一种氢氧发动机知识推理方法技术

本发明专利技术提供了一种氢氧发动机知识推理方法，包括：知识抽取系统和验证优化系统；所述知识抽取系统包括标准化知识图谱系统和非标准化知识图谱系统；所述标准化知识图谱系统为结构化数据总和；所述非标准化知识图谱系统包括经过信息处理的半结构化数据和非结构化数据。本发明专利技术克服了现有技术的不足，设计合理，结构紧凑，发明专利技术通过围绕液氧液氢发动机工程领域，构建出专业领域的知识图谱。对从业务系统平台内采集到的非结构化数据进行知识抽取等操作，包括实体抽取和关系抽取，将其转换为结构化数据，再结合系统内采集到的结构化数据以及语料，构建出液氧液氢发动机工程领域知识图谱，形成知识图谱存储数据库。形成知识图谱存储数据库。形成知识图谱存储数据库。

【技术实现步骤摘要】
一种氢氧发动机知识推理方法


[0001]本专利技术涉及液氧液氢发动机
，具体涉及一种氢氧发动机知识推理方法。

技术介绍

[0002]知识图谱从图形上描述了现实世界中的概念和实体之间的复杂关系，让互联网通过一种人类更容易接受的认知世界的方式去传达信息，去组织、管理信息，也让人们更好的理解知识。知识图谱还可以结合大数据、深度学习等为我国的智能科技的发展做出巨大的贡献。
[0003]知识图谱设计到很多的技术，其中主要包括知识表示、图谱构建和图谱应用三个方面。知识表示是针对计算机内部表示和处理客观事件知识的方法研究；知识图谱侯建解决如何构建一个算法从客观世界或各种数据资源获取客观事件的互联网知识，知识图谱应用的主要任务是研究如何利用知识图谱去更好的解决现实生活中的实际问题。
[0004]知识图谱的构建需要基于特定的知识表示模型，利用几区学习和信息抽取等技术从复杂多样的互联网信息中抽取出有价值的信息，为知识图谱提供数据来源，为图谱构建奠定基础，其中核心的技术是信息抽取和语义集成。知识图谱的构建方法受很多因素影响，主要三个因素：一种是从什么样的数据资源中学习知识，原始网页数据包括结构化(例如数据库)、半结构化(例如网页上的表格)和非结构化(例如纯文本数据)三种数据；其次，学习什么样的知识，主要包括概念层次、事实知识、事件知识等；第三，采用什么样的学习方式来获取知识。
[0005]知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体－关系－实体”三元组，以及实体及其相关属性值，实体间通过关系相互联结，构成网状的知识结构。
[0006]液氧液氢发动机是指采用液氢、液氧作为燃料的发动机。氢氧发动机是世界火箭发动机技术发展的趋势之一，掌握氢氧发动机技术是一个国家成为航天强国的标志之一。研制大推力氢氧发动机是国内外液体火箭发动机技术的发展趋势，因此构建液氧液氢发动机的图谱是非常有必要的。而目前还没有针对液氧液氢发动机领域去构建知识图谱。
[0007]为此，我们提出一种氢氧发动机知识推理方法。

技术实现思路

[0008]本专利技术的目的在于解决或者至少缓解现有技术中存在的问题。
[0009]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0010]一种氢氧发动机知识推理方法，包括：知识抽取系统和验证优化系统；
[0011]所述知识抽取系统包括标准化知识图谱系统和非标准化知识图谱系统；
[0012]所述标准化知识图谱系统为结构化数据总和；
[0013]所述非标准化知识图谱系统包括经过信息处理的半结构化数据和非结构化数据；信息处理方式包括实体识别以及关系识别；
[0014]所述验证优化系统包括对标准化知识图谱系统和非标准化知识图谱系统进行校验。
[0015]可选地，所述结构化数据包括直接可以使用的本领域通用语料，技术词典、技术手册采用的语料。
[0016]可选地，所述实体包括但不限于设备型号、发动机分类、性能参数、工况、结构、推进剂、循环、试验、材料、工艺、故障、其他、环境、管理和属性值。
[0017]可选地，所述关系包括但不限于描述、组成、优点、缺点、故障、故障原因和故障预防。
[0018]可选地，所述信息处理方式还包括语义拆解系统以及实体识别模型系统。
[0019]可选地，所述语义拆解系统包括对半结构化数据或非结构化数据中的实体进行识别，在根据语义拆解出各个实体之间的关系，形成非标准化知识图谱系统。
[0020]可选地，所述实体识别模型是将输入的半结构化数据或者非结构化数据，根据计算机网络或人脑识别系统以及扩充的本领域的语料信息，使之能够通过语义拆解系统进行拆解。
[0021]可选地，还包括知识融合系统，知识融合系统包括知识消歧系统；知识对齐系统；归一化系统将相同意思的两种及以上的实体或关系整合成一种。
[0022]可选地，所述验证优化系统包括但不限于电脑校验和人工校验，通过分析经过知识图谱系统拆解后的语料与实际产品是否相符，来分析语料的准确性。
[0023]可选地，当拆解的所述语料与实际产品相同时即纳入到本领域知识图谱中，若拆解的语料与实际产品不相符即和/或新补充的本领域语料一起纳入到本领域实体识别模型中再次进行模型训练。
[0024]本专利技术实施例提供了一种氢氧发动机知识推理方法。具备以下有益效果：本专利技术通过围绕液氧液氢发动机工程领域，构建出专业领域的知识图谱。对从业务系统平台内采集到的非结构化数据进行知识抽取等操作，包括实体抽取和关系抽取，将其转换为结构化数据，再结合系统内采集到的结构化数据以及语料，构建出液氧液氢发动机工程领域知识图谱，形成知识图谱存储数据库，实现典型业务系统或工具基于知识图谱的智能应用，从而能够基于知识图谱的智能语义检索、基于知识图谱的智能搜索和基于知识图谱的知识推荐能够获取相应的介绍。
附图说明
[0025]图1为本专利技术系统流程示意图；
[0026]图2为本专利技术知识抽取系统流程示意图；
[0027]图3为本专利技术语义拆解系统流程示意图；
[0028]图4为本专利技术实体识别模型系统流程示意图。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员
在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例1
[0031]参照附图1
‑
4，一种氢氧发动机知识推理方法，包括：一、包括知识抽取系统；二、知识融合系统；三、验证优化系统；
[0032]一、知识抽取系统；包括标准化知识图谱系统和非标准化知识图谱系统；
[0033]标准化知识图谱系统即表示能够直接吸收结构化数据总和；
[0034]结构化数据包括直接可以使用的本领域通用语料，数据库，技术词典、技术手册采用的语料，例如液氧液氢火箭发动机工程领域命名实体语料，结构化数据来源包括各种文件资料。这些结构化的数据是经过归纳总结后的产物，这些结构化的数据的总和能够形成标准化的标准化知识图谱构件，举例说明：标准化知识图谱系统相当于字典，而结构化数据相当于字典中的词条及其释意，字典在编排时能够直接引用新的词条及其释意，从而扩编字典的内容。
[0035]非标准化知识图谱系统包括经过信息处理的半结构化数据和非结构化数据；信息处理方式包括实体识别以及关系识别；
[0036]半结构化数据和非结构化数据按照字典示例来理解相当于不能直接利用的纯文字文章、短句、网页上的表格等等，这些内容包括新词条或者新的关系，通过对语义的分析或者深度学习，可以将这些短句进行拆解，而拆解这些新词条相当于本申请中的“实体识别”，其中的关系拆解相当于本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种氢氧发动机知识推理方法，包括：知识抽取系统和验证优化系统；其特征在于：所述知识抽取系统包括标准化知识图谱系统和非标准化知识图谱系统；所述标准化知识图谱系统为结构化数据总和；所述非标准化知识图谱系统包括经过信息处理的半结构化数据和非结构化数据；信息处理方式包括实体识别以及关系识别；所述验证优化系统包括对标准化知识图谱系统和非标准化知识图谱系统进行校验。2.如权利要求1所述的一种氢氧发动机知识推理方法，其特征在于：所述结构化数据包括直接可以使用的本领域通用语料，技术词典、技术手册采用的语料。3.如权利要求2所述的一种氢氧发动机知识推理方法，其特征在于：所述实体包括但不限于设备型号、发动机分类、性能参数、工况、结构、推进剂、循环、试验、材料、工艺、故障、其他、环境、管理和属性值。4.如权利要求2所述的一种氢氧发动机知识推理方法，其特征在于：所述关系包括但不限于描述、组成、优点、缺点、故障、故障原因和故障预防。5.如权利要求1
‑
4任一项所述的一种氢氧发动机知识推理方法，其特征在于：所述信息处理方式还包括语义拆解系统以及实体识别模型系统。6.如权利要求5所...

【专利技术属性】
技术研发人员：王剑锋，张虹，李成龙，陈潇萍，王丹，曲衍哲，吴有亮，胡庆杰，
申请(专利权)人：中国船舶科学研究中心，
类型：发明
国别省市：