[发明专利]一种融合知识图谱的微量润滑装置参数选择方法

说明书

本发明公开一种融合知识图谱的微量润滑装置参数选择方法，包括以下步骤：步骤s1：将非结构数据进行数据清理，过滤掉无用信息；步骤s2：通过LSTM‑CRF模型从经过步骤s1的数据中抽取实体关系；步骤s3：将所述实体关系整理为CSV格式文件并将其导入Neo4j图数据库中，建立参数知识图谱；步骤s4：通过JAVA调用Neo4j的接口来进行查询并进行知识推送，得到所需的微量润滑装置参数方案，并根据微量润滑装置参数方案由执行装置执行动作。本发明使得技术人员在面对新材料时可通过本发明查询相关工艺案例情况并且提高参数选择的效率，降低人力成本。

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种融合知识图谱的微量润滑装置参数选择方法。

背景技术

知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。2012年谷歌正式推出了称为知识图谱的搜索引擎服务，随后知识图谱逐步在语义搜索、智能问答、辅助语言理解、辅助大数据分析、增强机器学习的可解释性、结合图卷积辅助图像分类等多个领域发挥越来越重要的作用。知识图谱的构建涉及知识建模、关系抽取、图储存、关系推理、实体融合等多方面技术。

当前，相关的现有技术多为专家系统推荐的知识和规则，基于人为定义，覆盖面小，知识量不大，知识之间联系弱，推送的精度不高。

以重庆大学夏瑞的硕士论文《数字化微量润滑装置设计及铣削应用》为例说明，其参数选择都是基于预先定义好的，如果遇到其余新材料，系统参数未设置，则需要重新设置参数，进行调整。

同时，现有参数选择基于人为程序编制，参数基于试验结果，无法应对新材料的参数，且相关知识无法推送，导致工艺加工效率低下。

发明内容

本发明旨在提供选择效率高、在面对新材料时可通过知识图谱查询相关工艺案例进行知识推送的一种融合知识图谱的微量润滑装置参数选择方法。

为达到上述目的，本发明是采用以下技术方案实现的：

一种融合知识图谱的微量润滑装置参数选择方法，包括以下步骤：

步骤s1：将非结构数据进行数据清理，过滤掉无用信息；

步骤s2：通过LSTM-CRF模型从经过步骤s1的数据中抽取实体关系；

步骤s3：将所述实体关系整理为CSV格式文件并将其导入Neo4j图数据库中，建立参数知识图谱；

步骤s4：通过JAVA调用Neo4j的接口来进行查询并进行知识推送，得到所需的微量润滑装置参数方案，并根据微量润滑装置参数方案由执行装置执行动作。

优选的，所述非结构数据包括以往工艺数据、实验数据以及传感器数据。

优选的，在步骤s2中，通过长短时记忆神经网络LSTM和条件随机场CRF进行命名实体识别，实现三元组抽取。

进一步的，在步骤s2中，包括以下步骤：

步骤s201：词典映射：获取低频词过滤字与id的映射word2id、预测类别与id的映射lable2id；

步骤s202：获取句子和标签：从训练文件中获取句子和标签；

步骤s203：输入文本转id：通过词典，将输入的文本转换成数字序列；

步骤s204：数据填充：以保证数据维度一致为目的进行句子填充；

步骤s205：LSTM-CRF模型构建；

步骤s206：测试模型，得到测试结果。

优选的，所述参数知识图谱所包含的实体包括切削液压力、喷嘴速度、刀具名称、工件材料以及切削液。