(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 202210229442.8 (22)申请日 2022.03.09 (71)申请人 西安科技大 学 地址 710055 陕西省西安市雁塔路58号 (72)发明人 何龙龙　李柏阳　李海宁　曹春玲　 马霖　潘园园　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 弋才富 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/36(2019.01) G06K 9/62(2022.01) (54)发明名称 一种启发式仿生知识嫁接策略的知识图谱 扩展与补全方法 (57)摘要 一种启发式仿生知识嫁接策略的知识图谱 扩展与补全 方法， 包括： 步骤一， 启发式仿生知识 嫁接的过程模型构建： 启发于园艺嫁接技术， 对 仿生知识嫁接过程中知 识接穗、 知识砧木和知识 树的模型进行构建； 步骤二， 启发式仿生知识嫁 接的保障机制设计： 基于上述知识嫁接过程模型 构建， 设计面向仿生启发式知识嫁接的四种具体 实施保障机制， 包括完备性、 相关性、 连通性和重 用性， 以保证工程领域技术与方法知识实体元素 快速扩展到制造知识图谱及应用； 步骤三， 基于 自然语言处理的知识图谱扩展与补全配置； 本发 明采用自然语言处理技术提高知识图谱扩展与 补全过程的质量与速度， 实现了知识图谱的自动 化扩展与补全， 增强了知识图谱的决策知识服务 能力。 权利要求书6页 说明书13页 附图11页 CN 114610846 A 2022.06.10 CN 114610846 A 1.一种启发式仿生知识嫁接策略的知识图谱扩展与补全方法， 其特征在于， 具体包括 以下步骤： 步骤一： 启发式仿生知识嫁接的过程模型构建 启发于园艺嫁接技术， 对仿生知识嫁接过程中知识接穗、 知识砧木和知识树的模型进 行构建； 步骤二： 启发式仿生知识嫁接的保障机制设计 基于上述知识嫁接过程模型构建， 设计面向仿生启发式知识嫁接的四种具体实施保障 机制， 包括： 完备性、 相关性、 连通性和重用性， 以保证工程领域技术与方法知识实体元素快 速扩展到制造知识图谱及应用； 步骤三： 基于自然语言处 理的知识图谱 扩展与补全配置 基于上述启发式仿生知识嫁接过程模型构建和保障机制设计， 提出一个基于自然语言 处理的五阶段知识图谱扩展与补全配置流程， 该流程分别从源知识数据准备与预 处理→知 识接穗抽取 →知识砧木系统设计 →知识嫁接单元的形成及知识接穗子空间构建 →基于知 识接穗修剪的知识树生长 →基于路径逻辑规则的知识推理六个方面对自然语言处理驱动 的制造领域知识图谱扩展与补 全技术进行建模与配置， 增强知识图谱的知识 服务性能及决 策能力。 2.根据权利要求1所述的一种启发式仿生知识嫁接策略的知识图谱扩展与补全方法， 其特征在于， 所述的步骤一中： 所述的知识接穗： 假设某知识源工程案例文件d由n条句子si构成d＝{s1， s2，…， sn}， 其 中某条案例描述句子由m个单词/术语wi组成s＝{ w1， w2，…， wm}， 如果单词/术语wi不是标点 符号或者限定词， 那么就将单词/术语wi定义为一条知识接穗KS， 由词性判断一条知识接穗 可能是名词组或者动词组； 所述的知识砧木： 定义为一个基于领域核心本体的概念图G＝(N， E)， 理解为一个没有 知识接穗KS的知识树子图， 其中， 每一个图节点ni表示一个知识概念， 节点ni与节点nj之间 的边ni→nj表示由节点对映射的知识概念对之间的关联关系， 此外， 类似一个嫁接砧木系统 根据知识结构和类组织各种知识接穗， 类似发散星状图的知识 概念和关系的层次结构决定 给定知识概念的相邻关系， 而作为有限集的知识 概念和关系的类别则根据其语义信息来决 定共享属性或功能； 所述的知识树： 定义为基于知识三元组{h， r， t|h， t∈ε， r∈R}的知识图空间， 可通过结 合知识接穗和知识砧木来扩展。 作为一个制 造领域知识图谱， 知识树是一个基于本体模式 的知识图谱， 其中每 个边都需要对固定的实体和关系词汇进行歧义消除； 知识树中的任务h， t∈ε＝{KS∪KR}表示实体节点集合ε 的元素， 其中h表示知识三元组 中头(head)元素， t表示知识三元组中尾(tail)元素； r∈R表示节点之间的一组特定类型 边， 即知识三元组头 ‑尾元素间的关系。 3.根据权利要求1所述的一种启发式仿生知识嫁接策略的知识图谱扩展与补全方法， 其特征在于， 所述的步骤二中： 所述的完备性机制： 假设一个工程案例文本句子包含n个关于制造效率与质量的相关权　利　要　求　书 1/6 页 2 CN 114610846 A 2知识接穗(KS1， KS2，…KSn)， 则每个知识接穗KSi将会被标记上相 应基于领域本体的标签集 (Label1， Label2，…Labeln)中的标签Labeli； 所述的相关性机制(Relate dness)： 假设在同一个句子 中第ith知识接穗KSi与第jth知 识接穗KSj在语义上具有相关性， 则同知识接穗KSi和KSj相对应的标签L abeli和Labelj之间 也是必然相关联的， 这 一相关性机制描述 为： 所述的连通性机制(Connectivity)： 假设标签Labeli在制造领域本体中在功能上与 Labelj相互关联， 则无论知识接穗对 KSi和KSj是否来自相同还 是不同的句子， 必须将对应标 记的知识接穗KSi和KSj设定为连接， 在已定义标签对(Labeli， Labelj)的知识树中， 相 对应 的接穗对(KSi， KSj)之间必然存在一 条路径， 同理， 这一连通性机制可以用逻辑关系描述为： 其中， Related(Labeli， Labelj)∧KSi/j∈ Labeli/j； 所述的重用性机制(Reutilization)： 假设在知识图谱中由一个知识决策工程难题相 关的知识接 穗KSi查询驱动， 则如何找到相关的答案KSj， 以便在实现知识图谱中相关知识方 案的存储及重用， 进而指导制造企业知识决策解决过程中的方案决策， 结合上述完备性、 相 关性和连通性三种机制， 则知识重用的机制可用逻辑关系描述为： 假设？ Related(KSi， KSj)， 则知识接穗KSi/j一定是相关知识穗元素对路径的起始或结束节点， 且存在标签 Labeli/j是对应标签链的起始或结束节点。 4.根据权利要求1所述的一种启发式仿生知识嫁接策略的知识图谱扩展与补全方法， 其特征在于， 所述的步骤三中： 源知识数据准备与预处理： 基于自然语言处理的知识图谱扩展与补全配置过程的输 入， 源数据知识准备与预处理过程， 采用爬虫技术爬取网络数据库的方式收集工程案例摘 要ECA文本对(ds， dr)作为源数据， ds和dr互为对方副本， 其中， ds用于知识接穗抽取， dr用于 知识砧木设计， 并根据工程案例摘要文本的撰写组织结构， 建模表达为： ECA＝{C， P， S， R}； 根据句子在ECA文本中的称述功能， 采用CPSR标签标记ECA文本中的每一条句子； 采用根据 目标单词标将长独立语句解析为子句， 目标单词包括过渡短语、 连接词、 列表项等； 采用 CoreNPL工具解析E CA文本生成的实体词性和实体词间依赖关系信息； 工程案例摘要表达模型ECA中： C， 代表Context， 表示工程案例的背景信息， 用于人 ‑机 器‑物料‑方法‑环境‑测量等潜在动机和原因分析， 从知识管 理的角度将其定义为Know ‑Why 知识， 即该工程问题出现的根本原因是什么； P， 代表Pr oblem， 表 示具体工程问题， 用于描述 工程研究或改善项目所要达到的目标， 及当前状况与改善目标之间的差距， 从知识管理的 角度将其定义为Know ‑What知识， 即具体工程问题是什么； S， 代表Solution， 表示问题解 决 方案， 通过分析工程问题的潜在因素及根本原因剖析， 所采用的具体解决问题的方法、 模 型、 技术， 从知识管理的角度将其定义为Know ‑How知识， 即解决该工程问题出现的具体方法 是什么； R， 代表Result， 表示问题解决结果， 总结整个案例研 究的改进结果， 包括制造效率 提升、 产品质量提升、 成本降低、 产品交付时间缩短等。 从知识管 理的角度将其定义为Know ‑ With知识， 即针对某一具体工程问题， 结合具体工程背 景分析， 采用特定解决方案后所得到权　利　要　求　书 2/6 页 3 CN 114610846 A 3