(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 202211119483.8 (22)申请日 2022.09.13 (71)申请人 北京全应科技有限公司 地址 100088 北京市海淀区上地信息路26 号1层010 6-510室 (72)发明人 张宗耀　党海峰　夏建涛　 (74)专利代理 机构 北京易捷胜知识产权代理有 限公司 1 1613 专利代理师 薛晓萌　齐云 (51)Int.Cl. G06F 16/36(2019.01) G06N 20/00(2019.01) (54)发明名称 基于知识图谱的机器学习模型批量化构建 方法及其 服务器 (57)摘要 本发明涉及基于知识图谱的机器学习模型 批量化构建方法及其服务器， 所述方法包括： 步 骤1、 接收用户基于第一界面输入的实例化的信 息， 得到与所述实例化的信息对应的初始知 识图 谱实例图； 步骤2、 接收用户针对每一初始知识图 谱实例图中每一模型节点在第二界面中输入的 第一信息， 得到与该初始知识图谱实例图对应的 最终知识图谱实例图； 步骤3、 针对每一最终知识 图谱实例图中每一模型节点， 基于预先存储在数 据库中的标准数据， 按照与该模 型节点对应的预 先设定的构建模 型策略， 批量构建每一最终知识 图谱实例图中每一模型节点所对应的模型。 权利要求书2页 说明书6页 附图3页 CN 115470360 A 2022.12.13 CN 115470360 A 1.一种基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 所述方法包括： 步骤1、 接收用户基于第 一界面输入的实例化的信息， 得到与所述实例化的信 息对应的 初始知识图谱实例图； 所述第一界面中展示有预 先设定的初始知识图谱关系图； 所述预先设定的初始知识图谱关系图为： 在预先根据锅炉系统定义的知识图谱关系图 中的指定节点下用户增 加了作为该指定节点的子节点的模型节点后的知识图谱关系图； 所述初始知识图谱实例图包括与锅炉系统中采集的数据对应的原始数据节点、 与 标准 数据对应的标准数据节点、 模型节点； 所述标准数据为锅炉系统中采集的数据经 过标准化处理后得到的数据； 步骤2、 接收用户针对每一初始知识图谱实例图中每一模型节点在第二界面中输入的 第一信息， 得到与该初始知识图谱实例图对应的最终知识图谱实例图； 所述第一信息包括： 分别与 该初始知识图谱实例图中预先指定的第 一类型的标准数据 节点和预 先指定的第二类型的标准数据节点建立关系的信息； 所述第二界面用于展示每一初始知识图谱实例图； 步骤3、 针对每一最终知识图谱实例图中每一模型节点， 基于预先存储在数据库中的标 准数据， 按照与该模型节点对应的预先设定的构建模型策略， 批量构建每一最终知识图谱 实例图中每一模型节点所对应的模型。 2.根据权利要求1所述的基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 所述预先设定的初始知识图谱关系图中所述指定节点与模型节点之间具有第 一关系； 所述第一关系为所述指定节点包 含模型节点的关系。 3.根据权利要求2所述的基于知识图谱的机器学习 模型批量化构建方法， 其特征在于， 所述步骤2具体包括： 接收用户将每一初始知识图谱实例图中模型节点分别与该初始知识图谱实例图中预 先指定的第一类型的标准数据 节点标记为输入关系的信息， 以及接收用户将 每一初始知识 图谱实例图中模型节点分别与该初始知识图谱实例图中预先指定的第二类型的标准数据 节点标记为输出关系的信息， 得到最终知识图谱实例图。 4.根据权利要求3所述的基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 所述标准数据包括标准数据的字段命名、 标准数据的单位、 预先设定的由锅炉系统中 采集的数据生成标准数据的方式信息 。 5.根据权利要求4所述的基于知识图谱的机器学习 模型批量化构建方法， 其特征在于， 所述步骤3包括： 步骤3.1、 针对每一最终知识图谱实例图中每一模型节点， 基于预先存储在数据库中的 标准数据， 从数据库读取与该模型节点之 间有输入关系的第一类型的标准数据节点所对应 的标准数据和与模型节点之间有输出关系的第二类型的标准数据节点所对应的标准数据； 步骤3.2、 针对从数据库所读取的标准数据， 进行数据处理， 以使得数据处理后的标准 数据符合与该模型节点对应的预 先设定的数据规 律； 步骤3.3、 针对数据处理后的标准数据， 采用与所述模型节点对应的预先设定的建模的 算法， 构建生成与所述模型节点对应的以预先设定的格式表示的模型， 并将与所述模型节 点对应的以预先设定的格式表示的模型按照所述模型节点对应的存储路径保存到云端的权　利　要　求　书 1/2 页 2 CN 115470360 A 2文件系统的模型仓库； 所述模型节点对应的存储路径与所述模型节点的对应的指定节点的知识图谱路径一 致。 6.根据权利要求5所述的基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 所述数据处 理包括： 异常数据过 滤、 离群数据过 滤、 缺失数据过 滤。 7.根据权利要求6所述的基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 所述预先定义的格式为： Jso n格式； 其中， 与所述模型节点对应的以预先设定的格式表示的模型为将与 所述模型节点对应 的模型中的系数、 次数、 截距以及与所述模型节点对应的锅炉系统中设备的类型进行展示。 8.根据权利要求7所述的基于知识图谱的机器学习 模型批量化构建方法， 其特征在于， 建模算法为线性回归建模算法。 9.根据权利要求8所述的基于知识图谱的机器学习模型批量 化构建方法， 其特 征在于， 针对批量构建的模型进行按照预先设定的部署方式在用于控制锅炉系统的边缘服务 器中进行部署模型。 10.一种用于基于知识图谱的机器学习 模型批量化构建的服务器， 其特征在于， 所述服 务器能够执行如权利要求 1‑9中任一项 所述的基于知识图谱的机器学习模型批量化构建方 法。权　利　要　求　书 2/2 页 3 CN 115470360 A 3