数据与预设阈值对比，根据计算后的注意力得分数据与与谁阈值的大小关系判断计算的数据是否为关键特征数据；
需要说明的是，注意力得分计算是针对知识要素数据的关键词特征的计算，通过计算知识要素数据中的有效关键词的占有量得出注意力得分，注意力聚焦计算是针对知识要素数据中的关键词的抓取计算，通过锁定知识要素数据中的关键词，聚焦注意力得分较高的关键词，得到重要关键词数据，通过对知识要素数据的关键词提取计算，得到关键特征数据与特征数据进行匹配计算时，快速的抓取有效信息，提高信息的匹配速率，避免知识管理评价模型计算量过大的问题，提高得出知识评价的准确性和效率性。
图3为本发明一实施例提供的一种基础设施工程知识管理评价模型的数据处理流程图；
如图3所示，本发明提供了一种基础设施工程知识管理评价模型的数据处理流程图，包括：
S302，输入当前时刻某一基础设施工程的知识要素数据和关键特征知识要素数据；
S304，遗忘门确定上一时刻需要遗忘的基础设施工程的知识要素数据；
S306，输入门输入当前时刻新的知识要素数据；
S308，根据新的知识要素数据更新短期记忆单元及长期记忆单元；
S310，输出门根据上一时刻与当前时刻的基础设施工程的知识要素数据的时序上的关联进行判断；
S312，输出当前时刻某一基础设施工程的知识评价；
需要说明的是，通过采用调整的非线性激活函数relu，最大化的发挥神经元的筛选能力，在使用梯度下降法对知识管理评价模型进行收敛时，使迭代更新的参数变化减少，减缓网络收敛的速率，提高知识管理评价模型的非线性整合能力；通过调整的非线性激活函数relu的使用，在网络前向传播的过程中，只激活相关神经元，提高了网络的稀疏性，降低对于信息数据的计算量，从而提高运算效率。
需要说明的是，知识管理评价模型通过输入的关键特征知识要素数据对输入的当前时刻某一基础设施工程的知识要素数据进行筛选，通过关键特征的有选择性的进行数据提取，忽略无关信息，提高了知识管理评价模型的数据处理能力，减少了筛选时间，提高得出知识评价的效率。
需要说明的是，知识管理评价模型通过当前时刻的知识要素数据，根据通过学习新的知识要素数据，调整每个神经元的权重参数，来学习新的知识要素数据；通过遗忘门先确定上一时刻需要遗忘的知识要素数据，根据新输入的知识要素数据与之前记忆的知识要素进行比对判断，通过当前时刻和上一时刻的相同元素的不同知识要素之间的时序上的联系与差异，得到当前时刻某一基础设施工程的知识评价，同时根据不同时刻相同知识要素的数据差异对知识管理评价模型中的短期记忆和长期记忆进行迭代更新，体现了知识管理评价的时序性和时效性，保证知识要素数据的短期记忆和长期记忆始终与当前时刻的知识要素数据相同。
图4为本发明一实施例提供的一种基础设施工程知识管理评价系统的结构图；
如图4所示，本发明提供了一种基础设施工程知识管理评价系统4，包括：存储器41、处理器42，所述存储器中包括用于基础设施工程知识管理评价的方法程序，所述用于基础设施工程知识管理评价的方法程序被所述处理器执行时实现如下步骤：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征数据集；
通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。
需要说明的是，本发明中一种基础设施工程的知识管理评价方法程序被处理器42执行时，将获取的分级分层知识数据通过注意力计算和聚类计算提取关键词，将提取的关键词作为关键特征数据，通过关键特征数据对获取的分级分层知识数据进行筛选，得到相关性高的知识要素数据，再通过知识管理评价模型获取知识评价，同时更新短期记忆和长期记忆，进一步的提高了数据的筛选能力，减少了计算量，同时保证了知识评价的时效性和准确性。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基础设施工程知识管理评价方法，其特征在于，包括：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理；
通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征样本训练数据集；
基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型；
通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。
2.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理，具体包括：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据；
所述分级分层知识数据为自然语言及文本语言，包括:知识图签、知识评价、发布时间、评论时间、调查问卷及时间；
对所述获取的分级分层知识数据进行滤波和筛选预处理，消除无关数据信息。
3.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述构建特征样本训练数据集，对所述特征样本训练数据集进行线性变换和离散处理，具体包括：
提取当前时刻t的知识要素的特征知识要素数据，形成特征样本训练数据集;
对特征样本训练数据集中的特征知识要素数据进行线性变换，提取特征知识要素数据的特征值，形成特征样本矩阵；
对特征样本训练数据集中的特征知识要素数据进行离散处理，对特征要素数据进行离散化分段统计，提高数据区分度；
对特征知识要素数据集进性线性变换和离散处理，缩小数据之间的差异性，使数据分布趋于正态分布。
4.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征样本训练数据集，具体包括：
采用欧式聚类方法对获取的当前时刻t的分级分层知识数据进行分类，将相似的知识数据划分为同一类别；
通过注意力机制计算当前时刻t的特征知识要素数据,提取重要关键信息特征数据参数；
通过计算不同类别的查询向量、键向量和值向量之间的相似度，得到不同部分的权重值，计算出重要关键信息特征数据的加权和；
将计算所得的数据构成关键特征样本训练数据集。
5.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述基于LSTM建立知识管理评价模型，通过样本训练数据集对所述知识管理评价模型进行深度学习和训练，得到符合期望的知识管理评价模型，具体包括：
基于LSTM建立知识管理评价模型，通过特征样本训练数据集和关键特征样本训练数据集对所述知识管理评价模型进行深度的学习和训练；
以评论数量、评论正负性、留言和更新时序为权重进行特征权重计算，形成当前时刻t的知识要素数据的长短期记忆及特征权重参数；
采用Gabor滤波器对所述特征权重计算过程中的权重数据进行降噪处理；
采用调整的非线性激活函数relu训练长短期记忆神经网络模型，使长短期记忆神经网络模型的收敛速度维持稳定。
6.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述获得当前时刻t的特征样本矩阵，更新短期记忆参数和长期记忆参数，具体包括：
对当前时刻t的知识要素数据进行线性变换计算处理，得到当前时刻t的特征样本矩阵，更新知识管理评价模型的短期记忆及长期记忆参数；
将不随时间变化的核心知识作为长期记忆，将随时间变化的周边知识作为短期记忆。
7.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型，具体包括：
获取下一时刻t+1的知识要素数据，通过欧式聚类将相似类别的知识要素数据进行分类，得到不同类别的下一时刻t+1知识要素数据；
对所述的不同类别的下一时刻t+1知识要素数据进行注意力计算，提取不同类别的下一时刻t+1知识要素数据的关键特征数据，构成t+1时刻的关键特征数据集；
提取下一时刻t+1的知识要素的特征知识要素数据，形成t+1时刻的特征数据集；
将所述t+1时刻的特征数据集和关键特征数据集输入至知识管理评价模型。
8.根据权利要求1所述的一种基础设施工程知识管理评价方法，其特征在于，所述获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆，具体包括：
通过下一时刻t+1的特征数据集和关键特征数据集与知识管理模型中的短期及长期记忆构成知识时序上的关联和联系；
根据t时刻和t+1时刻的同一知识要素的不同知识特征，得到知识评价；
根据输入的相同知识要素的不同时刻的特征数据集，迭代更新短期记忆和长期记忆。
9.一种基础设施工程知识管理评价系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括用于基础设施工程知识管理评价的方法程序，所述用于基础设施工程知识管理评价方法程序被所述处理器执行时实现如下步骤：
获取基于某一知识要素为核心的知识地图中的分级分层知识数据，对所述分级分层知识数据进行预处理；
通过注意力机制计算得到当前时刻t的关键特征知识要素数据，构成关键特征样本训练数据集；
通过知识管理评价模型获得当前时刻t的特征样本矩阵，更新当前时刻t的短期记忆参数和长期记忆参数；
获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型；
获得下一时刻t+1的知识打分和评价，同时迭代更新知识管理模型的短期记忆和长期记忆。
10.根据权利要求9所述的一种基础设施工程知识管理评价系统，其特征在于，所述获取下一时刻t+1的知识要素数据，对所述下一时刻t+1的知识要素数据进行聚类处理和注意力计算，得到下一时刻t+1的数据集，输入至知识管理评价模型，具体包括：
获取下一时刻t+1的知识要素数据，通过欧式聚类将相似类别的知识要素数据进行分类，得到不同类别的下一时刻t+1知识要素数据；
对所述的不同类别的下一时刻t+1知识要素数据进行注意力计算，提取不同类别的下一时刻t+1知识要素数据的关键特征数据，构成t+1时刻的关键特征数据集；
提取下一时刻t+1的知识要素的特征知识要素数据，形成t+1时刻的特征数据集；
将所述t+1时刻的特征数据集和关键特征数据集输入至知识管理评价模型。
CN202310610755.2A 2023-05-29 2023-05-29 一种基础设施工程的知识管理评价方法及系统 Active CN116341990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310610755.2A CN116341990B (zh) 2023-05-29 2023-05-29 一种基础设施工程的知识管理评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310610755.2A CN116341990B (zh) 2023-05-29 2023-05-29 一种基础设施工程的知识管理评价方法及系统

Publications (2)

Publication Number Publication Date
CN116341990A CN116341990A (zh) 2023-06-27
CN116341990B true CN116341990B (zh) 2023-08-04

Family

ID=86880720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310610755.2A Active CN116341990B (zh) 2023-05-29 2023-05-29 一种基础设施工程的知识管理评价方法及系统

Country Status (1)

Country Link
CN (1) CN116341990B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457442A (zh) * 2019-08-09 2019-11-15 国家电网有限公司 面向智能电网客服问答的知识图谱构建方法
CN114266340A (zh) * 2021-12-20 2022-04-01 江西师范大学 一种引入自注意力机制的知识查询网络模型
CN115544272A (zh) * 2022-10-27 2022-12-30 南京华苏科技有限公司 基于注意力机制的化工事故原因知识图谱构建方法
CN115982429A (zh) * 2023-03-21 2023-04-18 中交第四航务工程勘察设计院有限公司 一种基于流程控制的知识管理方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110173052A1 (en) * 2010-01-12 2011-07-14 Bank Of America Corporation Enhanced Knowledge Management
CN111353049A (zh) * 2020-02-24 2020-06-30 京东方科技集团股份有限公司 数据更新方法、装置、电子设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457442A (zh) * 2019-08-09 2019-11-15 国家电网有限公司 面向智能电网客服问答的知识图谱构建方法
CN114266340A (zh) * 2021-12-20 2022-04-01 江西师范大学 一种引入自注意力机制的知识查询网络模型
CN115544272A (zh) * 2022-10-27 2022-12-30 南京华苏科技有限公司 基于注意力机制的化工事故原因知识图谱构建方法
CN115982429A (zh) * 2023-03-21 2023-04-18 中交第四航务工程勘察设计院有限公司 一种基于流程控制的知识管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"群策群力 共建中交四航院知识管理体系";卢永昌;《中国勘察设计》;第42-46页 *

Also Published As

Publication number Publication date
CN116341990A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN108073568B (zh) 关键词提取方法和装置
CN112085565B (zh) 基于深度学习的信息推荐方法、装置、设备及存储介质
CN110458324B (zh) 风险概率的计算方法、装置和计算机设备
CN111767725B (zh) 一种基于情感极性分析模型的数据处理方法及装置
CN109933782B (zh) 用户情绪预测方法和装置
CN107885793A (zh) 一种微博热点话题分析预测方法及系统
CN108021582B (zh) 互联网舆情监控方法及装置
CN110287292B (zh) 一种裁判量刑偏离度预测方法及装置
CN114780831A (zh) 基于Transformer的序列推荐方法及系统
CN113762392A (zh) 基于人工智能的理财产品推荐方法、装置、设备及介质
CN114416969B (zh) 一种基于背景增强的lstm-cnn在线评论情感分类方法及系统
CN116702059B (zh) 一种基于物联网的智能生产车间管理系统
CN113138977A (zh) 交易转化分析方法、装置、设备及存储介质
CN115982646B (zh) 一种基于云平台的多源测试数据的管理方法及系统
CN114764463A (zh) 基于事件传播特征的互联网舆情事件自动预警系统
CN116341990B (zh) 一种基础设施工程的知识管理评价方法及系统
CN111639494A (zh) 案件事理关系确定方法及系统
CN116167371A (zh) 产品的推荐方法及装置、处理器和电子设备
CN114511345B (zh) 基于“政策-舆论-购买”双阶深度学习的销量预测方法
CN113010664B (zh) 一种数据处理方法、装置及计算机设备
CN112069392B (zh) 涉网犯罪防控方法、装置、计算机设备及存储介质
CN111221941B (zh) 基于文本内容和行文风格的社交媒体谣言鉴别算法
CN114969511A (zh) 基于分片的内容推荐方法、设备及介质
CN115080732A (zh) 投诉工单处理方法、装置、电子设备和存储介质
CN111291198A (zh) 基于大数据的经济形势指数分析方法、系统及计算机可读介质

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
GR01 Patent grant
GR01 Patent grant