一种基于知识图谱的卷包维修经验推荐方法

摘要

本发明涉及一种基于知识图谱的卷包维修经验推荐方法，包括设备维修知识数字化、构建维修经验知识图谱及存储、维修经验知识图谱的应用，用户通过查找到实体，通过维修经验知识图谱的关联关系找到其它实体，并向用户推荐关联实体的信息和知识，从而激发用户的求知欲或灵感，并进行更多的操作，并提高知识内容的可接受性和易理解性，有助于用户获取更多的经验知识，缩短新人的成长时间。

说明书

技术领域

本发明属于机械维修人员培训技术领域，具体涉及一种基于知识图谱的卷包维修经验推荐方法。

背景技术

在生产企业会使用大量的生产设备，对于设备的维护及保养是保证设备正常生产的必不可少的条件，为此，企业中均会配备有相应的维修人员。随着人员的流动或企业的发展需要，或者维修人员个体的差异，对设备的维修效率的差距是比较显著的，特别是新进入企业的人员，对设备的熟悉度较低，导致维修效率低。

现企业为了快速提高新人的技术水平，依然采用传统的师傅带徒弟的方式来提高新人的技术水平，这种方式的优点是，师傅能够将其经验在进行维修实践中传递给徒弟，对技术的掌握度要高，但是，因为设备的维护次数总体是有限的，而只能在有进行维修作业时才能教授，同时，结合生产实际，有些设备的维修是在紧急情况下进行的，此时也没有时间对新人进行教授，只能靠新人通过观察来学习，导致新人均需要较长时间才能达到相对的效果，不符合企业的管理要求。

发明内容

本发明的目的是提供一种基于知识图谱的卷包维修经验推荐方法，结合传统的新人培养方法，解决了现新的维修人员需要较长时间才能独立维修作业的问题。

为实现上述目的，本申请是通过以下技术方案实现的：

一种基于知识图谱的卷包维修经验推荐方法，包括以下步骤：

S1、设备维修知识数字化

利用信息化技术将历史的设备与维修或保养相关的纸质资料进行数字化转化，并进行整合或汇聚，形成维修经验推荐模型的文本样本；

S2、构建维修经验知识图谱

本申请的维修经验知识图谱为由节点和边构成的三元组；通过实体识别和关系提取这两个关键因素构建；

实体为维修经验知识图谱中的节点，通过步骤S1中的文本样本中的名词或专有名词为维修经验知识图谱的实体，通过词性标签进行实体识别；

关系提取中的关系为维修经验知识图谱中的边，通过步骤S1中的文本样本中的动词表征实体的关系；

通过实体识别和关系提取，对步骤S1中的文本样本进行挖掘，形成一条条知识，并通过实体之间的关系构建网状的维修经验知识图谱；

S3、存储步骤S2构建的维修经验知识图谱；

S4、维修经验知识图谱的应用

通过步骤S3存储的维修经验知识图谱，基于设定实体的查找，通过维修经验知识图谱的关联关系找到其它相关实体，并向用户推荐关联实体的信息和知识。

进一步的，步骤S1中历史的设备与维修或保养相关的纸质资料包括但不限于设备点检、润滑、保养、换件或维修。

进一步的，步骤S3中的维修经验知识图谱存储于存储器的知识库模块。

进一步的，步骤S3中还包括存储经过维修经验知识图谱处理后的各类有序、强关联性的维修经验知识，并生成不同类别的索引。

进一步的，还包括步骤S5，维修经验知识图谱的可视化展现，即将检索结果以多样化的形式呈现在用户面前。

进一步的，多样化的形式包括但不限于逻辑性的文字或简明扼要的图表或其它样式。

本发明的有益效果是：

本技术方案通过将设备维修的历史信息进行数字化转换，并构建维修经验知识图谱，用户通过查找到实体，通过维修经验知识图谱的关联关系找到其它实体，并向用户推荐关联实体的信息和知识，从而激发用户的求知欲或灵感，并进行更多的操作，并提高知识内容的可接受性和易理解性，有助于用户获取更多的经验知识，缩短新人的成长时间。

附图说明

图1为本发明维修经验知识图谱三元组示意图；

图2为本发明维修经验知识图谱示意图。

具体实施方式

以下结合附图对本发明的技术方案进行详细的说明，以下的实施例仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为是对本发明技术方案的限制。

申请人以烟草卷包设备为例进行说明，通常来说，本申请的技术方案能够符合所有机械设备的维修人员的学习。在此以为了提升烟草卷包设备的保障效率，不断缩短设备维修人员之间的维修效率的减距，从而有效促进设备净效率的提升，采用本申请的维修经验知识图谱的方法构建设备-故障-维修经验的关联及推荐模型，供维修人员学习。

本申请提供一种基于知识图谱的卷包维修经验推荐方法，包括以下步骤：

S1、卷包设备维修知识数字化。利用信息化技术将历史的设备点检、润滑、保养、换件、维修或其它的相关技术的纸质资料进行数字化转化。对于上述的历史的纸质资料可以设定时间长度，也可以将所有的历史资料均进行数字化转化，具体根据需要而设定，并且进行整合或汇聚，形成维修改经验推荐模型的文本样本。

S2、构建卷包设备维修经验知识图谱。本申请的知识图谱就是一组节点和边构成的三元组，如图1所示，节点A(Node A)和节点B(Node B)是两个不同的实体，这些节点由代表两个节点之间关系的边连接，也被称为一个三元组，因此实体识别和关系提取是构建维修经验知识图谱的两个关键步骤。

1)实体识别

本申请的实体就是维修经验知识图谱中的节点，在之前的文本样本中，名词和专有名词就是维修经验知识图谱的实体，可以通过词性标签提取实体。在此举例说明：因为卷制1号机发生故障X，工班A对其更换了配件，那么卷制1号机、故障X、工班A就是实体。

2)关系提取

本申请的关系就是维修经验知识图谱的边，在前述的文本样本中，动词就能表征实体的关系，例如，因为卷制1号机发生故障X，工班A对其更换了配件中的“发生”、“更换配件”就是需要提取的关联关系。

通过实体识别和关系提取，能够将前述的文本样本进行挖掘，形成一条条知识，并通过实体之间的关系构建成网状的维修经验知识图谱。例如，因为卷制1号机发生故障X，工班A对其更换了配件，形成图2的维修经验知识图谱。

S3、存储步骤S2构建的维修经验知识图谱。知识库模块可以作为维修经验知识图谱的存储器，当然根据实际的需要也可以使用其它模块，并不影响本申请技术方案的适用，并且知识库也可以用于存放经过维修经验知识图谱处理后的各类有序、强关联性的维修经验知识，并且生成不同类别的索引，当用户进行查询时，能够高效智能的匹配出相应的维修经验结果。

S4、维修经验知识图谱的应用。

本申请举例的卷包设备维修经验知识图谱的应用在于维修经验的推荐，与传统意义上的应用不同，传统意义上的应用是以维修经验知识图谱的实体为对象进行检索，而本申请是更深层次的推荐。也就是基于查找到的实体，通过知识图谱的关联关系找到其它实体，并向用户推荐关联实体的信息和知识，从而激发用户的求知欲或灵感，并进行更多的操作行为。

步骤S5、卷包设备维修经验知识图谱的可视化展现。知识图谱的可视化展示能够将检索结果以多样化的形式呈现在用户面前，包括具有逻辑性的文字、简明扼要的图表等，增加知识内容的可接受性和易理解性，一定程度上提升用户的搜索功能，有助于用户获取更多的知识。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由所附权利要求及其等同限定。