一种家电故障辅助诊断方法、装置及终端设备制造方法及图纸

本发明专利技术适用于智能故障诊断技术领域，提供了一种家电故障辅助诊断方法、装置及终端设备，方法包括：构建第一实体、实体关系、第二实体的三元组数据，第一实体包括故障现象，以及区分故障现象的家电类型和家电型号，第二实体包括解决方案，通过ESIM模型将三元组数据进行实体链接，链接以后的三元组数据存入知识图谱，获得家电维修知识图谱；获取自然语言描述，通过Bert+Bilstm+Crf模型对自然语言描述进行命名实体识别，抽取自然语言描述的实体信息；通过ESIM模型将实体信息和家电维修知识图谱进行实体链接，按照相似度排序输出第一实体作为候选实体，并输出与候选实体对应的第二实体。本发明专利技术可以适应家电故障诊断的复杂场景，具有较高的诊断效率。具有较高的诊断效率。具有较高的诊断效率。

【技术实现步骤摘要】
一种家电故障辅助诊断方法、装置及终端设备


[0001]本专利技术涉及智能故障诊断
，尤其涉及一种家电故障辅助诊断方法、装置及终端设备。

技术介绍

[0002]智能故障诊断是人工智能领域基于知识处理的故障模式识别，为工业设备持续正常运行提供良好的技术支撑。在通用的故障诊断技术方案中，先使用语义分析模块分析用户想要诊断的内容，再通过知识图谱查询故障内容，主要应用了中文分词结合机器学习的技术。
[0003]传统的中文分词和机器学习技术，在语义分析模块中进行文本数据的分词，然后基于FastText模型对用户查询意图进行识别。在知识图谱查询模块中，则使用余弦相似度或Word2Vec来进行实体链接。但是，这些方式并不适用于愈发复杂的场景，例如，家电故障诊断场景中，家电类型较多，故障类型也更加多样化，使用传统的中文分词和机器学习技术，数据计算量大，重复计算的频率高，影响诊断的准确性和效率。

技术实现思路

[0004]本专利技术的主要目的在于提出一种家电故障辅助诊断方法、装置及终端设备，以解决现有的故障诊断技术方案所使用的软件技术不适用于复杂场景的问题。
[0005]为实现上述目的，本专利技术实施例第一方面提供一种家电故障辅助诊断方法，包括：
[0006]构建第一实体、实体关系、第二实体的三元组数据，所述第一实体包括故障现象，以及区分所述故障现象的家电类型和家电型号，所述第二实体包括解决方案，所述实体关系为故障现象与解决方案的指向关系；
[0007]通过ESIM模型将所述三元组数据进行实体链接，链接以后的三元组数据存入知识图谱，获得家电维修知识图谱；
[0008]获取维修工程师对于实际维修场景的自然语言描述，通过Bert+Bilstm+Crf模型对所述自然语言描述进行命名实体识别，抽取所述自然语言描述的实体信息；
[0009]通过ESIM模型将所述实体信息和所述家电维修知识图谱进行实体链接，按照相似度排序输出第一实体作为候选实体，并输出与所述候选实体对应的第二实体。
[0010]结合本专利技术实施例第一方面，本专利技术第一实施方式中，所述三元组数据按照家电维修知识图谱的实体关系进行组合。
[0011]结合本专利技术实施例第一方面，本专利技术第二实施方式中，构建第一实体、实体关系、第二实体的三元组数据，包括：
[0012]基于经验知识数据库，构建第一实体、实体关系、第二实体的三元组数据。
[0013]结合本专利技术实施例第一方面第二实施方式，本专利技术第三实施方式中，所述经验知识数据库包括结构化数据和半结构化数据；
[0014]对于所述半结构化数据，构建第一实体、实体关系、第二实体的三元组数据之前，
包括：
[0015]使用Bert+Bilstm+Crf模型在经验知识数据库中抽取模板内容，所述模板内容包括家电类型的内容和标签、家电型号的内容和标签、故障现象的内容和标签和解决方案的内容和标签；
[0016]根据所述模板内容填充第一实体模板、实体关系模板和第二实体模板，获得第一实体数据、实体关系数据、第二实体数据。
[0017]结合本专利技术实施例第一方面或第一方面第三实施方式，本专利技术第四实施方式中，所述Bert+Bilstm+Crf模型的训练步骤包括：
[0018]标记所述经验知识数据库中的结构化数据的实体类型，以及所述经验知识数据库中的处理后的半结构化数据的实体类型；
[0019]将标记后的数据处理为内容序列和标签序列，并根据所述内容序列和所述标签序列将标记后的数据对齐；
[0020]所述对齐后的数据划分为训练集，验证集和测试集；
[0021]所述Bert+Bilstm+Crf模型使用Bert模型实现词嵌入，Bilstm模型实现特征提取，CRF实现解码，通过所述训练集，验证集和测试集训练所述Bert+Bilstm+Crf模型；
[0022]获取序列的状态转移矩阵，将损失函数设置为所述状态转移矩阵在正确路径的分数与所有路径分数之和的负对数似然，通过损失函数获取模型的训练程度。
[0023]结合本专利技术实施例第一方面第四实施方式，本专利技术第五实施方式中，所述损失函数的计算公式为：
[0024]结合本专利技术实施例第一方面，本专利技术第六实施方式中，按照相似度排序输出作为第一实体的候选实体，包括：
[0025]计算所述实体信息和所述家电维修知识图谱的第一实体之间的相似度。
[0026]取相似度降序排序前预设位的与第一实体作为候选实体。
[0027]本专利技术实施例第二方面提供一种家电故障辅助诊断装置，包括：
[0028]三元组数据构建模块，用于构建第一实体、实体关系、第二实体的三元组数据，所述第一实体包括故障现象，以及区分所述故障现象的家电类型和家电型号，所述第二实体包括解决方案，所述实体关系为故障现象与解决方案的指向关系；
[0029]家电维修知识图谱获取模块，用于通过ESIM模型将所述三元组数据进行实体链接，链接以后的三元组数据存入知识图谱，获得家电维修知识图谱；
[0030]实体信息抽取模块，用于获取维修工程师对于实际维修场景的自然语言描述，通过Bert+Bilstm+Crf模型对所述自然语言描述进行命名实体识别，抽取所述自然语言描述的实体信息；
[0031]辅助诊断模块，用于通过ESIM模型将所述实体信息和所述家电维修知识图谱进行实体链接，按照相似度排序输出第一实体作为候选实体，并输出与所述候选实体对应的第二实体。
[0032]本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
[0033]专利技术实施例的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。
[0034]本专利技术实施例提出一种家电故障辅助诊断方法，在家电故障诊断场景中，结合知识图谱和命名实体识别模型，即Bert+Bilstm+Crf模型，实现家电故障的辅助诊断和维修方案推送，同时将自然语言处理技术和知识图谱结合，基于维修工程师对于实际维修场景的自然语言描述，抽取有用的实体信息，从而对维修工程师的查询意图进行准确识别。本专利技术使用了性能更好的深度学习模型，复杂的故障诊断场景中有更高的准确性和效率。
附图说明
[0035]图1为本专利技术实施例提供的家电故障辅助诊断方法的实现流程示意图；
[0036]图2为本专利技术实施例提供的ESIM模型的结构示意图；
[0037]图3为本专利技术实施例提供的家电故障辅助诊断装置的组成结构示意图。
[0038]本专利技术目的的实现、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
[0039]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种家电故障辅助诊断方法，其特征在于，包括：构建第一实体、实体关系、第二实体的三元组数据，所述第一实体包括故障现象，以及区分所述故障现象的家电类型和家电型号，所述第二实体包括解决方案，所述实体关系为故障现象与解决方案的指向关系；通过ESIM模型将所述三元组数据进行实体链接，链接以后的三元组数据存入知识图谱，获得家电维修知识图谱；获取维修工程师对于实际维修场景的自然语言描述，通过Bert+Bilstm+Crf模型对所述自然语言描述进行命名实体识别，抽取所述自然语言描述的实体信息；通过ESIM模型将所述实体信息和所述家电维修知识图谱进行实体链接，按照相似度排序输出第一实体作为候选实体，并输出与所述候选实体对应的第二实体。2.如权利要求1所述的家电故障辅助诊断方法，其特征在于，所述三元组数据按照家电维修知识图谱的实体关系进行组合。3.如权利要求1所述的家电故障辅助诊断方法，其特征在于，构建第一实体、实体关系、第二实体的三元组数据，包括：基于经验知识数据库，构建第一实体、实体关系、第二实体的三元组数据。4.如权利要求3所述的家电故障辅助诊断方法，其特征在于，所述经验知识数据库包括结构化数据和半结构化数据；对于所述半结构化数据，构建第一实体、实体关系、第二实体的三元组数据之前，包括：使用Bert+Bilstm+Crf模型在经验知识数据库中抽取模板内容，所述模板内容包括家电类型的内容和标签、家电型号的内容和标签、故障现象的内容和标签和解决方案的内容和标签；根据所述模板内容填充第一实体模板、实体关系模板和第二实体模板，获得第一实体数据、实体关系数据、第二实体数据。5.如权利要求1或4所述的家电故障辅助诊断方法，其特征在于，所述Bert+Bilstm+Crf模型的训练步骤包括：标记所述经验知识数据库中的结构化数据的实体类型，以及所述经验知识数据库中的处理后的半结构化数据的实体类型；将标记后的数据处理为内容序列和标签序列，并根据所述内容序列和所述标签序列将标记后的数据对齐；所述对齐后的数据划分为训练集，验证集和测试集；所述B...

【专利技术属性】
技术研发人员：王国伟，朱红坤，贺光华，李奇隆，
申请(专利权)人：重庆川南环保科技有限公司，
类型：发明
国别省市：