(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211054940.X (22)申请日 2022.08.31 (71)申请人 许闻 地址 561000 贵州省安 顺市西秀区学院路 25号 (72)发明人 许闻　彭志刚　 (74)专利代理 机构 深圳市六加知识产权代理有 限公司 4 4372 专利代理师 刘慧 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/216(2020.01) G06F 40/295(2020.01)G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) G06Q 10/06(2012.01) (54)发明名称 人工智能与大数据结合的ERP数据管 理方法 及系统 (57)摘要 本发明公开了人工智能与大数据结合的ERP 数据管理方法， 应用于企业资源计划ERP系统中， 该方法包括： 采集分布式多源异构数据源的元数 据， 所述多源异构数据源为企业内部的多个管理 系统； 将所述元数据进行虚拟化， 构建数据资产； 结合所述元数据之间的关联关系， 构建所述数据 资产的语义知识图谱； 基于所述语义知识图谱， 为所述数据资产创建标准 化管理档案 。 权利要求书2页 说明书10页 附图2页 CN 115544206 A 2022.12.30 CN 115544206 A 1.一种人工智能与大数据 结合的ERP数据 管理方法， 其特征在于， 应用于企业资源计划 ERP系统中， 该 方法包括： 采集分布式多源异构数据源的元数据， 所述多源异构数据源为企业内部的多个管理系 统； 将所述元 数据进行虚拟化， 构建数据资产； 结合所述元 数据之间的关联关系， 构建所述数据资产的语义知识图谱； 基于所述语义知识图谱， 为所述数据资产创建标准 化管理档案 。 2.根据权利要求1所述的方法， 其特征在于， 所述结合所述元数据之间的关联关系， 构 建所述数据资产的语义知识图谱， 包括： 构建语义知识图谱的本体层， 所述本体层包括本体、 本体属性和本体关系； 建立所述语义知识图谱的三元组， 所述 三元组包括头实体、 关系和尾实体； 对所述三元组进行知识融合； 将所述知识融合后的三元组进行低维稠密向量 化， 并进行知识推理。 3.根据权利要求2所述的方法， 其特 征在于， 对所述 三元组进行知识融合， 包括： 将所述三元组中的实体与 结构化图谱中的实体进行对齐， 并利用所述三元组中的关系 信息与所述结构化图谱中的语义信息进行关系预测。 4.根据权利要求3所述的方法， 其特征在于， 所述利用所述三元组中的关系信 息与所述 结构化图谱中的语义信息进行关系预测， 包括： 采用BERT模型对所述三元组中的关系信息和所述结构化图谱中的语义信息分别进行 编码和学习， 获得 学习得到的关系型向量； 将所述所有三元组的实体的邻接顶点和关联边进行汇聚， 输出对应的实体向量表示； 将所述关系型向量和实体向量表示分别输入至多层感知机MLP中， 预测出所述三元组 与所述结构化图谱的关联关系。 5.根据权利要求4所述的方法， 其特征在于， 将所述关系型向量和实体向量表示分别 输 入至多层感知机 MLP中， 预测出 所述三元组与所述结构化图谱的关联关系， 包括： 建立所述多层感知机MLP， 所述MLP包括输入层、 隐藏层和输出层， 设置所述MLP的损失 函数为sigmo id函数； 将所述关系型向量和实体向量表示分别输入至所述隐藏层中， 对所述关系型向量和实 体向量进行迭代运 算； 将迭代运算后的所述关系型向量和实体向量进行回归运算， 并输入至softmax分类器 进行分类， 确定所述 三元组与所述结构化图谱的关联关系。 6.根据权利要求2所述的方法， 其特征在于， 对所述三元组进行知识融合之后， 所述方 法还包括： 将所述知识融合之后的数据资产进行知识计算， 以评估所述数据融合的合格率， 并删 除掉不合格的数据资产。 7.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 将所述知识融合后的三元组进行 低维稠密向量 化， 并进行知识推理， 包括： 定义每一个三元组的能量等于d(h+l,t)， 其中h表示头实体对应的向量， r表示关系对 应的向量， t 表示尾实体对应的向量；权　利　要　求　书 1/2 页 2 CN 115544206 A 2将所述每一个三元组的能量取值 为L1范数； 定义损失函数： L＝ ∫[α d(h+l,t)+β d(h'+l' ,t')]d(h,l,t) 其中α, β 为修正因子， h ’为结构化图谱的头实体向量,l ’为结构化图谱的关系向量和t ’ 为结构化图谱的尾实体向量； 基于上述损失函数进行知识推理。 8.根据权利要求1所述的方法， 其特征在于， 将所述元数据进行虚拟化， 构建数据资产， 包括： 利用EPR系统的连接器， 将所述元 数据进行 连接； 将所述连接后的元 数据进行抽象处 理， 构建数据资产的统一可视化视图。 9.一种人工智能与大 数据结合的ERP系统， 其特 征在于， 包括： 采集单元， 用于采集分布式多源异构数据源的元数据， 所述多源异构数据源为企业内 部的多个管理系统； 虚拟化单 元， 用于将所述元 数据进行虚拟化， 构建数据资产； 构建单元， 用于结合所述元 数据之间的关联关系， 构建所述数据资产的语义知识图谱； 创建单元， 用于基于所述语义知识图谱， 为所述数据资产创建标准 化管理档案 。 10.一种人工智能与大数据 结合的ERP数系统， 其特征在于， 包括存储器和处理器， 所述 存储器上存储有计算机可执行指令， 所述处理器运行所述存储器上的计算机可执行指 令时 实现权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115544206 A 3