【技术实现步骤摘要】
本专利技术涉及电力系统检索，具体为一种基于知识图谱表示学习的电力审计方法、系统及设备。
技术介绍
1、在电力工程审计工作愈加复杂的背景下，传统的电力审计方式面临着信息不完整、效率低下以及数据分析困难等问题，因此需要一种能够高效、准确、全面进行电力工程审计的方法。知识图谱（kg）是由数百万个实体和它们之间的关系组成的多关系图。作为一种先进的知识表示和处理技术，对于提升信息管理、促进知识发现和支持智能应用具有重要的意义。
2、目前电力领域构建了多种知识图谱，通过知识图谱问答（kgqa）来提升审计等工作的效率。但kgqa系统，尤其是电力审计领域的多跳kgqa仍然面临着一些挑战。
3、首先，kg通常是不完整的，缺失许多链接，这为kgqa，尤其是多跳kgqa带来了额外的挑战。其次，与电力审计领域相关的多跳kgqa相关的外部文本语料库并不总是容易解析与读取（例如各类电力行业报告、法规和政策文档）。
4、所以总结以上可知：目前现有电力审计领域的知识图谱有以下几个痛点：（1）所使用的相关文本语料库的可用性常常受限，从...
【技术保护点】
1.基于知识图谱表示学习的电力审计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在表示学习空间中学习知识图谱的向量表示包括构建知识图谱、链接预测、知识图谱表示学习和张量分解表示学习。
3.如权利要求2所述的方法，其特征在于，构建知识图谱具体包括：
4.如权利要求3所述的方法，其特征在于， 一个三元组表示为，其中，和分别表示头实体和尾实体，而关系，表示和之间的关系。
5.如权利要求3所述的方法，其特征在于，链接预测具体包括：
6.如权利要求2所述的方法，其特征在于，在链接预测中，知识图谱表示...
【技术特征摘要】
1.基于知识图谱表示学习的电力审计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在表示学习空间中学习知识图谱的向量表示包括构建知识图谱、链接预测、知识图谱表示学习和张量分解表示学习。
3.如权利要求2所述的方法，其特征在于，构建知识图谱具体包括：
4.如权利要求3所述的方法，其特征在于， 一个三元组表示为，其中，和分别表示头实体和尾实体，而关系，表示和之间的关系。
5.如权利要求3所述的方法，其特征在于，链接预测具体包括：
6.如权利要求2所述的方法，其特征在于，在链接预测中，知识图谱表示学习具体包括：对于每一个实体e、实体、关系和关系有：和，生成实体表示学习和关系表示学习，其中和分别是和维的向量，和分别表示和这两个实体向量的维度，表示实体向量e所在的空间维度，表示关系向量所在的空间维度。
7.如权利要求6所述的方法，其特征在于，每种表示学习有一个评分函数 ，用于给三元组分配某个分数，其中和t分别表示头实体和尾实体。
8.如权利要求7所述的方法，其特征在于，对于每一个正确的三元组和不正确的三元组分配的分数满足 和，评分函数是的函数，分别表示头实体的嵌入向量、关系的嵌入向量和尾实体t的嵌入向量。
9.如权利要求2所述的方法，其特征在于，张量分解表示学习将关系和实体表示学习到复数空间，给定，生成，并定义一个评分函数：
10.如权利要求1所述的方法，其特征在于，然后给定电力审计的自然语言问题，学习问题的向量映射，结合映射结果来预测答案包括通过自然语言问题以及问题中出现的主题实体是一组实体，任务是提取一个实体，正确回答这个问题。
11.如权利要求3至9中任意一项所述的方法，其特征在于，对于所有的，以及所有的关系，使用c方法表示学习使得，分别表示头实体的嵌入向量、关系的嵌入向量和尾实体t的嵌入向量，复数空间，实体表示学习被用来学习头实体、问题和答案实体之间的三元组评分函数。
12.如权利要求10所述的方法，其特征在于，将自然语言问题表示学习到一个固定向量中，通过一个前馈神经网络先使用预训练语言表示模型将问题表示学习到一个x维的向量中，然后这个向量通过relu激活函数的全连接线性层，并最终投影到复数空间中，q的嵌入向量。
13.如权利要求12所述的方法，其特征在于，给定一个，以及答案实体集合，以如下的方式学习问题表示学习：
14.如权利要求13所述的方法，其特征在于，对头实体、问题与所有可能的答案进行评分，选择得分最高的实体：
15.如权利要求14所述的方法，其特征在于，修剪知识图谱候选实体，修剪策略如下：
16.基于知识图谱表示学习的电力审计系统，其特征在于，包括：
17.如权利要求16所述的系统，其特征在于，在表示学习空间中学习知识图谱的向量表示包括构建知识图谱、链接预测、...
【专利技术属性】
技术研发人员：孟庆霖，周飞，郭磊，姜海，杨嘉琛，熊德意，于宏宇，药炜，高镇，温家宝，肖帅，吴新维，徐邵洋，孙浩然，贺莹，
申请(专利权)人：国家电网有限公司，
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。