CN117196354B - 一种多模态感知与领域图谱模型的智能决策方法 - Google Patents
一种多模态感知与领域图谱模型的智能决策方法 Download PDFInfo
- Publication number
- CN117196354B CN117196354B CN202311481023.4A CN202311481023A CN117196354B CN 117196354 B CN117196354 B CN 117196354B CN 202311481023 A CN202311481023 A CN 202311481023A CN 117196354 B CN117196354 B CN 117196354B
- Authority
- CN
- China
- Prior art keywords
- event
- node
- decision
- nodes
- event node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008447 perception Effects 0.000 title claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种多模态感知与领域图谱模型的智能决策方法，包括：对多模态感知信息进行换算统计得到第一事件统计表；基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点；基于关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型。
Description
技术领域
本发明涉及数据处理技术，尤其涉及一种多模态感知与领域图谱模型的智能决策方法。
背景技术
随着科技的不断发展，利用知识图谱对数据进行管理涉及各个领域。其中，电力领域中数据尤为庞大，知识图谱在电力领域发挥着重要的作用。现有技术中，电力领域的知识图谱只是对电力数据进行了收集和梳理，对数据进行结构化展示，方便用户对数据进行查看。然而，现有技术中的电力领域的知识图谱无法结合用户的需求来输出智能决策结果，无法为管理人员提供决策支持。
因此，如何结合用户的需求进行智能决策，以高效生成处理策略，为管理人员提供决策支持，成为了急需解决的问题。
发明内容
本发明实施例提供一种多模态感知与领域图谱模型的智能决策方法，可以结合用户的需求进行智能决策，以高效生成处理策略，为管理人员提供决策支持。
本发明实施例的第一方面，提供一种多模态感知与领域图谱模型的智能决策方法，包括：
获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表；
获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；
事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点；
事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；
事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型。
可选的，所述获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表，包括：
在判断任意模态的感知信息不在相应的阈值区间后，则判断其达到相对应的阈值条件；
确定被监测设备不在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和异常事件标签；
确定被监测设备在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和正常事件标签；
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类。
可选的，所述根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类，包括：
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，所述第一事件统计表内具有每个感知设备的种类相对应的单元格组；
将每个种类的第一事件填充至第一事件统计表内，并在判断第一事件具有异常事件标签后将相应的单元格组移动至第一事件统计表的前部；
在判断将所有的第一事件填充至第一事件统计表内后，确定相邻的具有异常事件标签的单元格组、正常事件标签的单元格组作为分隔单元格组；
基于分隔单元格组对所有单元格组在第一事件统计表内归类。
可选的，所述基于分隔单元格组对所有单元格组在第一事件统计表内归类，包括：
统计分隔单元格组中的具有异常事件标签的单元格组、以及在其前部的所有单元格组的数量规格生成相对应异常显示框体，基于所述异常显示框体将相应的单元格组在第一事件统计表内归类显示；
统计分隔单元格组中的具有正常事件标签的单元格组、以及在其后部的所有单元格组的数量规格生成相对应正常显示框体，基于所述正常显示框体将相应的单元格组在第一事件统计表内归类显示。
可选的，所述获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点，包括：
获取被监测设备所预先对应的领域标签， 基于所述领域标签遍历领域图谱模型中相对应的事件节点集合，所述领域图谱模型中的事件节点预先按照领域分为多个事件节点集合；
获取异常显示框体内各感知设备所对应的组合种类，将所述组合种类的感知设备的多个第一事件组合作为组合事件，每个感知设备具有预设的组合种类；
依次将组合事件、异常显示框体内未组合的第一事件与相对应的事件节点集合比对，得到相对应的第一事件节点。
可选的，所述根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点，包括：
确定每个第一事件节点在领域图谱模型中所连接的其他事件节点，将被第一事件节点所指向的其他事件节点作为待筛选事件节点，任意两个连接的事件节点之间具有指向关系；
确定待筛选事件节点中具有决策种类连接关系的待筛选事件节点作为第二事件节点，任意两个连接的事件节点之间具有预设的种类连接关系。
可选的，所述事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息，包括：
事件决策模型获取多个第二事件节点之间的节点对应关系，所述节点对应关系至少包括包含关系、非包含关系以及部分包含关系；
事件决策模型若判断存在具有包含关系的多个第二事件节点，则将被包含的第二事件节点剔除，提取所有非包含关系的第二事件节点内的决策知识内容得到第一部分决策信息；
事件决策模型若判断存在具有部分包含关系的多个第二事件节点，则确定部分包含关系中的相同的决策知识内容，提取所述部分包含的相同的决策知识内容得到第二部分决策信息，确定部分包含关系中不同的决策知识内容，提取所述部分包含的不同的决策知识内容得到第三部分决策信息；
事件决策模型将第一部分决策信息、第二部分决策信息以及第三部分决策信息合并生成智能决策信息。
可选的，所述事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型，包括：
事件决策模型对被监测设备的实际维修数据中的事件进行分析获取，得到至少一个第三事件；
若判断所述第三事件与第二事件节点不对应，则建立与第三事件相对应的第三事件节点；
若判断所述第三事件与第二事件节点相对应，则不建立与第三事件相对应的第三事件节点；
将所述第三事件节点与所述第一事件节点连接关系添加为第一事件节点指向第三事件节点，以及将所述第三事件节点与所述第一事件节点连接关系添加为决策种类连接关系。
可选的，所述将所述第三事件节点与所述第二事件节点连接关系添加为第二事件节点指向第三事件节点，以及将所述第三事件节点与所述第二事件节点连接关系添加为决策种类连接关系，包括：
若判断具有多个第一事件节点或具有多个第三事件节点，事件决策模型则基于第一事件节点、第三事件节点生成节点反馈表，所述节点反馈表中的第一事件节点和第三事件节点分别处于不同的列单元；
将所述节点反馈表反馈至管理人员并接收管理员对第一事件节点、第三事件节点的连接信息，所述连接信息用于将第一事件节点与第三事件节点连接；
事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系。
可选的，所述事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系，包括：
若判断所有的第一事件节点分别指向所有的第三事件节点，则对所有的第一事件节点组合建立新的第一事件节点，以及先前的第一事件节点的种类得到新的第一事件节点的组合种类；
对所有的第三事件节点组合建立新的第三事件节点，将新的第一事件节点与新的第三事件节点建立相对应的连接关系。
本发明实施例的第二方面，提供一种多模态感知与领域图谱模型的智能决策装置，包括：
统计模块，用于获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表；
遍历模块，用于获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；
确定模块，用于事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点；
决策模块，用于事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；
调整模块，用于事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型。
本发明实施例的第三方面，提供一种电子设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能涉及的所述方法。
本发明实施例的第四方面，提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明提出了一种多模态感知与领域图谱模型的智能决策方法，通过多模态感知信息进行统计，并结合领域标签确定领域图谱模型中相对应的事件节点集合，然后利用事件决策模型确定具有决策知识内容的第二事件节点，并对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，剔除和/或合并相对应的第二事件节点生成智能决策信息。本发明综合利用多模态感知信息和领域图谱模型，可以结合用户的需求进行智能决策，高效生成处理策略，为管理人员提供决策支持。另外，本发明还可以实现与管理人员的互动，以根据实际维修数据动态调整领域图谱模型，从而提高决策的准确性和实时性。
附图说明
图1是本发明实施例提供的一种多模态感知与领域图谱模型的智能决策方法的流程示意图；
图2是本发明实施例提供的一种多模态感知与领域图谱模型的智能决策装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的一种多模态感知与领域图谱模型的智能决策方法的流程示意图，该方法包括S1-S5：
S1，获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表。
其中，被监测设备可以是电力设备，例如是变压器等，多模态感知设备例如是温度感知设备、湿度感知设备、振动感知设备等等，可以通过多模态感知设备来获取多模态感知信息。在得到多模态感知信息后，本方案会在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表。
在一些实施例中，所述获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表，包括S11-S14：
S11，在判断任意模态的感知信息不在相应的阈值区间后，则判断其达到相对应的阈值条件。
在判断任意模态的感知信息不在相应的阈值区间后，说明有感知信息处于异常，此时，本方案会判断其达到相对应的阈值条件。值得一提的是，多模态感知信息可以有多个，在一个多模态感知信息不在阈值区间内时，就判断达到阈值条件。
S12，确定被监测设备不在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和异常事件标签。
本方案会确定被监测设备不在相应阈值区间的感知信息，然后将其换算为与感知信息种类所对应的第一事件和异常事件标签。第一事件例如是温度过高，同时为其添加异常事件标签。
S13，确定被监测设备在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和正常事件标签。
本方案会确定被监测设备在相应阈值区间的感知信息，也就是正常的多模态感知信息，然后将其换算为与感知信息种类所对应的第一事件和正常事件标签。例如，第一事件为振动正常，并为其添加正常事件标签。
S14，根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类。
本方案会结合监测设备所对应感知设备的种类，填充生成相对应的第一事件统计表，然后将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类。
其中，根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类，包括S141-S144：
S141，根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，所述第一事件统计表内具有每个感知设备的种类相对应的单元格组。
首先，本方案会根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，感知设备的种类例如为温度感知设备、振动感知设备等，其中，第一事件统计表内具有每个感知设备的种类相对应的单元格组。
S142，将每个种类的第一事件填充至第一事件统计表内，并在判断第一事件具有异常事件标签后将相应的单元格组移动至第一事件统计表的前部。
本方案会将每个种类的第一事件填充至第一事件统计表内，并在判断第一事件具有异常事件标签后将相应的单元格组移动至第一事件统计表的前部。可以理解的是，通过该方式，可以使得异常的数据位于第一事件统计表的前部位置。
S143，在判断将所有的第一事件填充至第一事件统计表内后，确定相邻的具有异常事件标签的单元格组、正常事件标签的单元格组作为分隔单元格组。
本方案在判断将所有的第一事件填充至第一事件统计表内后，会确定相邻的具有异常事件标签的单元格组、正常事件标签的单元格组作为分隔单元格组。也就是异常事件作为一组，正常事件作为一组。
S144，基于分隔单元格组对所有单元格组在第一事件统计表内归类。
本方案会结合分隔单元格组对所有单元格组在第一事件统计表内归类。
其中，基于分隔单元格组对所有单元格组在第一事件统计表内归类，包括：
统计分隔单元格组中的具有异常事件标签的单元格组、以及在其前部的所有单元格组的数量规格生成相对应异常显示框体，基于所述异常显示框体将相应的单元格组在第一事件统计表内归类显示。
首先，本方案会统计分隔单元格组中的具有异常事件标签的单元格组，同时，统计在其前部的所有单元格组的数量规格生成相对应异常显示框体，可以理解的是，每个数量规格都对应有相应的异常显示框体，还可以理解的是，数量规格为2的异常显示框体大于数量规格为1的异常显示框体。本方案会结合异常显示框体将相应的单元格组在第一事件统计表内归类显示。也就是通过异常显示框体将异常事件标签的单元格组框中。
统计分隔单元格组中的具有正常事件标签的单元格组、以及在其后部的所有单元格组的数量规格生成相对应正常显示框体，基于所述正常显示框体将相应的单元格组在第一事件统计表内归类显示。
同理，本方案会以相同的方式生成正常显示框体，对正常事件标签的单元格组进行框中。
S2，获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点。
本方案会获取被监测设备所对应的领域标签，领域标签例如是变压器领域、互感器领域等。结合领域标签确定领域图谱模型中相对应的事件节点集合，然后利用第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点，通过上述方式，可以找到第一事件统计表所对应的第一事件节点。
在一些实施例中，所述获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点，包括S21-S23：
S21，获取被监测设备所预先对应的领域标签，基于所述领域标签遍历领域图谱模型中相对应的事件节点集合，所述领域图谱模型中的事件节点预先按照领域分为多个事件节点集合。
本方案会确定被监测设备所预先对应的领域标签， 然后结合领域标签遍历领域图谱模型中相对应的事件节点集合。值得一提的是，领域图谱模型中的事件节点预先按照领域标签分为多个事件节点集合。
S22，获取异常显示框体内各感知设备所对应的组合种类，将所述组合种类的感知设备的多个第一事件组合作为组合事件，每个感知设备具有预设的组合种类。
值得一提的是，在一些情况下，为了进行智能判断，需要结合多个维度的数据进行综合判断，因此，本方案会确定感知设备的组合种类，然后将组合种类的感知设备的多个第一事件组合为组合事件，进行多维度融合判断，每个感知设备具有预设的组合种类。
示例性的，组合种类可以是温度和电压的组合、温度和湿度的组合等，例如，针对温度和电压的组合，在温度过高且电压过高时，说明是因为电压过高而引起的温度过高。上述仅以两个维度的数据组合示例说明，并不限于两个数据。
S23，依次将组合事件、异常显示框体内未组合的第一事件与相对应的事件节点集合比对，得到相对应的第一事件节点。
在一些情况下，异常显示框体内还会存在未组合的第一事件，此时，本方案会依次将组合事件、异常显示框体内未组合的第一事件与相对应的事件节点集合比对，匹配到相对应的第一事件节点。第一事件例如是电压过高，那么第一事件节点可以是电压过高对应的事件节点。
S3，事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点。
本方案的事件决策模型会利用每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，决策知识内容可以是相关的解决问题的内容。其中，每个第一事件节点对应至少一个第二事件节点。例如，电压过高的第一事件节点所对应的第二事件节点可以是调低工作电压。
在一些实施例中，所述根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点，包括S31-S32：
S31，确定每个第一事件节点在领域图谱模型中所连接的其他事件节点，将被第一事件节点所指向的其他事件节点作为待筛选事件节点，任意两个连接的事件节点之间具有指向关系。
本方案会确定每个第一事件节点在领域图谱模型中所连接的其他事件节点。
值得一提的是，本方案会将被第一事件节点所指向的其他事件节点作为待筛选事件节点，任意两个连接的事件节点之间具有指向关系，指向第一事件节点的不作为待筛选事件节点。
S32，确定待筛选事件节点中具有决策种类连接关系的待筛选事件节点作为第二事件节点，任意两个连接的事件节点之间具有预设的种类连接关系。
本方案会确定待筛选事件节点中具有决策种类连接关系的待筛选事件节点作为第二事件节点，其中，任意两个连接的事件节点之间具有预设的种类连接关系。值得一提的是，任意两个连接的事件节点之间具有预设的种类连接关系可以包括多种种类，例如，决策种类，也就是解决方案；又例如，补充种类，也就是对第一事件节点的含义的补充。本方案会挑选出具有决策种类连接关系的待筛选事件节点作为第二事件节点，以用户输出智能结果。
S4，事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息。
事件决策模型会对所有第二事件节点的决策知识内容进行关系统计，得到关系统计结果，并结合关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息，具体详见下文。
在一些实施例中，所述事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息，包括S41-S44：
S41，事件决策模型获取多个第二事件节点之间的节点对应关系，所述节点对应关系至少包括包含关系、非包含关系以及部分包含关系。
事件决策模型会获取多个第二事件节点之间的节点对应关系，其中，节点对应关系至少包括包含关系、非包含关系以及部分包含关系。
一示例性的，针对温度过高的第一事件节点而言，其对应两个第二事件节点，分别是“打开排风扇+降低电压”和“打开排风扇”，此时，二者之间为包含关系。
另一示例性的，针对温度过高的第一事件节点而言，其对应两个第二事件节点，分别是“降低电压”和“打开排风扇”，此时，二者之间为非包含关系。
又一示例性的，针对温度过高的第一事件节点而言，其对应两个第二事件节点，分别是“打开排风扇+降低电压”和“打开排风扇+打开设备机箱盖”，此时，二者之间为部分包含关系。
S42，事件决策模型若判断存在具有包含关系的多个第二事件节点，则将被包含的第二事件节点剔除，提取所有非包含关系的第二事件节点内的决策知识内容得到第一部分决策信息。
本方案的事件决策模型如果判断存在具有包含关系的多个第二事件节点，则将被包含的第二事件节点剔除，提取所有非包含关系的第二事件节点内的决策知识内容得到第一部分决策信息。例如，将“打开排风扇”的第二事件节点删除，第一部分决策信息为“打开排风扇+降低电压”。
S43，事件决策模型若判断存在具有部分包含关系的多个第二事件节点，则确定部分包含关系中的相同的决策知识内容，提取所述部分包含的相同的决策知识内容得到第二部分决策信息，确定部分包含关系中不同的决策知识内容，提取所述部分包含的不同的决策知识内容得到第三部分决策信息。
事件决策模型如果判断存在具有部分包含关系的多个第二事件节点，则确定部分包含关系中的相同的决策知识内容，提取所述部分包含的相同的决策知识内容得到第二部分决策信息，第二部分决策信息例如是“打开排风扇”。
同时，确定部分包含关系中不同的决策知识内容，提取所述部分包含的不同的决策知识内容得到第三部分决策信息。第三部分决策信息例如是“降低电压”和“打开设备机箱盖”。
S44，事件决策模型将第一部分决策信息、第二部分决策信息以及第三部分决策信息合并生成智能决策信息。
本方案的事件决策模型将第一部分决策信息、第二部分决策信息以及第三部分决策信息合并生成智能决策信息。
需要说明的是，本方案通过上述方式，可以结合第二事件节点之间的关系，对输出的结果进行二次处理，得到不具有重复关系的智能决策信息，使得决策信息更加智能，更高效的协助用户处理问题。
S5，事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型。
在一些实施例中，所述事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型，包括S51-S54：
S51，事件决策模型对被监测设备的实际维修数据中的事件进行分析获取，得到至少一个第三事件。
本方案的事件决策模型还对被监测设备的实际维修数据中的事件进行分析获取，得到至少一个第三事件。可以理解的是，实际维修数据与输出的智能决策信息可能一样，也可能不一样，本方案会得到智能决策信息进行分析，得到第三事件。
S52，若判断所述第三事件与第二事件节点不对应，则建立与第三事件相对应的第三事件节点。
如果判断第三事件与第二事件节点不对应，则本方案会建立与第三事件相对应的第三事件节点，进行数据的补充和更新。
S53，若判断所述第三事件与第二事件节点相对应，则不建立与第三事件相对应的第三事件节点。
若判断所述第三事件与第二事件节点相对应，则不建立与第三事件相对应的第三事件节点。也就是无需进行数据的更新。
S54，将所述第三事件节点与所述第一事件节点连接关系添加为第一事件节点指向第三事件节点，以及将所述第三事件节点与所述第一事件节点连接关系添加为决策种类连接关系。
本方案会将第三事件节点与第一事件节点连接关系添加为第一事件节点指向第三事件节点，以及将第三事件节点与所述第一事件节点连接关系添加为决策种类连接关系。以在后续进行数据查询时，可以查到相应的第三事件节点。
其中，将所述第三事件节点与所述第二事件节点连接关系添加为第二事件节点指向第三事件节点，以及将所述第三事件节点与所述第二事件节点连接关系添加为决策种类连接关系，包括S541-S543：
S541，若判断具有多个第一事件节点或具有多个第三事件节点，事件决策模型则基于第一事件节点、第三事件节点生成节点反馈表，所述节点反馈表中的第一事件节点和第三事件节点分别处于不同的列单元。
如果判断具有多个第一事件节点或具有多个第三事件节点，事件决策模型会基于第一事件节点、第三事件节点生成节点反馈表，利用节点反馈表对节点进行梳理。其中，节点反馈表中的第一事件节点和第三事件节点分别处于不同的列单元。
S542，将所述节点反馈表反馈至管理人员并接收管理员对第一事件节点、第三事件节点的连接信息，所述连接信息用于将第一事件节点与第三事件节点连接。
本方案会将节点反馈表反馈至管理人员并接收管理员对第一事件节点、第三事件节点的连接信息，其中，连接信息用于将第一事件节点与第三事件节点连接。可以理解的是，通过上述方式，可以供管理人员进行交互，实现第一事件节点与第三事件节点的主动连接。
S543，事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系。
本方案的事件决策模型会结合节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系。
在一些实施例中，事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系，包括：
若判断所有的第一事件节点分别指向所有的第三事件节点，则对所有的第一事件节点组合建立新的第一事件节点，以及先前的第一事件节点的种类得到新的第一事件节点的组合种类。
如果判断所有的第一事件节点分别指向所有的第三事件节点，则本方案会对所有的第一事件节点组合建立新的第一事件节点，同时将先前的第一事件节点的种类得到新的第一事件节点的组合种类。
对所有的第三事件节点组合建立新的第三事件节点，将新的第一事件节点与新的第三事件节点建立相对应的连接关系。
本方案会对所有的第三事件节点组合建立新的第三事件节点，然后将新的第一事件节点与新的第三事件节点建立相对应的连接关系。通过上述方式，实现数据的更新。
参见图2，是本发明实施例提供的一种多模态感知与领域图谱模型的智能决策装置的结构示意图，该装置包括：
统计模块，用于获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表；
遍历模块，用于获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；
确定模块，用于事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点；
决策模块，用于事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；
调整模块，用于事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型。
本发明实施例提供一种电子设备，该电子设备包括：处理器、存储器和计算机程序；其中
存储器，用于存储所述计算机程序，该存储器还可以是闪存（flash）。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器，用于执行所述存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器既可以是独立的，也可以跟处理器集成在一起。
当所述存储器是独立于处理器之外的器件时，所述设备还可以包括：
总线，用于连接所述存储器和处理器。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种多模态感知与领域图谱模型的智能决策方法，其特征在于，包括：
获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表；
获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；
事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点；
事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；
事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型；
所述获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表，包括：
在判断任意模态的感知信息不在相应的阈值区间后，则判断其达到相对应的阈值条件；
确定被监测设备不在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和异常事件标签；
确定被监测设备在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和正常事件标签；
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类；
所述根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类，包括：
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，所述第一事件统计表内具有每个感知设备的种类相对应的单元格组；
将每个种类的第一事件填充至第一事件统计表内，并在判断第一事件具有异常事件标签后将相应的单元格组移动至第一事件统计表的前部；
在判断将所有的第一事件填充至第一事件统计表内后，确定相邻的具有异常事件标签的单元格组、正常事件标签的单元格组作为分隔单元格组；
基于分隔单元格组对所有单元格组在第一事件统计表内归类；
所述基于分隔单元格组对所有单元格组在第一事件统计表内归类，包括：
统计分隔单元格组中的具有异常事件标签的单元格组、以及在其前部的所有单元格组的数量规格生成相对应异常显示框体，基于所述异常显示框体将相应的单元格组在第一事件统计表内归类显示；
统计分隔单元格组中的具有正常事件标签的单元格组、以及在其后部的所有单元格组的数量规格生成相对应正常显示框体，基于所述正常显示框体将相应的单元格组在第一事件统计表内归类显示；
所述获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点，包括：
获取被监测设备所预先对应的领域标签， 基于所述领域标签遍历领域图谱模型中相对应的事件节点集合，所述领域图谱模型中的事件节点预先按照领域分为多个事件节点集合；
获取异常显示框体内各感知设备所对应的组合种类，将所述组合种类的感知设备的多个第一事件组合作为组合事件，每个感知设备具有预设的组合种类；依次将组合事件、异常显示框体内未组合的第一事件与相对应的事件节点集合比对，得到相对应的第一事件节点；
所述根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点，包括：
确定每个第一事件节点在领域图谱模型中所连接的其他事件节点，将被第一事件节点所指向的其他事件节点作为待筛选事件节点，任意两个连接的事件节点之间具有指向关系；
确定待筛选事件节点中具有决策种类连接关系的待筛选事件节点作为第二事件节点，任意两个连接的事件节点之间具有预设的种类连接关系；
所述事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息，包括：
事件决策模型获取多个第二事件节点之间的节点对应关系，所述节点对应关系至少包括包含关系、非包含关系以及部分包含关系；
事件决策模型若判断存在具有包含关系的多个第二事件节点，则将被包含的第二事件节点剔除，提取所有非包含关系的第二事件节点内的决策知识内容得到第一部分决策信息；
事件决策模型若判断存在具有部分包含关系的多个第二事件节点，则确定部分包含关系中的相同的决策知识内容，提取所述部分包含的相同的决策知识内容得到第二部分决策信息，确定部分包含关系中不同的决策知识内容，提取所述部分包含的不同的决策知识内容得到第三部分决策信息；
事件决策模型将第一部分决策信息、第二部分决策信息以及第三部分决策信息合并生成智能决策信息；
所述事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型，包括：
事件决策模型对被监测设备的实际维修数据中的事件进行分析获取，得到至少一个第三事件；
若判断所述第三事件与第二事件节点不对应，则建立与第三事件相对应的第三事件节点；
若判断所述第三事件与第二事件节点相对应，则不建立与第三事件相对应的第三事件节点；
将所述第三事件节点与所述第一事件节点连接关系添加为第一事件节点指向第三事件节点，以及将所述第三事件节点与所述第一事件节点连接关系添加为决策种类连接关系。
2.根据权利要求1所述的多模态感知与领域图谱模型的智能决策方法，其特征在于，
所述将所述第三事件节点与所述第二事件节点连接关系添加为第二事件节点指向第三事件节点，以及将所述第三事件节点与所述第二事件节点连接关系添加为决策种类连接关系，包括：
若判断具有多个第一事件节点或具有多个第三事件节点，事件决策模型则基于第一事件节点、第三事件节点生成节点反馈表，所述节点反馈表中的第一事件节点和第三事件节点分别处于不同的列单元；
将所述节点反馈表反馈至管理人员并接收管理员对第一事件节点、第三事件节点的连接信息，所述连接信息用于将第一事件节点与第三事件节点连接；
事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系。
3.根据权利要求2所述的多模态感知与领域图谱模型的智能决策方法，其特征在于，
所述事件决策模型基于节点反馈表中第三事件节点与第一事件节点的连接，同步在领域图谱模型进行建立相对应的连接关系，包括：
若判断所有的第一事件节点分别指向所有的第三事件节点，则对所有的第一事件节点组合建立新的第一事件节点，以及先前的第一事件节点的种类得到新的第一事件节点的组合种类；
对所有的第三事件节点组合建立新的第三事件节点，将新的第一事件节点与新的第三事件节点建立相对应的连接关系。
4.一种多模态感知与领域图谱模型的智能决策装置，其特征在于，包括：
统计模块，用于获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表；
遍历模块，用于获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点；
确定模块，用于事件决策模型根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点；
决策模块，用于事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息；
调整模块，用于事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型；
所述获取被监测设备所对应的多模态感知设备的多模态感知信息，在判断任意模态的感知信息达到相对应的阈值条件后，则对多模态感知信息进行换算统计得到第一事件统计表，包括：
在判断任意模态的感知信息不在相应的阈值区间后，则判断其达到相对应的阈值条件；
确定被监测设备不在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和异常事件标签；
确定被监测设备在相应阈值区间的感知信息，换算为与感知信息种类所对应的第一事件和正常事件标签；
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类；
所述根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，将每个种类的第一事件填充至第一事件统计表内，并根据异常事件标签或正常事件标签对第一事件在第一事件统计表内归类，包括：
根据监测设备所对应感知设备的种类填充生成相对应的第一事件统计表，所述第一事件统计表内具有每个感知设备的种类相对应的单元格组；
将每个种类的第一事件填充至第一事件统计表内，并在判断第一事件具有异常事件标签后将相应的单元格组移动至第一事件统计表的前部；
在判断将所有的第一事件填充至第一事件统计表内后，确定相邻的具有异常事件标签的单元格组、正常事件标签的单元格组作为分隔单元格组；
基于分隔单元格组对所有单元格组在第一事件统计表内归类；
所述基于分隔单元格组对所有单元格组在第一事件统计表内归类，包括：
统计分隔单元格组中的具有异常事件标签的单元格组、以及在其前部的所有单元格组的数量规格生成相对应异常显示框体，基于所述异常显示框体将相应的单元格组在第一事件统计表内归类显示；
统计分隔单元格组中的具有正常事件标签的单元格组、以及在其后部的所有单元格组的数量规格生成相对应正常显示框体，基于所述正常显示框体将相应的单元格组在第一事件统计表内归类显示；
所述获取被监测设备所对应的领域标签，基于所述领域标签确定领域图谱模型中相对应的事件节点集合，基于所述第一事件统计表对事件节点集合进行遍历确定相对应的第一事件节点，包括：
获取被监测设备所预先对应的领域标签， 基于所述领域标签遍历领域图谱模型中相对应的事件节点集合，所述领域图谱模型中的事件节点预先按照领域分为多个事件节点集合；
获取异常显示框体内各感知设备所对应的组合种类，将所述组合种类的感知设备的多个第一事件组合作为组合事件，每个感知设备具有预设的组合种类；依次将组合事件、异常显示框体内未组合的第一事件与相对应的事件节点集合比对，得到相对应的第一事件节点；
所述根据每个第一事件节点在领域图谱模型中的连接关系确定具有决策知识内容的第二事件节点，每个第一事件节点对应至少一个第二事件节点，包括：
确定每个第一事件节点在领域图谱模型中所连接的其他事件节点，将被第一事件节点所指向的其他事件节点作为待筛选事件节点，任意两个连接的事件节点之间具有指向关系；
确定待筛选事件节点中具有决策种类连接关系的待筛选事件节点作为第二事件节点，任意两个连接的事件节点之间具有预设的种类连接关系；
所述事件决策模型对所有第二事件节点的决策知识内容进行关系统计得到关系统计结果，基于所述关系统计结果剔除和/或合并相对应的第二事件节点生成智能决策信息，包括：
事件决策模型获取多个第二事件节点之间的节点对应关系，所述节点对应关系至少包括包含关系、非包含关系以及部分包含关系；
事件决策模型若判断存在具有包含关系的多个第二事件节点，则将被包含的第二事件节点剔除，提取所有非包含关系的第二事件节点内的决策知识内容得到第一部分决策信息；
事件决策模型若判断存在具有部分包含关系的多个第二事件节点，则确定部分包含关系中的相同的决策知识内容，提取所述部分包含的相同的决策知识内容得到第二部分决策信息，确定部分包含关系中不同的决策知识内容，提取所述部分包含的不同的决策知识内容得到第三部分决策信息；
事件决策模型将第一部分决策信息、第二部分决策信息以及第三部分决策信息合并生成智能决策信息；
所述事件决策模型接收管理人员对被监测设备的实际维修数据，基于所述实际维修数据增加第三事件节点，对第一事件节点与第二事件节点、第三事件节点的连接关系调整，得到更新后的领域图谱模型，包括：
事件决策模型对被监测设备的实际维修数据中的事件进行分析获取，得到至少一个第三事件；
若判断所述第三事件与第二事件节点不对应，则建立与第三事件相对应的第三事件节点；
若判断所述第三事件与第二事件节点相对应，则不建立与第三事件相对应的第三事件节点；
将所述第三事件节点与所述第一事件节点连接关系添加为第一事件节点指向第三事件节点，以及将所述第三事件节点与所述第一事件节点连接关系添加为决策种类连接关系。
5.一种电子设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行权利要求1至3任一所述的方法。
6.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至3任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481023.4A CN117196354B (zh) | 2023-11-08 | 2023-11-08 | 一种多模态感知与领域图谱模型的智能决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311481023.4A CN117196354B (zh) | 2023-11-08 | 2023-11-08 | 一种多模态感知与领域图谱模型的智能决策方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117196354A CN117196354A (zh) | 2023-12-08 |
| CN117196354B true CN117196354B (zh) | 2024-01-30 |
Family
ID=88985504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311481023.4A Active CN117196354B (zh) | 2023-11-08 | 2023-11-08 | 一种多模态感知与领域图谱模型的智能决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117196354B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
| CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种数据分析的方法及装置 |
| CN111368095A (zh) * | 2020-02-28 | 2020-07-03 | 河海大学 | 基于水利知识-事理耦合网络的决策支持系统架构与方法 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN113947320A (zh) * | 2021-10-25 | 2022-01-18 | 国网天津市电力公司电力科学研究院 | 一种基于多模态强化学习的电网调控方法 |
| CN114328950A (zh) * | 2021-12-03 | 2022-04-12 | 国网山西省电力公司电力科学研究院 | 配电网故障处置知识图谱构建、智能辅助决策系统及方法 |
| CN114625883A (zh) * | 2022-02-10 | 2022-06-14 | 同济大学 | 一种面向工业设备异常监测的时序数据与知识融合表征方法 |
| CN114781882A (zh) * | 2022-04-27 | 2022-07-22 | 国网福建省电力有限公司 | 基于双重图结构结合双监督的电网调度认知图谱生成方法 |
| CN115129897A (zh) * | 2022-08-31 | 2022-09-30 | 太极计算机股份有限公司 | 利用知识图谱分析感知数据的方法、装置、设备和介质 |
| CN115878811A (zh) * | 2022-10-31 | 2023-03-31 | 北京计算机技术及应用研究所 | 一种基于事理图谱的军事情报智能分析及推演方法 |
| CN116089609A (zh) * | 2022-12-19 | 2023-05-09 | 之江实验室 | 一种机器人任务自主决策执行的方法和装置 |
| CN116467468A (zh) * | 2023-05-05 | 2023-07-21 | 国网浙江省电力有限公司 | 基于知识图谱技术的电力管理系统异常信息处置方法 |
| CN116976043A (zh) * | 2023-05-26 | 2023-10-31 | 南京航空航天大学 | 一种基于知识图谱的sdss电网智能辅助决策方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
| WO2021086988A1 (en) * | 2019-10-29 | 2021-05-06 | Healthpointe Solutions, Inc. | Image and information extraction to make decisions using curated medical knowledge |
| US20230012202A1 (en) * | 2021-07-06 | 2023-01-12 | International Business Machines Corporation | Graph computing over micro-level and macro-level views |
-
2023
- 2023-11-08 CN CN202311481023.4A patent/CN117196354B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
| CN111209400A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种数据分析的方法及装置 |
| CN111368095A (zh) * | 2020-02-28 | 2020-07-03 | 河海大学 | 基于水利知识-事理耦合网络的决策支持系统架构与方法 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN113947320A (zh) * | 2021-10-25 | 2022-01-18 | 国网天津市电力公司电力科学研究院 | 一种基于多模态强化学习的电网调控方法 |
| CN114328950A (zh) * | 2021-12-03 | 2022-04-12 | 国网山西省电力公司电力科学研究院 | 配电网故障处置知识图谱构建、智能辅助决策系统及方法 |
| CN114625883A (zh) * | 2022-02-10 | 2022-06-14 | 同济大学 | 一种面向工业设备异常监测的时序数据与知识融合表征方法 |
| CN114781882A (zh) * | 2022-04-27 | 2022-07-22 | 国网福建省电力有限公司 | 基于双重图结构结合双监督的电网调度认知图谱生成方法 |
| CN115129897A (zh) * | 2022-08-31 | 2022-09-30 | 太极计算机股份有限公司 | 利用知识图谱分析感知数据的方法、装置、设备和介质 |
| CN115878811A (zh) * | 2022-10-31 | 2023-03-31 | 北京计算机技术及应用研究所 | 一种基于事理图谱的军事情报智能分析及推演方法 |
| CN116089609A (zh) * | 2022-12-19 | 2023-05-09 | 之江实验室 | 一种机器人任务自主决策执行的方法和装置 |
| CN116467468A (zh) * | 2023-05-05 | 2023-07-21 | 国网浙江省电力有限公司 | 基于知识图谱技术的电力管理系统异常信息处置方法 |
| CN116976043A (zh) * | 2023-05-26 | 2023-10-31 | 南京航空航天大学 | 一种基于知识图谱的sdss电网智能辅助决策方法 |
Non-Patent Citations (1)
| Title |
|---|
| RCFGED: Retrospective Coarse and Fine-Grained Event Detection from Online News;Zhang, Chen;《IEEE International Conference on Systems, Man, and Cybernetics (SMC)》;139-144 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117196354A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11221904B2 (en) | Log analysis system, log analysis method, and log analysis program | |
| CN109710703A (zh) | 一种血缘关系网络的生成方法及装置 | |
| CN110362544A (zh) | 日志处理系统、日志处理方法、终端及存储介质 | |
| CN110708285B (zh) | 流量监控方法、装置、介质及电子设备 | |
| US20190149344A1 (en) | Intelligent search system for service cost and method thereof | |
| CN112527994A (zh) | 情绪分析方法、装置、设备及可读存储介质 | |
| CN112084224A (zh) | 一种数据管理方法、系统、设备及介质 | |
| WO2024031930A1 (zh) | 一种异常日志检测方法、装置、电子设备及存储介质 | |
| US20220075804A1 (en) | Method and device for providing guide information for enhancement of artist's reputation | |
| CN117196354B (zh) | 一种多模态感知与领域图谱模型的智能决策方法 | |
| CN112035534A (zh) | 一种实时大数据处理方法、装置及电子设备 | |
| CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
| CN110874366A (zh) | 数据处理、查询方法和装置 | |
| CN113704389A (zh) | 一种数据评估方法、装置、计算机设备及存储介质 | |
| US20120271789A1 (en) | Apparatus and method for prediction development speed of technology | |
| CN110059234A (zh) | 水务异常事件侦测方法及装置、计算机装置及存储介质 | |
| CN116756373A (zh) | 基于知识图谱更新的项目评审专家筛选方法、系统及介质 | |
| CN115794744A (zh) | 一种日志展示方法、装置、设备和存储介质 | |
| CN113221990B (zh) | 信息录入方法、装置及相关设备 | |
| CN114996080A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN110781211A (zh) | 一种数据的解析方法及装置 | |
| CN111475505B (zh) | 一种数据采集的方法及设备 | |
| CN112163015A (zh) | 一种物联网时序数据实时监控方法、装置和系统 | |
| CN117035678B (zh) | 基于大数据的多维度电费核算方法及装置 | |
| CN110633430A (zh) | 事件发现方法、装置、设备和计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |