基于深度学习的煤矿故障专家库知识图谱的构建方法及设备技术

本发明专利技术提出一种基于深度学习的煤矿故障专家库知识图谱的构建方法及设备，该方法通过融合基于煤矿事故案例进行大数据库情报分析；基于专家经验案库例进行人工智能深度自学习；基于大数据治理构建知识图谱；基于知识图谱构建搜索、智能问答、可视化决策应用等高新技术方案，构建深度自学习的煤矿事故专家库知识图谱，打破以往的人找知识的传统模式，开启知识找人的智能化应用模式，从而全面提高煤矿生产安全，赋能煤矿行业。赋能煤矿行业。赋能煤矿行业。

【技术实现步骤摘要】
基于深度学习的煤矿故障专家库知识图谱的构建方法及设备


[0001]本专利技术涉及知识图谱
，尤其涉及一种基于深度学习的煤矿故障专家库知识图谱的构建方法、装置、设备、存储介质。

技术介绍

[0002]在煤矿生产水平不断提升的背景下，生产安全对促进煤矿的可持续发展具有重要意义，煤矿不仅需要通过提高管理力度，加强事故排查，降低煤矿出现安全事故的概率，不断完善煤矿安全生产工作，更重要的是吸取以往大量的煤矿事故经验教训，吃一堑长一智，从思想认识和行为表现上改变工作人员的意识。
[0003]现有技术在提高煤矿生产安全的问题上，存在以下问题：
[0004]1、煤矿事故知识传承学习成本比较高；
[0005]2、煤矿事故专家经验知识不能持续沉淀，知识资产流失严重；
[0006]3、煤矿事故专家经验知识存储分散，存在数据壁垒、信息烟囱现象；
[0007]4、知识获取仍以被动学习为主，缺乏主动推送的智能化信息手段；
[0008]5、专家的经验教训充分利用不够。

技术实现思路

[0009]本专利技术提供一种基于深度学习的煤矿故障专家库知识图谱的构建方法、装置、设备、存储介质，旨在全面提高煤矿生产安全，赋能煤矿行业。
[0010]为此，本专利技术的第一个目的在于提出一种基于深度学习的煤矿故障专家库知识图谱的构建方法，包括：
[0011]基于煤矿事故案例进行大数据库情报分析，构建煤矿事故专家知识仓库；
[0012]基于专家知识仓库经验案库例进行人工智能深度自学习，构建智能问答机器人；
[0013]基于煤矿事故专家知识仓库，通过大数据治理，从非结构化数据中抽取所关注的知识，生成结构化知识数据，并根据关系和属性连接构建煤矿事故专家知识图谱；
[0014]基于煤矿事故专家知识图谱构建经验搜索、智能问答、可视化决策应用，赋能煤矿行业安全生产。
[0015]其中，构建煤矿事故专家知识仓库的步骤中，通过大数据分析的方式，将历史事故案例，作为事故教训和依据，通过对事故原因的细致分析，点名事故发生的内在机理，反应出事故发生的内在和外在原因，非结构化的数据以结构化的形式推送，形成煤矿事故专家知识仓库。
[0016]其中，智能问答机器人基于事故案例分析、专家交流互动、安全生产管理制度流程的知识沉淀，借助于大数据分析、治理、人工智能自学习技术，将非结构化数据整理成结构数据，构件知识联想型图谱存储架构，支撑煤矿安全智能问答服务。
[0017]其中，知识图谱的数据源至少包括：
[0018]安全生产的管理制度、流程、国家法规的盘点梳理；
[0019]煤矿领域(采、掘、机、运、通)专家通过问答流程的方式，进行知识的持续沉淀，使专家大脑中的隐性知识线性化，显性知识有序化；
[0020]煤矿行业的事故案例，进行整理分析，形成结构化数据。
[0021]本专利技术的第二个目的在于提出一种基于深度学习的煤矿故障专家库知识图谱的构建装置，包括：
[0022]煤矿事故专家知识仓库构建模块，用于基于煤矿事故案例进行大数据库情报分析，构建煤矿事故专家知识仓库；
[0023]智能问答机器人构建模块，用于基于专家知识仓库经验案库例进行人工智能深度自学习，构建智能问答机器人；
[0024]知识图谱构建模块，用于基于煤矿事故专家知识仓库，通过大数据治理，从非结构化数据中抽取所关注的知识，生成结构化知识数据，并根据关系和属性连接构建煤矿事故专家知识图谱；
[0025]应用模块，用于基于煤矿事故专家知识图谱构建经验搜索、智能问答、可视化决策应用，赋能煤矿行业安全生产。
[0026]其中，通过大数据分析的方式，将历史事故案例，作为事故教训和依据，通过对事故原因的细致分析，点名事故发生的内在机理，反应出事故发生的内在和外在原因，非结构化的数据以结构化的形式推送，形成煤矿事故专家知识仓库。
[0027]其中，智能问答机器人模块基于事故案例分析、专家交流互动、安全生产管理制度流程的知识沉淀，借助于大数据分析、治理、人工智能自学习技术，将非结构化数据整理成结构数据，构件知识联想型图谱存储架构，支撑煤矿安全智能问答服务。
[0028]其中，知识图谱的数据源至少包括：
[0029]安全生产的管理制度、流程、国家法规的盘点梳理；
[0030]煤矿领域(采、掘、机、运、通)专家通过问答流程的方式，进行知识的持续沉淀，使专家大脑中的隐性知识线性化，显性知识有序化；
[0031]煤矿行业的事故案例，进行整理分析，形成结构化数据。
[0032]本专利技术的第三个目的在于提出一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述技术方案的方法中的各步骤。
[0033]本专利技术的第四个目的在于提出存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行根据前述技术方案的方法中的各步骤。
[0034]区别于现有技术，本专利技术提供的基于深度学习的煤矿故障专家库知识图谱的构建方法，通过融合基于煤矿事故案例进行大数据库情报分析；基于专家经验案库例进行人工智能深度自学习；基于大数据治理构建知识图谱；基于知识图谱构建搜索、智能问答、可视化决策应用等高新技术方案，构建深度自学习的煤矿事故专家库知识图谱，打破以往的人找知识的传统模式，开启知识找人的智能化应用模式，从而全面提高煤矿生产安全，赋能煤矿行业。
附图说明
[0035]本专利技术的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显
和容易理解，其中：
[0036]图1是本专利技术提供的一种基于深度学习的煤矿故障专家库知识图谱的构建方法的流程示意图。
[0037]图2是本专利技术提供的一种基于深度学习的煤矿故障专家库知识图谱的构建装置的结构示意图。
[0038]图3是本专利技术提供的一种非临时性计算机可读存储介质的结构示意图。
具体实施方式
[0039]下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0040]如图1所示，为本专利技术实施例所提供的一种基于深度学习的煤矿故障专家库知识图谱的构建方法，包括：
[0041]S110：基于煤矿事故案例进行大数据库情报分析，构建煤矿事故专家知识仓库。
[0042]通过大数据分析的方式，将历史事故案例，作为事故教训和依据，通过对事故原因的细致分析，点名事故发生的内在机理，反应出事故发生的内在和外在原因，非结构化的数据以结构化的形式推送，形成煤矿事故专家知识仓库。
[0043]通过挖掘“采、掘、机、运、通”各专业领域的专家经验和灵感，同时，分析总本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的煤矿故障专家库知识图谱的构建方法，其特征在于，包括：基于煤矿事故案例进行大数据库情报分析，构建煤矿事故专家知识仓库；基于专家知识仓库经验案库例进行人工智能深度自学习，构建智能问答机器人；基于煤矿事故专家知识仓库，通过大数据治理，从非结构化数据中抽取所关注的知识，生成结构化知识数据，并根据关系和属性连接构建煤矿事故专家知识图谱；基于煤矿事故专家知识图谱构建经验搜索、智能问答、可视化决策应用，赋能煤矿行业安全生产。2.根据权利要求1所述的基于深度学习的煤矿故障专家库知识图谱的构建方法，其特征在于，构建煤矿事故专家知识仓库的步骤中，通过大数据分析的方式，将历史事故案例，作为事故教训和依据，通过对事故原因的细致分析，点名事故发生的内在机理，反应出事故发生的内在和外在原因，非结构化的数据以结构化的形式推送，形成煤矿事故专家知识仓库。3.根据权利要求1所述的基于深度学习的煤矿故障专家库知识图谱的构建方法，其特征在于，智能问答机器人基于事故案例分析、专家交流互动、安全生产管理制度流程的知识沉淀，借助于大数据分析、治理、人工智能自学习技术，将非结构化数据整理成结构数据，构件知识联想型图谱存储架构，支撑煤矿安全智能问答服务。4.根据权利要求1所述的基于深度学习的煤矿故障专家库知识图谱的构建方法，其特征在于，所述知识图谱的数据源至少包括：安全生产的管理制度、流程、国家法规的盘点梳理；煤矿领域(采、掘、机、运、通)专家通过问答流程的方式，进行知识的持续沉淀，使专家大脑中的隐性知识线性化，显性知识有序化；煤矿行业的事故案例，进行整理分析，形成结构化数据。5.一种基于深度学习的煤矿故障专家库知识图谱的构建装置，其特征在于，包括：煤矿事故专家知识仓库构建模块，用于基于煤矿事故案例进行大数据库情报分析，构建煤矿事故专家知识仓库；智能问答机器人构建模块，用于基于专家知识仓库经验案库例进行人工智能深度自学习，构建智能问答机器人；...

【专利技术属性】
技术研发人员：王凯团，丁雷，陶伟忠，刘大光，白洋，
申请(专利权)人：中煤科工集团信息技术有限公司，
类型：发明
国别省市：