[发明专利]基于深度知识图谱的生产工单推荐方法

说明书

本发明公开了一种基于深度知识图谱的生产工单推荐方法，包括建立生产工单知识图谱，动态更新生产工单知识图谱；将生产工单知识图谱作为样本输入循环神经网络，训练样本得到包括生产厂家隐表示和生产商品隐表示的生产厂家信息；确定目标生产厂家和邻近生产厂家，根据目标生产厂家和邻近生产厂家的生产厂家信息计算相似度，根据相似度得到生成工单的推荐列表。本发明通过使用知识图谱技术建立和动态更新生产工单知识图谱，充分考虑生产厂家的生产工单记录和产品会随时间发生变化这一事实，实现了推荐结果的动态变化；同时通过根据邻近生产厂家和目标生产厂家之间的最大相似度生成推荐列表，提高生产工单推荐结果的精准性。

技术领域

本发明涉及生产工单处理技术领域，具体涉及一种基于深度知识图谱的生产工单推荐方法。

背景技术

随着市场经济的不断发展，人们对提高工作效率的需求越来越迫切，厂家对生产工单的管理也提出了更多要求。现有的工单管理系统种类繁多，功能都包括有添加删除工单、查询检索工单、统计筛选、报表查询等；同时，可以通过用户编号、公司名称、用户名称等查询条件生成内容齐全的生产工单。

推荐功能作为一项已日渐融入人们生活中功能，运用在实际生产生活过程中可以显著提升各行各业的办事效率。但是现有的工单管理系统大都没有包含推荐功能，并且推荐的精准度不高。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中的不足，提供一种可以根据生产厂家的生产工单记录对生产工单进行精准的个性化推荐的基于深度知识图谱的生产工单推荐方法。

为解决上述技术问题，本发明提供了一种基于深度知识图谱的生产工单推荐方法，包括：

步骤1：利用知识图谱存储生产工单上的属性特征，建立生产工单知识图谱；使用知识图谱中的知识更新技术对生产工单随时间变化而产生的新数据进行数据分析，动态更新生产工单知识图谱；

步骤2：将生产工单知识图谱作为样本输入循环神经网络，训练样本得到包括生产厂家隐表示和生产商品隐表示的生产厂家信息；

步骤3：确定目标生产厂家，将其余的生产厂家作为邻近生产厂家，根据目标生产厂家和邻近生产厂家的生产厂家信息计算相似度，根据相似度得到生成工单的推荐列表。

进一步地，所述步骤1中的利用知识图谱存储生产工单上的属性特征，建立生产工单知识图谱，具体包括：

步骤1.1：从生产工单数据库中抽取生产工单相关的实体、关系和属性的知识信息，

步骤1.2：将抽取得到的知识信息进行知识融合，整合形成知识库，

步骤1.3：对知识库进行知识加工，得到生产工单知识图谱。

进一步地，所述步骤1.1中的所述实体包括商品名称、厂家名称、厂家老板姓名、订购商品者姓名、厂家地址、厂家商品生产记录、厂家商品搜索记录，所述关系包括生产记录、购买记录、邻近关系，所述属性包括商品价格、商品编号、工厂编号、订单数量、商品规格、商品尺寸；

所述步骤1.2中的知识库包括商品知识库、厂家知识库和生产情况知识库；

所述步骤1.3中的知识加工包括通过计算机辅助进行本体的构建，根据生产情况进行知识推理，进行保障知识库质量的质量评估。

进一步地，所述步骤2中的将生产工单知识图谱作为样本输入循环神经网络，训练样本得到包括生产厂家隐表示和生产商品隐表示的生产厂家信息，具体过程为：

步骤2.1：将t时刻的实体x_e^(t)和t时刻的关系x_r^(t)相加，作为循环神经网络的总输入x^(t)；