一种面向工业互联网的分布式知识图谱系统和方法技术方案

本发明专利技术公开了一种面向工业互联网的分布式知识图谱系统和方法，该方法包括：通过知识获取层获取工业物联网中的各生产线

【技术实现步骤摘要】
一种面向工业互联网的分布式知识图谱系统和方法


[0001]本专利技术涉及一种面向工业互联网的分布式知识图谱系统和方法，属于工业信息处理及知识图谱

。

技术介绍

[0002]在新一轮工业革命背景下，云计算
、
大数据
、
物联网
、
人工智能等新一代信息技术持续创新并与制造业加速融合，工业互联网应运而生
。
工业物联网可以实时收集
、
分析和存储数据，优化资产和库存管理，以避免人为错误
、
监测机械故障
、
降低生产维护成本，已成为了世界各国工业发展的重心
。
[0003]知识图谱技术能够有效梳理信息之间的关联性，将现实世界中的各类信息转化为机器和人同时可以理解的知识，已被应用于工业领域，用以解决工业生产记录等大量非结构化的文本信息的利用问题，并从一定程度上提高智能决策系统的透明度
。
知识图谱技术已成为工业物联网的重要赋能技术，除了提供精确的信息检索和高度透明的数据集合外，还可以作为数据分析与决策辅助手段，有效的辅助了工业生产，推动了产业的转型升级
。
[0004]然而，由于工业生产的复杂性，工业生产常常会呈现分级化，即以园区乃至以车间
、
生产线为单位进行生产
。
同时，用于辅助生产
、
设备运行的知识图谱对于信息采集的精确性和实时性要求，决定了企业集中式知识图谱方案的困难
。
故而，目前对于辅助实时生产的知识图谱的最优构建方案，仍然是在不同生产单位中各自建立，即去中心化方案，由此造成了工业生产知识图谱零散化
、
分布式的特点
。
另一方面，工业生产的不同环节之间往往需要协作适配，例如网络购物涉及商品零售平台
、
物流平台
、
仓储平台等多平台协作
。
如何实现工业物联网分布式知识图谱之间高效的信息互通与协作交流是目前的主要难点
。

技术实现思路

[0005]本专利技术目的在于针对上述现有技术的缺陷和不足，提供了一种面向工业互联网的分布式知识图谱系统和方法，该系统包括知识获取层，知识管理层，知识图谱层，桥接层，应用层，工厂生产侧的知识图谱构建方案在领域专家知识与零散知识共存的工业环境中，采用自顶而下和自底而上相结合的构建方式
。
企业管理侧的分布式知识图谱映射及伪随机更新方案，以应对频繁的更新需求
。
用以实现分布式知识图谱的高效协作
。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种面向工业互联网的分布式知识图谱系统，该系统具体包括如下：
[0007]知识获取层：此层级与设备
、
传感器等直接相连，实时收集包括各种类传感器数据
、
工作人员状态
、
工业生产记录
、
生产设备维修记录等多类型
、
多来源的数据，监测设备状态
。
[0008]知识管理层：在此层级对所获取的信息进行处理，构建知识图谱
。
由于采用自顶而下和自底而上结合的构建方式
。
对于已存在的专家库知识，则根据定义的本体模型，从数据中抽取实体与关系信息
。
而对于其他未成系统的知识，则通过知识抽取
、
知识融合
、
知识加
工等环节，归纳分类实体，构建知识图谱
。
[0009]知识图谱层：在知识图谱层中存储知识管理层生成的知识图谱
。
需注意的是，生产侧构建的知识图谱的均由生产侧自己保存，而无需统一存储，以满足生产的低时延和精确性要求
。
管理层有权查询并调用各生产侧知识图谱
。
[0010]桥接层：管理侧在桥接层管理各生产侧知识图谱，建立不同知识图谱之间的映射关系，以实现对外部操作而言，分布式知识图谱的整体化
。
[0011]应用层；开发知识图谱的具体应用，如高效的信息检索
、
智能问答
、
辅助决策等
。
[0012]进一步地，知识获取层，知识管理层和知识图谱层表征了工厂生产侧采集数据
、
构建及本地存储知识图谱的全流程
。
桥接层和应用层表征了企业管理侧，管理及应用分布式知识图谱的策略，管理层对所有知识图谱有访问及修改权限，但不进行集中存储
。
[0013]本专利技术还提供了一种面向工业互联网的分布式知识图谱系统的实现方法，该方法在知识管理层中所对应的生产侧构建知识图谱的具体流程包括：
[0014]对于可依靠领域专家定义的知识库，采用自顶而下的方式进行构建，先根据专家知识库为知识定义好本体与数据模式，再将实体加入到知识库中；
[0015]面对工业互联网中零散而不成体系的知识，如传感器实时采集的各类设备
、
环境及人员信息，则采用自底而上的方式构建知识图谱，先从数据中提取出实体，选择其中置信度较高的加入知识库，再构建顶层的本体模型
。
[0016]进一步的，本专利技术所述的知识图谱的构建步骤主要包括如下的三个步骤：
[0017]知识抽取，主要包括实体识别
、
关系抽取和事件抽取三个主要部分，将所抽取的知识转化为三元组形式的
。
[0018]知识融合，从模式层的本体匹配和数据层的实体对齐两方面进行知识图谱的融合操作
。
具体而言，知识融合步骤中分别采用多目标粒子群算法的本体匹配方法和基于整数规划的自适应特征融合的实体对齐模型
。
[0019]知识处理，主要包括知识推理和质量评估
。
知识推理则用于补全关系或属性残缺的知识图谱
。
在质量评估中，通过舍弃置信度较低的知识来保障知识库的质量
。
[0020]进一步的，本专利技术还提供了一种面向工业互联网的分布式知识图谱系统的知识图谱映射及更新方法
。
知识图谱映射，即在进行映射的两个知识图谱中，建立两个图谱中各个实体之间的关系连接，如等价
、
从属
、
包含等，以实现对于外部操作
(
如查询
)
而言，知识图谱呈现一体化
。
[0021]具体而言，本专利技术面向工业互联网的分布式知识图谱架构首次应用时，管理侧在桥接层采用基于树状图的知识图谱映射方案，构建各知识图谱之间的关联性，具体为：
[0022]知识图谱
K
i
(i
为奇数
)
与其相邻的知识图谱
K
i+1
，即两两一组进行映射
。
若知识图谱总数
N
为奇数，则
K本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向工业互联网的分布式知识图谱系统，其特征在于，所述系统包括：知识获取层，知识管理层，知识图谱层，桥接层，应用层；知识获取层：此层级与设备
、
传感器等直接相连，实时收集包括各种类传感器数据
、
工作人员状态
、
工业生产记录
、
生产设备维修记录等多类型
、
多来源的数据，监测设备状态；知识管理层：在此层级对所获取的信息进行处理，构建知识图谱，采用自顶而下和自底而上结合的构建方式，对于已存在的专家库知识，则根据定义的本体模型，从数据中抽取实体与关系信息，而对于其他未成系统的知识，则通过知识抽取
、
知识融合
、
知识加工环节，归纳分类实体，构建知识图谱；知识图谱层：在知识图谱层中存储知识管理层生成的知识图谱，生产侧构建的知识图谱的均由生产侧自己保存，而无需统一存储，以满足生产的低时延和精确性要求，管理层有权查询并调用各生产侧知识图谱；桥接层：管理侧在桥接层管理各生产侧知识图谱，建立不同知识图谱之间的映射关系，以实现对外部操作而言，分布式知识图谱的整体化；应用层；开发知识图谱的具体应用，即高效的信息检索
、
智能问答
、
辅助决策
。2.
根据权利要求1所述的一种面向工业互联网的分布式知识图谱系统，其特征在于，所述系统包括：知识获取层，知识管理层和知识图谱层表征了工厂生产侧采集数据
、
构建及本地存储知识图谱的全流程；桥接层和应用层表征了企业管理侧，管理及应用分布式知识图谱的策略，管理层对所有知识图谱有访问及修改权限，但不进行集中存储
。3.
一种面向工业互联网的分布式知识图谱系统的实现方法，其特征在于，所述方法包括：工业互联网内知识图谱，依靠领域专家定义的知识库，采用自顶而下的方式进行构建，先根据专家知识库为知识定义好本体与数据模式，再将实体加入到知识库中；面对工业互联网中零散而不成体系的知识，传感器实时采集的各类设备
、
环境及人员信息，则采用自底而上的方式构建知识图谱，先从数据中提取出实体，选择其中置信度较高的加入知识库，再构建顶层的本体模型
。4.
根据权利要求3所述的一种面向工业互联网的分布式知识图谱系统的实现方法，其特征在于，所述方法包括：知识抽取包括实体识别
、
关系抽取和事件抽取，将所抽取的知识转化为三元组形式的；知识融合从模式层的本体匹配和数据层的实体对齐两方面进行知识图谱的融合操作，知识融合步骤中分别采用多目标粒子群算法的本体匹配方法和基于整数规划的自适应特征融合的实体对齐模型；知识处理包括知识推理和质量评估，知识推理则用于补全关系或属性残缺的知识图谱，在质量评估中，通过舍弃置信度较低的...

【专利技术属性】
技术研发人员：沙玲霞，孙杰，杨颖，陶沙禹，
申请(专利权)人：江苏莎普信息技术有限公司，
类型：发明
国别省市：