【技术实现步骤摘要】
本专利技术涉及知识图谱构建，特别是涉及一种实体关系三元组抽取方法、系统及计算机设备。
技术介绍
1、传统的无人机系统故障诊断方法就是依赖经验丰富的专家或工程技术人员现场排查，需要大量的人力保障和高昂的维护成本，随着信息科技的发展，为克服现场排查带来的弊端，将大数据、知识图谱、人工智能等方法应用于各类故障的辅助诊断和智能预测过程中，能够有效推动无人机系统快速智能排故。其中以知识图谱为代表的智能化数据处理技术，能够凭借其细粒度知识管理模式、良好智能交互过程以及多渠道接入方式，普遍应用于各行业中的产品咨询、运维服务以及统计分析等工作中。将其应用于无人机系统维修保障过程中，具有以下几种优势：1)可根据用户使用数据，统计各设备故障率实现历史数据的可视化，便于更好地开展维修保障工作；2)可融入大量的专家知识和技术人员经验，构建系统故障知识库，当故障发生时，能从领域知识库中快速提取该故障的故障现象和故障排除方法，第一时间为用户提供指导，平时也可用于一线部队使用管理人员的学习和训练，提升排故能力；3)建立典型故障与飞行任务、飞机构型、维修工作、飞参信息...
【技术保护点】
1.一种实体关系三元组抽取方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种实体关系三元组抽取方法，其特征在于，所述无人机非结构化故障知识文本包括历史故障案例、操作规程以及排故手册。
3.如权利要求1所述的一种实体关系三元组抽取方法，其特征在于，所述Bert模块通过无人机非结构化故障知识文本中字符之间的关联程度调整权重系数矩阵来输出每个字符的词向量表示；
4.如权利要求3所述的一种实体关系三元组抽取方法，其特征在于，通过下式对头实体的起始位置与结束位置进行预测：
5.如权利要求4所述的一种实体关系三元组抽取方法...
【技术特征摘要】
1.一种实体关系三元组抽取方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种实体关系三元组抽取方法，其特征在于，所述无人机非结构化故障知识文本包括历史故障案例、操作规程以及排故手册。
3.如权利要求1所述的一种实体关系三元组抽取方法，其特征在于，所述bert模块通过无人机非结构化故障知识文本中字符之间的关联程度调整权重系数矩阵来输出每个字符的词向量表示；
4.如权利要求3所述的一种实体关系三元组抽取方法，其特征在于，通过下式对头实体的起始位置与结束位置进行预测：
5.如权利要求4所述的一种实体关系三元组抽取方法，其特征在于，头实体水平与垂直方向的向量表示如下所示：
6.如权利要求5所述的一种实体关系三元组抽取方法，其特征...
【专利技术属性】
技术研发人员：崔利杰，谢小月，唐希浪，任博，李新春，胡俊英，张海，王煜华，池果，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
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。