【技术实现步骤摘要】
一种基于知识图谱的航天测发保障性条件分析方法
[0001]本专利技术涉及知识图谱领域，具体涉及一种基于知识图谱的航天测发保障性条件分析方法。
技术介绍
[0002]近几十年来，我国航天科技实现跨越式发展，航天发射能力显著提升。同时，对于采用信息化手段对航天测发任务进行评估与辅助指导的需求也随之增强，需要更加高效、合理地在测发工艺流程辅助分析等方面开展相关工作。
[0003]保障性条件分析工作是测发流程中的一项重要辅助性工作，工作内容为遵循航天器及运载器对发射场的技术指标要求，对测发流程保障性条件进行需求分析和评估，实现对发射场水、暖、电、非标、加注供气等专业针对各发任务的保障性要素分析，在实际合练任务前提前发现系统间可能存在的问题，提升任务执行的可靠性。航天测发流程中产生的各类保障性条件数据信息量大，以电子或纸质文档的方式散落在业务系统中，缺乏对数据价值的挖掘。传统的数据库以表结构存储，而表与表之间只能够通过主外键建立联系，当面对大规模数据时，无法做到在多跳关系下的快速查询。现有的知识推送技术，尤其是基于协同过滤的方
【技术保护点】
【技术特征摘要】
1.一种基于知识图谱的航天测发保障性条件分析方法，其特征在于，包括步骤：步骤1：构建航天测发领域知识图谱，以实体与关系的形式对测发知识进行表示；步骤2：基于航天测发领域知识图谱进行语义搜索；步骤3：建立保障性条件分析工作流程；步骤4：基于测发领域知识图谱的保障性条件分析知识推送；步骤5：若保障性条件分析已经结束则终止推送，否则重复步骤3至4。2.根据权利要求1所述的基于知识图谱的航天测发保障性条件分析方法，其特征在于，所述构建航天测发领域知识图谱具体包括以下步骤：步骤1.1：明确测发领域本体的概念与范围，收集测发领域语料数据；步骤1.2：对测发领域的语料数据进行实体识别与关系抽取，获得知识的三元组表示形式；步骤1.3：将步骤1.2获得的三元组存储至图数据库中，完成航天测发领域知识图谱构建。3.根据权利要求2所述的基于知识图谱的航天测发保障性条件分析方法，其特征在于，所述步骤1.2中实体识别采用融合多源词典信息的实体识别方法，具体包括：首先通过BERT预训练模型将字符序列映射为相应的字符向量序列，然后使用同样的方法获得通用词典信息和测发领域词典，将通用词典信息和测发领域词典融合得到多源词典信息；将测发领域的语料数据中每个句子s转换为一个字符序列{c1,c2,
…
,c
n
}，其中n是句子s的长度，通过BERT预训练模型得到每个字符c
i
的向量表示为：使用通用词典D
g
获取到所有的匹配词，然后采取BMES标注方案对匹配词进行分组标注，标注完成后分别获得B(c
i
)、M(c
i
)、E(c
i
)和S(c
i
)四个词集，若将整个字符序列都标注完成后，还有词集为空，就在词集中加入“None”，四个词集为：，四个词集为：，四个词集为：，四个词集为：其中，w
i，k
为字符序列中以c
i
开始c
k
结束的词，w
j，k
和w
j，i
同理。使用加权法对词集S进行压缩，得到词集的压缩向量：使用加权法对词集S进行压缩，得到词集的压缩向量：其中z(w)为语料数据中w的词频，v
P
为加权函数，P包括BMES四种标签；将4个词集的向量表示融合起来得到通用词典特征H
g
：H
g
＝[v
B
(c
i
)；v
M
(c
i
)；v
E
(c
i
)；v
s
(c
i
)]
重复以上步骤，获得测发领域的词典特征H
b
，得到融合多源词典的信息的字符向量表示：x
c
＝[x
c
；H
g
；H
b
]。4.根据权利要求2所述的基于知识图谱的航天测发保障性条件分析方法，其特征在于，所述步骤1.2中关系抽取包括：将测发领域语料数据中的实体按权重分成两类，对BERT预处理模型输出的向量序列采用不同的池化方法，所述不同的池化方法具体包括：首先统计词频与逆文档频率，采用TF
‑
IDF方法计算实体的权重，然后设置权重阈值θ，对于句子中的实体权重w
e
，当w
e
＜θ时，将此实体视为相对不重要的实体，对BERT输出的实体对应的向量序列使用平均池化进行处理，当w
e
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。