基于潜在向量转化神经的知识图谱动态研发系统及方法

摘要

本发明公开了基于潜在向量转化神经的知识图谱动态研发系统及方法，本发明涉及知识图谱技术领域。该基于潜在向量转化神经的知识图谱动态研发系统及方法，通过第一向量输出模块将代码传给代码筛选模块中，计算搜索模块在网络上搜索和计算编辑文本的网络代码并传给代码筛选模块中，代码筛选模块将两组数据代码按每个字符逐个对比分析，同时让反向测试模块把两组数据代码逆向转化成文本，当两组文本与输入文本模块中的文本不一致时，代码提取模块将正确的数据代码覆盖在错误的数据代码上，让正确的数据代码保存在记录保存模块中，使代码筛选模块和反向测试模块来检测第一向量输出模块与计算搜索模块在向量转化时是否出现错误。

说明书

技术领域

本发明涉及知识图谱技术领域，具体为基于潜在向量转化神经的知识图谱动态研发系统及方法。

背景技术

知识图谱，是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的现代理论。

目前在向量转化神经的动态知识图谱中，大部分的动态知识图在运行的过程中，没有辅助的检测单元，这样让动态知识图在错误的运行时，无法检测知识图谱的结果，因此，技术人员提供基于潜在向量转化神经的知识图谱动态研发系统及方法，通过代码筛选模块和反向测试模块来检测第一向量输出模块与计算搜索模块在向量转化时是否出现错误，还可以通过代码标记模块和代码查询模块将计算后的数据代码位置进行对比检查，提高数据代码的准确度。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于潜在向量转化神经的知识图谱动态研发系统及方法，解决了动态知识图在运行的过程中，没有辅助的检测单元，无法检测知识图谱的结果的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：基于潜在向量转化神经的知识图谱动态研发系统，包括输入文本模块，所述输入文本模块的输出端与第一向量输出模块的输入端电性连接，所述第一向量输出模块的输出端分别与网络神经模块和搜索处理单元的输入端电性连接，所述网络神经模块和搜索处理单元的输出端均与拓展单元的输入端电性连接，所述网络神经模块和拓展单元的输出端均分别与动态网记忆网络模块的输入端电性连接，所述搜索处理单元的输入端与观察追踪单元的输出端电性连接，所述拓展单元的输出端与观察追踪单元的输入端电性连接，所述动态网记忆网络模块的输出端与答案显示模块的输入端电性连接。

所述第一向量输出模块用于将文本向量转化成数据代码。

优选的，所述搜索处理单元包括计算搜索模块、代码筛选模块、反向测试模块、代码提取模块和记录保存模块，所述计算搜索模块的输出端与代码筛选模块的输入端电性连接，所述代码筛选模块的输出端与反向测试模块的输入端电性连接，所述反向测试模块的输出端与代码提取模块的输入端电性连接，所述代码提取模块的输出端与记录保存模块的输入端电性连接。

所述计算搜索模块用于在网络上搜索和计算编辑文本的网络代码。

所述代码筛选模块用于将两组数据代码按每个字符逐个对比分析。

所述反向测试模块用于将两组数据代码逆向转化成文本。

优选的，所述观察追踪单元包括代码标记模块、代码查询模块、标记对比模块和粘复处理模块，所述代码标记模块的输出端与代码查询模块的输入端电性连接，所述代码查询模块的输出端与标记对比模块的输入端电性连接，所述标记对比模块的输出端与粘复处理模块的输入端电性连接。

优选的，所述拓展单元包括运算提取模块、网络运算模块、运行限定模块和计算定型模块，所述运算提取模块的输出端与网络运算模块的输入端电性连接，所述网络运算模块的输出端与运行限定模块的输入端电性连接，所述运行限定模块的输出端与计算定型模块的输入端电性连接。

优选的，所述动态网记忆网络模块包括动态模拟模块、动态储存模块和第二向量输出模块，所述动态模拟模块的输出端与动态储存模块的输入端电性连接，所述动态储存模块的输出端与第二向量输出模块的输入端电性连接。

所述第二向量输出模块用于将动态形式数据转化为多样性文本结果。

优选的，所述输入文本模块的输出端与计算搜索模块的输入端电性连接，所述第一向量输出模块的输出端与代码筛选模块的输入端电性连接。

优选的，所述网络神经模块和计算定型模块的输出端均与动态模拟模块的输入端电性连接。

优选的，所述第二向量输出模块的输出端与答案显示模块的输入端电性连接，所述拓展单元的输出端与粘复处理模块的输入端电性连接。

本发明还提供了基于潜在向量转化神经的知识图谱动态研发的方法，具体包括以下步骤：

步骤一、预测处理步骤：员工在输入文本模块中输入文本，输入文本模块将文本传入第一向量输出模块和计算搜索模块的内部，第一向量输出模块将文本向量转化成数据代码，同时第一向量输出模块将代码传给代码筛选模块中，计算搜索模块在网络上搜索和计算编辑文本的网络代码并传给代码筛选模块中，代码筛选模块将两组数据代码按每个字符逐个对比分析，当两组数据代码不一样时，代码筛选模块将两组数据代码传入反向测试模块中，反向测试模块把两组数据代码逆向转化成文本，观察两组文本与输入文本模块中的文本是否一致，同时将转化错误的数据代码报警，代码提取模块将正确的数据代码覆盖在错误的数据代码上，让正确的数据代码保存在记录保存模块中；

步骤二、拓展步骤：步骤一将第一向量输出模块和计算搜索模块内部的数据代码均为正确的数据代码时，代码标记模块将网络代码中的一个字符的位置进行标记后，第一向量输出模块将数据代码传入网络神经模块后，网络神经模块把数据代码传入计算过程中计算出结果，同时运算提取模块将计算搜索模块中的数据代码提取并传入网络运算模块中，网络运算模块把数据代码在上网上计算，并通过运行限定模块限定计算的过程，在计算过程后把计算结果保存在计算定型模块上；

步骤三、观察追踪步骤：代码标记模块在标记字符的时候将信息传给代码查询模块，代码查询模块把网络神经模块和计算定型模块的计算结果提取并在代码查询模块中查询标记字符的位置，代码查询模块把查询标记字符的位置传给标记对比模块，标记对比模块将第一向量输出模块和计算搜索模块标记的字符位置与查询标记字符的位置进行对比，当标记的字符不一样时，粘复处理模块将错误的标记字符位置报警，让员工修改计算过程，同时粘复处理模块将错误的标记字符位置删去并粘复正确的标记字符位置；

步骤四、动态显示步骤：当网络神经模块和计算定型模块的计算结果一致后，动态模拟模块将网络神经模块和计算定型模块的计算结果模拟成动态形式并传给动态储存模块中储存，同时动态储存模块将态形式结果出给第二向量输出模块，第二向量输出模块将动态形式数据转化为多样性文本结果，并在答案显示模块中显示。

(三)有益效果

本发明提供了基于潜在向量转化神经的知识图谱动态研发系统及方法。具备以下有益效果：

(1)该基于潜在向量转化神经的知识图谱动态研发系统及方法，通过第一向量输出模块将代码传给代码筛选模块中，计算搜索模块在网络上搜索和计算编辑文本的网络代码并传给代码筛选模块中，代码筛选模块将两组数据代码按每个字符逐个对比分析，同时让反向测试模块把两组数据代码逆向转化成文本，当两组文本与输入文本模块中的文本不一致时，代码提取模块将正确的数据代码覆盖在错误的数据代码上，让正确的数据代码保存在记录保存模块中，这样可以通过代码筛选模块和反向测试模块来检测第一向量输出模块与计算搜索模块在向量转化时是否出现错误。

(2)该基于潜在向量转化神经的知识图谱动态研发系统及方法，通过代码查询模块把网络神经模块和计算定型模块的计算结果提取并在代码查询模块中查询标记字符的位置，代码查询模块把查询标记字符的位置传给标记对比模块，标记对比模块将第一向量输出模块和计算搜索模块标记的字符位置与查询标记字符的位置进行对比，当标记的字符不一样时，粘复处理模块将错误的标记字符位置报警，同时粘复处理模块将错误的标记字符位置删去并粘复正确的标记字符位置，这样可以通过代码标记模块和代码查询模块将计算后的数据代码位置进行对比检查，提高数据代码的准确度。

(3)该基于潜在向量转化神经的知识图谱动态研发系统及方法，通过动态模拟模块将网络神经模块和计算定型模块的计算结果模拟成动态形式并传给动态储存模块中储存，同时动态储存模块将态形式结果出给第二向量输出模块，第二向量输出模块将动态形式数据转化为多样性文本结果，并在答案显示模块中显示，这样可以通过动态模拟模块将网络神经模块和计算定型模块的计算结果模拟成动态形式，并让第二向量输出模块将动态形式数据转化为多样性文本结果，提高文本的显示效果。

附图说明

图1为本发明的系统框图；

图2为本发明搜索处理单元的系统框图；

图3为本发明网络神经模块的系统框图；

图4为本发明动态网记忆网络模块的系统框图；

图5为本发明观察追踪单元的系统框图；

图中，1、输入文本模块；2、第一向量输出模块；3、网络神经模块；4、搜索处理单元；5、拓展单元；6、动态网记忆网络模块；7、观察追踪单元；8、答案显示模块；9、计算搜索模块；10、代码筛选模块；11、反向测试模块；12、代码提取模块；13、记录保存模块；14、代码标记模块；15、代码查询模块；16、标记对比模块；17、粘复处理模块；18、运算提取模块；19、网络运算模块；20、运行限定模块；21、计算定型模块；22、动态模拟模块；23、动态储存模块；24、第二向量输出模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-5，本发明实施例提供技术方案：基于潜在向量转化神经的知识图谱动态研发系统，包括输入文本模块1，输入文本模块1的输出端与第一向量输出模块2的输入端电性连接，第一向量输出模块2的输出端分别与网络神经模块3和搜索处理单元4的输入端电性连接，网络神经模块3和搜索处理单元4的输出端均与拓展单元5的输入端电性连接，网络神经模块3和拓展单元5的输出端均分别与动态网记忆网络模块6的输入端电性连接，搜索处理单元4的输入端与观察追踪单元7的输出端电性连接，拓展单元5的输出端与观察追踪单元7的输入端电性连接，动态网记忆网络模块6的输出端与答案显示模块8的输入端电性连接。

第一向量输出模块2用于将文本向量转化成数据代码。

作为优选择方案，如图2，搜索处理单元4包括计算搜索模块9、代码筛选模块10、反向测试模块11、代码提取模块12和记录保存模块13，计算搜索模块9的输出端与代码筛选模块10的输入端电性连接，代码筛选模块10的输出端与反向测试模块11的输入端电性连接，反向测试模块11的输出端与代码提取模块12的输入端电性连接，代码提取模块12的输出端与记录保存模块13的输入端电性连接。

计算搜索模块9用于在网络上搜索和计算编辑文本的网络代码。

代码筛选模块10用于将两组数据代码按每个字符逐个对比分析。

反向测试模块11用于将两组数据代码逆向转化成文本。

通过第一向量输出模块2将代码传给代码筛选模块10中，计算搜索模块9在网络上搜索和计算编辑文本的网络代码并传给代码筛选模块10中，代码筛选模块10将两组数据代码按每个字符逐个对比分析，同时让反向测试模块11把两组数据代码逆向转化成文本，当两组文本与输入文本模块1中的文本不一致时，代码提取模块12将正确的数据代码覆盖在错误的数据代码上，让正确的数据代码保存在记录保存模块13中，这样可以通过代码筛选模块10和反向测试模块11来检测第一向量输出模块2与计算搜索模块9在向量转化时是否出现错误。

作为优选择方案，如图5，观察追踪单元7包括代码标记模块14、代码查询模块15、标记对比模块16和粘复处理模块17，代码标记模块14的输出端与代码查询模块15的输入端电性连接，代码查询模块15的输出端与标记对比模块16的输入端电性连接，标记对比模块16的输出端与粘复处理模块17的输入端电性连接。

通过代码查询模块15把网络神经模块3和计算定型模块21的计算结果提取并在代码查询模块15中查询标记字符的位置，代码查询模块15把查询标记字符的位置传给标记对比模块16，标记对比模块16将第一向量输出模块2和计算搜索模块9标记的字符位置与查询标记字符的位置进行对比，当标记的字符不一样时，粘复处理模块17将错误的标记字符位置报警，同时粘复处理模块17将错误的标记字符位置删去并粘复正确的标记字符位置，这样可以通过代码标记模块14和代码查询模块15将计算后的数据代码位置进行对比检查，提高数据代码的准确度。

作为优选择方案，如图3，拓展单元5包括运算提取模块18、网络运算模块19、运行限定模块20和计算定型模块21，运算提取模块18的输出端与网络运算模块19的输入端电性连接，网络运算模块19的输出端与运行限定模块20的输入端电性连接，运行限定模块20的输出端与计算定型模块21的输入端电性连接。

作为优选择方案，如图4，动态网记忆网络模块6包括动态模拟模块22、动态储存模块23和第二向量输出模块24，动态模拟模块22的输出端与动态储存模块23的输入端电性连接，动态储存模块23的输出端与第二向量输出模块24的输入端电性连接。

第二向量输出模块24用于将动态形式数据转化为多样性文本结果。

通过动态模拟模块22将网络神经模块3和计算定型模块21的计算结果模拟成动态形式并传给动态储存模块23中储存，同时动态储存模块23将态形式结果出给第二向量输出模块24，第二向量输出模块24将动态形式数据转化为多样性文本结果，并在答案显示模块8中显示，这样可以通过动态模拟模块22将网络神经模块3和计算定型模块21的计算结果模拟成动态形式，并让第二向量输出模块24将动态形式数据转化为多样性文本结果，提高文本的显示效果。

优选的，输入文本模块1的输出端与计算搜索模块9的输入端电性连接，第一向量输出模块2的输出端与代码筛选模块10的输入端电性连接。

优选的，网络神经模块3和计算定型模块21的输出端均与动态模拟模块22的输入端电性连接。

优选的，第二向量输出模块24的输出端与答案显示模块8的输入端电性连接，拓展单元5的输出端与粘复处理模块17的输入端电性连接。

上述的基于潜在向量转化神经的知识图谱动态研发的方法，具体包括以下步骤：

步骤一、预测处理步骤：员工在输入文本模块1中输入文本，输入文本模块1将文本传入第一向量输出模块2和计算搜索模块9的内部，第一向量输出模块2将文本向量转化成数据代码，同时第一向量输出模块2将代码传给代码筛选模块10中，计算搜索模块9在网络上搜索和计算编辑文本的网络代码并传给代码筛选模块10中，代码筛选模块10将两组数据代码按每个字符逐个对比分析，当两组数据代码不一样时，代码筛选模块10将两组数据代码传入反向测试模块11中，反向测试模块11把两组数据代码逆向转化成文本，观察两组文本与输入文本模块1中的文本是否一致，同时将转化错误的数据代码报警，代码提取模块12将正确的数据代码覆盖在错误的数据代码上，让正确的数据代码保存在记录保存模块13中；

步骤二、拓展步骤：步骤一将第一向量输出模块2和计算搜索模块9内部的数据代码均为正确的数据代码时，代码标记模块14将网络代码中的一个字符的位置进行标记后，第一向量输出模块2将数据代码传入网络神经模块3后，网络神经模块3把数据代码传入计算过程中计算出结果，同时运算提取模块18将计算搜索模块9中的数据代码提取并传入网络运算模块19中，网络运算模块19把数据代码在上网上计算，并通过运行限定模块20限定计算的过程，在计算过程后把计算结果保存在计算定型模块21上；

步骤三、观察追踪步骤：步骤二中代码标记模块14在标记字符的时候将信息传给代码查询模块15，代码查询模块15把网络神经模块3和计算定型模块21的计算结果提取并在代码查询模块15中查询标记字符的位置，代码查询模块15把查询标记字符的位置传给标记对比模块16，标记对比模块16将第一向量输出模块2和计算搜索模块9标记的字符位置与查询标记字符的位置进行对比，当标记的字符不一样时，粘复处理模块17将错误的标记字符位置报警，让员工修改计算过程，同时粘复处理模块17将错误的标记字符位置删去并粘复正确的标记字符位置；

步骤四、动态显示步骤：当网络神经模块3和计算定型模块21的计算结果一致后，动态模拟模块22将网络神经模块3和计算定型模块21的计算结果模拟成动态形式并传给动态储存模块23中储存，同时动态储存模块23将态形式结果出给第二向量输出模块24，第二向量输出模块24将动态形式数据转化为多样性文本结果，并在答案显示模块8中显示。

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、替换和变型，本发明的范围由所附权利要求及其等同物限定。