一种基于制造技术

本申请公开了一种基于嵌入的电网运维知识图谱实体对齐方法和装置，该方法包括如下步骤：从实际电网运维数据中获取不同时段的两个电网运维知识图谱；基于神经网络分别对所述两个电网运维知识图谱的实体进行邻域聚合，得到各电网运维知识图谱中各实体的多跳邻域聚合信息；基于所述多跳邻域聚合信息，分别确定两个电网运维知识图谱中所有关系对齐的损失值和所有实体对齐的损失值，并基于所有关系对齐的损失值和所有实体对齐的损失值，得到总损失值；以所述总损失值最小化为目标对所述神经网络进行训练，以实现所述两个电网运维知识图谱的对齐

【技术实现步骤摘要】
一种基于EEANet的电网运维知识图谱实体对齐方法及系统


[0001]本专利技术属于电网系统知识图谱实体对齐领域，具体涉及一种基于
EEANet(Embedding
‑
based Entity Alignment Net
，基于嵌入的实体对齐方法的神经网络
)
的知识图谱实体对齐方法
、
系统
、
电子设备和计算机可读存储介质
。

技术介绍

[0002]由于公司内部在岗运维人员人数庞大，不同的运维工具长期孤立运行，加上国网各个系统功能上有多处交叉重叠，造成了运维人员的运维知识繁杂无体系又相互重叠
、
深入且孤立，突发故障处理严重依赖人工经验，难以客观控制故障抢修时间的问题
。
针对内涵丰富异常故障价值信息的历史运维监控大数据的挖掘
、
分析
、
运维知识总结提取应用工作基本处于空白状态而且运维经验总结明显不足
。
海量监控告警信息和历史运维知识没有得到有效总结
、...

【技术保护点】

【技术特征摘要】
1.
一种基于
EEANet
的电网运维知识图谱实体对齐方法，其特征在于，包括如下步骤：
(1)
从实际电网运维数据中获取不同时段的两个电网运维知识图谱；
(2)
基于神经网络分别对所述两个电网运维知识图谱的实体进行邻域聚合，得到各电网运维知识图谱中各实体的多跳邻域聚合信息；
(3)
基于所述多跳邻域聚合信息，分别确定两个电网运维知识图谱中所有关系对齐的损失值和所有实体对齐的损失值，并基于所有关系对齐的损失值和所有实体对齐的损失值，得到总损失值；
(4)
以所述总损失值最小化为目标对所述神经网络进行训练，以实现所述两个电网运维知识图谱的对齐
。2.
根据权利要求1所述的方法，其特征在于，步骤
(2)
还包括如下步骤：
(21)
确定电网运维知识图谱中当前实体在第
l
层的一跳邻域信息；
(22)
基于当前实体和其邻居实体之间在神经网络第
l
层的可学习注意力权重，确定当前实体在第
l
层的各个多跳邻域信息；
(23)
对当前实体在第
l
层的一跳邻域信息和各个多跳邻域信息进行合并，得到当前实体在第
l
层的聚合信息；
(24)
对当前实体在所述神经网络中所有层的聚合信息进行加权求和，得到当前实体的所述多跳邻域聚合信息
。3.
根据权利要求2所述的方法，其特征在于，步骤
(23)
还包括：确定一跳邻域信息和各个多条邻域信息的权重，基于所述权重对当前实体在第
l
层的一跳邻域信息和各个多跳邻域信息进行合并，得到当前实体在第
l
层的聚合信息
。4.
根据权利要求3所述的方法，其特征在于，步骤
(23)
中，通过以下方式得到当前实体在第
l
层的聚合信息层的聚合信息层的聚合信息层的聚合信息其中，
σ
为常系数，
M
为权矩阵，
b
为偏置向量，为当前实体
i
在第
l
层的
k
跳邻域信息
。5.
根据权利要求1所述的方法，其特征在于，步骤
(3)
中，所有实体对齐的损失值通过以下方式确定：其中，
||h
i'
‑
h
j'
||>
λ
，
λ
代表负样本中的头尾实体距离的阈值；
A
+
是预对齐后的实体形成的正样本
(i,j)
的集合；
A
‑
是通过随机替换两个预对齐实体中的一个而形成的负样本
(i',j...

【专利技术属性】
技术研发人员：王堃，陈志刚，裴丹，阳予晋，赵志鹏，雷惊鸿，
申请(专利权)人：中南大学国网宁夏电力有限公司信息通信公司，
类型：发明
国别省市：