[发明专利]多要素情境自适应推理方法及应用

说明书

为了解决现有技术的不足，本发明提供一种多要素情境自适应推理方法及应用，包括：通过知识图谱中的知识实体与知识进行关联，得到表示学习混合规则知识迭代推理过程；基于所述表示学习混合规则知识迭代推理过程，寻找与不同产业链情境存在有效强关联的要素，建立复杂产业链情境与不同要素的类别匹配规则；基于熵值分析法获得复杂产业链情境的多要素关联的权重；通过所述类别匹配规则，分析不同情境对应的要素；再结合所述复杂产业链情境的多要素关联的权重，获得多要素情境的自适应推理方法。本发明能够确定多要素情境的类别匹配规则，而且通过熵值分析法，确定不同生产要素对产业链决策的影响权重，实现多样时变的复杂产业链情境的自适应推理。

技术领域

本发明涉及产业链智能决策技术领域，特别涉及一种应用于工业产业链的多要素情境自适应推理方法。

背景技术

新一代人工智能技术将围绕大数据智能、群体智能、工业自主智能系统等方向持续攻关，并从基础理论、支撑体系、关键技术、创新应用等层面构筑知识群、技术群和产品群的生态环境。

工业产业链系统中存在大量需要推荐与决策的环节，这都依赖于对产业链情境的精确感知。传统的产业链情境感知技术已有了一些应用，然而其大多面向单一的工业领域，针对复杂产业链的多要素情境的推理技术的研究与应用还存在不足。

发明内容

为了解决现有技术的不足，本发明提供一种多要素情境自适应推理方法及应用，借助工业大数据与人工智能等技术，旨在构筑工业领域覆盖全产业链的多要素情境自适应推理技术。

为了实现上述目的，本发明采用的具体方案为：

一种多要素情境自适应推理方法，包括：

通过知识图谱中的知识实体与知识进行关联，得到表示学习混合规则知识迭代推理过程；

基于所述表示学习混合规则知识迭代推理过程，寻找与不同产业链情境存在有效强关联的要素，建立复杂产业链情境与不同要素的类别匹配规则；

基于熵值分析法获得复杂产业链情境的多要素关联的权重；

通过所述类别匹配规则，分析不同情境对应的要素；再结合所述复杂产业链情境的多要素关联的权重，获得多要素情境的自适应推理方法。

所述“通过知识图谱中的知识实体与知识进行关联，得到表示学习混合规则知识迭代推理过程”，包括：

通过知识图谱中已有的知识实体与知识关联，利用表示学习得出新的知识实体；

通过关联分析方法对所述关联的支持度、置信度和提升度进行分析，提取有效的强关联集合；

通过强关联规则进行表示学习，得到所述表示学习混合规则知识迭代推理过程。

所述“通过知识图谱中已有的知识实体与知识关联，利用表示学习得出新的知识实体”，包括：

基于产业链知识图谱中已有的知识实体与关联规则，将其中相关联的知识实体及其对应的关联规则的三元组嵌入到低维连续向量空间处理；

对知识实体与关联规则的初始化嵌入向量进行规范化处理；

通过TranSparse模型，根据不同的头部知识实体与关系得到新的知识实体

所述知识实体对产业链知识图谱进行补充，其过程应满足通过评分函数进行评价：

其中，θ_min是关于稀疏度的一个超参数，满足0≤θ_min≤1，N_r是关系r连接的实体对的数量，是所连接实体对数量最多的关系。

此外，为了解决关联关系不平衡的问题，TranSparse模型中采用的评分函数可进一步表示为：