一种基于知识图谱表示学习的加工链重用方法技术

本发明专利技术涉及一种基于知识图谱表示学习的加工链重用方法，包括下列步骤：第一步：建立零件的工艺信息模型；第二步：基于TransD模型训练向量表示；第三步：基于向量表示的多属性相似度计算，采用变异系数法进行权重赋值，对四类属性相似度分值进行赋权求和得到加工特征之间的多属性相似度值；第四步：利用多属性相似度计算分值进行加工链重用。似度计算分值进行加工链重用。似度计算分值进行加工链重用。

A process chain reuse method based on knowledge graph representation learning

【技术实现步骤摘要】
一种基于知识图谱表示学习的加工链重用方法


[0001]本专利技术属于机械加工工艺规划
，具体地说是一种基于知识图谱表示学习的加工链生成方法。

技术介绍

[0002]知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的技术方法。知识图谱旨在从数据中识别、发现和推理事物或概念间的复杂关系，是事物关系的可计算模型，其在知识库的构建方面具备接入多源数据的能力，比传统的人工方式更加高效。而知识图谱的表示学习是将知识图谱中包括实体和关系的语义信息映射为低维稠密向量进行表示，通过知识图谱中大量知识三元组的训练，得到该向量表示，以表达实体关系的语义内容，便于下游的知识推理计算。目前，知识图谱在机械工业方面的应用逐步发展起来，部分企业已构建如加工工艺规划知识图谱、切削加工知识图谱等机械加工工艺规划垂直领域知识图谱。
[0003]与此同时，随着产品需求趋于个性化、多样化和动态化，产品更新更快，样式更多，小批量定制化产品的市场份额提升明显。面对小批量定制产品中工艺方式的决策难和工艺知识的可重用性差等问题，亟需一种高效的工艺知识检索与重用方法，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱表示学习的加工链重用方法，包括下列步骤：第一步：建立零件的工艺信息模型；第二步：基于TransD模型训练向量表示对于给定的知识三元组(h，r，t)，TransD模型设计有投影矩阵M
rh
和M
rt
，经投影变换后，头实体h和尾实体t向量表示为：h
⊥
＝M
rh
h，t
⊥
＝M
rt
t将TransD模型运用在工艺规划领域知识图谱的向量表示中，其训练过程如下：(1)将工艺规划知识图谱中的实体与关系分别编入不同文件，并设立每个实体、关系的唯一编号id；建立一个新文件用以存储三元组，其中三元组中的实体和关系用编号id代替，完成数据集的处理；(2)输入TransD模型训练的超参数，损失函数中的标准化项γ为1，损失函数为：式中T代表正样本，T
′
代表负样本，h为头实体，t为尾实体，γ代表正样本与负样本的间隔值，γ越大则三元组间被允许的误差就越大；正样本由原始数据集得到，负样本是对原始三元组中的头实体或尾实体进行随机替换后形成；其评分函数f
r
如下：(3)通过随机梯度下降法SGD计算损失，更新模型参数；若不满足收敛条件，则循环生成正负实例进行损失计算；若满足收敛条件，得到最终的嵌入向量；第三步：基于向量表示的多属性相似度计算根据TransD模型训练好的向量表示，将待加工特征视为目标加工特征，可重用的历史加工特征视为相似加工特征，分别对从属于待加工特征的特征类型FT、尺寸特征SF、材料特征MC、精度特征AF四类属性进行相似度计算，再赋权求和得到最终加工特征之间的相似度值，属性间的相似度计算采用余弦相似度；通过多属性相似度计算对特征MF的属性进行相似度量，重用历史数据中的加工链；多属性相似度计算方法为：式中，为特征MF
i
与特征MF
j
的多属性相似分值，FT，MC，AF，SF为对应属性节点的表示向量，FT
i
，MC
i
，AF
i
，SF
i
∈MF
i
，FT
j
，MC
j

【专利技术属性】
技术研发人员：袁伟，张冠伟，郭伟，王磊，
申请(专利权)人：天津大学，
类型：发明
国别省市：