(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 202210246262.0 (22)申请日 2022.03.14 (71)申请人 北京科东电力控制系统有限责任公 司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国网天津市电力公司 　 国网电力科 学研究院有限公司 　 国家电网有限公司 (72)发明人 林润　于洋　刘圣楠　徐元孚　 王鑫　杜明　袁中琛　许雷　王瑶　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林(51)Int.Cl. H04L 67/55(2022.01) G06F 16/36(2019.01) G06F 16/9535(2019.01) (54)发明名称 一种基于知识图谱的监控业务信息情境推 送方法及装置 (57)摘要 本发明公开了一种基于知识图谱的监控业 务信息情境推送方法及装置， 所述方法包括基于 预先构建的知识图谱， 建立感知业务知识单元， 获取感知业务知识； 对所述 感知业务知识进行封 装， 获取封装好的感知业务知识； 基于贝叶斯学 习方法， 针对封装好的感知业务知识， 建立感知 业务知识情境推送方法模型； 基于感知业务知识 情境推送方法模型和预先建立的个性化知识推 送服务模式进行知识推送， 针对不同监控人员提 供不同的知识服务， 并进行结果验证， 本发明通 过构建基于知识 图谱的监控业务信息情境推送 方法， 实现信息的个性化精准推送， 提升监控人 员工作效率， 降低电网潜在运行风险。 权利要求书2页 说明书6页 附图2页 CN 114745427 A 2022.07.12 CN 114745427 A 1.一种基于知识图谱的监控业 务信息情境推送方法， 其特 征在于， 包括： 基于预先构建的知识图谱， 建立感知业 务知识单 元， 获取感知业 务知识； 对所述感知业 务知识进行封装， 获取封装好的感知业 务知识； 基于贝叶斯学习方法， 针对封装好的感知业务知识， 建立感知业务知识情境推送方法 模型； 基于感知业务知识情境推送方法模型和预先建立的个性化知识推送服务模式进行知 识推送， 针对不同监控人员提供不同的知识服 务， 并进行 结果验证。 2.根据权利要求1所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述个性化知识推送服 务模式包括多平台下发、 智能标签分类、 多彩推送三种模式。 3.根据权利要求2所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述多平台下发模式是指覆盖多种操作系统下发通道， 包括PC、 Android、 HarmonyOS操作系 统。 4.根据权利要求2所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述智能标签 分类模式是指将 推送信息按 所属标签分类， 包括通知类知识、 专 业类知识、 以及 感知类知识； 所述通知类知识重视实时性， 包括设备告警通知、 设备缺陷通知、 设备故障通知、 设备 量测异常通知； 所述专业类知识重视及时性、 针对性与准确性， 包括告警事件化、 检修日志、 运维策略、 检修辅助决策； 所述感知类知识重视前瞻性、 集成性和多元性， 包括设备状态评价、 设备趋势预测方面 的知识。 5.根据权利要求2所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述多彩推送方式是指支持通知、 消息短信的推送方式， 并支持文本、 图片的组合形式。 6.根据权利要求1所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述基于预 先构建的知识图谱， 建立感知业 务知识单 元， 包括： 从设备基础数据、 状态评价、 趋势预测和辅助决策中收集、 分析并归纳整理出其中包含 的数据、 结论、 相关要求、 数据模型以及检修策略； 将感知业务知识单元分为 四个模块， 依次为基础数据、 状态评价、 趋势预测以及辅助决 策。 7.根据权利要求1所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述感知业务知识的封装过程包括动态知识资源封装以及服务封装， 根据知识资源及服务类 型的不同选择不同的服 务模板， 通过 软件接口和功能脚本将其封装成动态知识服 务组件。 8.根据权利要求1所述的基于知识图谱的监控业务信 息情境推送方法， 其特征在于， 所 述基于贝叶斯学习 方法， 针对封装好的感知业务知识， 建立感知业务知识情境推送方法模 型， 包括： 使用贝叶斯学习方法， 计算感知业务知识与用户实时情况之间的匹配度， 基于贝叶斯 学习方法的情境匹配模型为： 权　利　要　求　书 1/2 页 2 CN 114745427 A 2在公式中， Rj(1≤j≤N)是感知业务知识， U是用户的现状信息， P(Rj|U)是在用户U情况 下， U选择浏览知识Rj的概率， N是信息资源的数量； P(U|Rj)是先验条件概率， 表示用户U过 去访问知识R的概 率， P(Rj)表示所有用户过去访问知识R的概 率； 通过分析用户的注册信 息和浏览行为来获取用户的兴趣， 利用向量空间模型对用户兴 趣进行建模， 在用户兴趣集n时间间隔中， 每个时间间隔i(0≤i≤n ‑1)相等， 当i＝0时， 表示 为当前兴趣； 当i≥1， 表示 为历史兴趣， 设置用户的兴趣度为pi， 然后： 通过词频 ‑逆向文件频率方法计算资源权重， 信息资源Rj(1≤J≤N)可以构造为资源语 义向量Rj＝{r1,r 2,…,rk}， 其中rk∈[0,1]， 它表示权 重值； 将目标资源Rj与用户兴趣偏好P进行匹配， 用户兴趣偏好P由余弦相似度计算得到， 公 式如下： 将资源与实时情境的匹配、 资源与用户兴趣偏好的匹配相结合， 形成基于情境感知的 信息推荐算法， 实现对知识的推荐评分， 公式如下： Sj＝ λ·sin(Rj， P)+(1‑λ )·P(Rj|U) (4) 其中λ∈[0， 1]是情景因素， 表示用户兴趣偏好和实时情景偏好在推荐算法中的重要 性， 当λ＝1时， 推荐算法通过用户偏好上下文推荐用户； 当λ＝0时， 该算法采用贝叶斯学习 方法实现情景推荐， 根据计算出的知识得分， 选择TOP  N知识并推荐给用户。 9.一种基于知识图谱的监控业 务信息情境推送装置， 其特 征在于， 包括： 感知业务知识获取单元， 用于基于预先构建的知识图谱， 建立感知业务知识单元， 获取 感知业务知识； 感知业务知识封装单元， 用于对所述感知业务知识进行封装， 获取封装好的感知业务 知识； 模型建立单元， 用于基于贝叶斯学习方法， 针对封装好的感知业务知识， 建立感知业务 知识情境推送方法模型； 知识推送单元， 用于基于感知业务知识情境推送方法模型和预先建立的个性化知识推 送服务模式进行知识推送， 针对不同监控人员提供不同的知识服 务， 并进行 结果验证。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于： 该程序被处理器 执行时实现权利要求1～8任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114745427 A 3