[发明专利]基于知识图谱技术建立的军用设备图谱系统

权利要求书

1.一种基于知识图谱技术建立的军用设备图谱系统，其特征在于，包括知识图谱构建模块，知识图谱构建模块包括多个测量模块、去重模块、选择模块和构建模块，其中，

每个测量模块S_k通过感测装置量测被分配区域的所有实体信息，并向去重模块发送所量测的实体及该实体的测量信息,k=1,2,…,K；

去重模块对K个测量模块发送来的实体及该实体的测量信息进行计算及剪裁，对实体去重后，筛选出实体集合T_i(t)，并记录下实体集合T_i(t)中每个实体的测量信息，将筛选出的实体集合T_i(t)及每个实体的测量信息发送给选择模块；

选择模块计算去重模块发送来的实体集合T_i(t)中的任一实体A_x与其它实体A_i之间的关联度，根据关联度生成与实体A_x相关联的实体序列T_x(t)={A₁,…,A_s,…,A_S}，以及

构建模块确定A_x与T_x(t)={A₁,…,A_s,…,A_S}中的每个实体相连接的边的语义关系及权重生成以实体A_x为中心点的知识图谱，选择模块和构建模块遍历实体集合T_i(t)中的每个实体生成军用设备的知识图谱，

测量模块S_k发送来的其测量的所有实体的集合记作S(A_k), 被至少2个测量模块重复测量的实体的测量值进行融合处理得到其融合后的测量信息，去重模块对实体去重后得到实体集合T_i(t)，集合T_i(t)中的元素记为A_i；

选择模块计算去重模块发送来的实体集合T_i(t)中的任一实体A_x与其它实体A_i之间的关联度，根据关联度生成与实体A_x相关联的实体序列T_x(t)={A₁,…,A_s,…,A_S}具体包括：

S3.1计算T_i(t)中任一实体A_x与集合T_i(t)内其它实体A_i的综合信息聚集能力评估值C_Dx-i：

，式中，k_i表示实体A_i的度;

S3.2计算实体A_x与实体A_i基于拓扑与交互行为的相关度C_Ix-i：

C_Ix-i=β₁C_Tx-i+β₂C_Jx-i

式中C_Tx-i为A_x与A_i之间的拓扑关系度，C_Jx-i为A_x与A_i之间的交互频次度，β₁与β₂为调节系数,

，式中，ΔI_i为实体A_x的测量值变化率为ΔI_x时实体A_i的测量值变化率；

，式中，f_x-i为实体A_x与实体A_i之间在当前时刻t前的信息交互总次数，t_n为第n次信息交互时的时间；t_n-1为第n-1次信息交互时的时间;

S3.3根据下式计算实体A_x与实体A_i拓扑关联度：

 E_x-i=α₁C_Dx-i+α₂C_Ix-i

式中，α₁和α₂为调节系数；

S3.4根据关联度生成与实体A_x相关联的实体序列T_x(t)={A₁,…,A_s,…,A_S}；

去重模块包括图像获取模块、卷积神经网络和自竞争神经网络，其中，

图像获取模块从每个测量模块获取测量模块所拍摄的其分配区域包含的所有实体的图像；

卷积神经网络从每个测量模块所拍摄的其分配区域包含的所有实体的图像中提取出所有实体的图像信息；

自竞争神经网络将从K个测量模块中的一个第一测量模块拍摄的包括所有实体的图像提取出的所有实体的图像信息学习到自竞争神经网络中间层的二维神经元中；

将从与第一测量模块相邻的第二测量模块拍摄的包括所有实体的图像提取出的所有实体的图像信息输入自竞争神经网络的输入层，输入层输入的实体的图像信息与中间层的二维神经元的实体的图像信息欧拉距离小于阈值的实体视为相同的实体，将相同的实体去重，对重复的实体的测量信息进行融合。