(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 202210173257.1 (22)申请日 2022.02.24 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区自由贸易试 验区源深路1 122号 申请人 上海电力大 学 (72)发明人 董真　潘爱强　杜凤青　刘婧　 程凡　毕忠勤　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 赵志远 (51)Int.Cl. G06F 16/28(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于知识图谱的碳足迹获取方法 (57)摘要 本发明涉及一种基于知识图谱的碳足迹获 取方法， 包括： 步骤1： 基于待获取碳足迹的目标 领域构建知识图谱； 步骤2： 针对单个产品， 基于 知识推理提取其知识图谱子图， 将知识图谱子图 转化为碳足迹实体生命周期图； 步骤3： 针对碳足 迹实体生命周期图中的所有实体计算碳足迹量， 获得产品碳足迹图。 与现有技术相比， 本发明具 有能够形成跨产品碳足迹图等优点。 权利要求书2页 说明书5页 附图1页 CN 114564543 A 2022.05.31 CN 114564543 A 1.一种基于知识图谱的碳足迹获取 方法， 其特 征在于， 所述的碳足迹获取 方法包括： 步骤1： 基于待获取碳足迹的目标 领域构建知识图谱； 步骤2： 针对单个产品， 基于知识推理提取其知识图谱子图， 将知识图谱子图转化为碳 足迹实体生命周期图； 步骤3： 针对碳足迹实体生命周期图中的所有实体 计算碳足迹量， 获得产品碳足迹图。 2.根据权利要求1所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的步 骤1具体为： 步骤1‑1： 确定构建目标 领域知识图谱所需数据集及数据来源； 步骤1‑2： 进行实体抽取； 步骤1‑3： 进行关系抽取； 步骤1‑4： 进行实体属性抽取； 步骤1‑5； 进行知识融合， 具体为： 首先根据给定的实体指称项， 从知识库中选出一组候选实体对象， 然后通过相似度计 算将指称项链接 到正确的实体对象； 步骤1‑6： 进行知识加工 。 3.根据权利要求2所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的步 骤1‑2具体为： 采用实体抽取模型对数据集中的实体进行抽取， 实体抽取模型 具体为： 首先， 将词特征、 字符特征以及句法依存特征融合后作为Bi  LSTM网络的输入， Bi  LSTM 网络对输入特征进 行编码， 获得句子序列特征； 随后， 计算自注意力权重； 其次， 基于指针网 络识别实体边界， 并将其作为一种面向目标领域语句的自适应实体边界特征； 然后提取实 体词在语料中与上下文关键词的共现特征； 最后， 将所得特征进行融合得到最终的句 子级 特征， 并利用标签解码模型对所 得句子特 征进行标签预测。 4.根据权利要求3所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的标 签解码模型 具体为LSTM标签解码器。 5.根据权利要求2所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的步 骤1‑3具体为： 采用关系提取模型进行实体间关系的提取， 关系提取模型 具体为： 采用一个两层的全连接神经网络构成判别器， 用于 辅助增强所抽取到的语义特 征； 采用关系分类模型作为生成器， 其中采用双向门控循环单元网络捕 获目标领域语句的 全局特征， 采用中断门控循环单 元网络捕获目标 领域语句的局部特 征； 针对判别器和生成器， 采用生成式对抗网络实现对抗学习。 6.根据权利要求5所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的关 系提取模型还 包括： 在对语义特 征融合的基础上， 引入句法依存注意力机制。 7.根据权利要求2所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的步 骤1‑6具体为： 知识加工包括： 本体构建， 包括实体并列关系相似度计算、 实体上 下位关系抽取和本体生成；权　利　要　求　书 1/2 页 2 CN 114564543 A 2知识推理， 补全实体之间的缺失值； 质量筛选， 对知识 的可信度进行量化， 通过舍弃置信度较低的知识来保证知识库的质 量。 8.根据权利要求7所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的知 识推理具体为： 采用基于对抗学习的知识推理模型实现知识推理， 包括推理器和图卷积网络编码器； 其中， 推理器由生成器和判别器组成， 在对抗学习框架中， 针对每个查询关系， 分别采 用生成器和图卷积网络编 码器自动提取专家演示样例， 并通过对抗训练从给定的图谱中生 成关系路径； 然后判别器计算生成的路径和专家演示样例之间的语义相似性， 以此通过对 抗训练来更新生成器和判别器， 训练完成后， 生成器查找与专家演示样例的分布相匹配的 证据路径， 并通过综合证据路径进行关系预测。 9.根据权利要求1所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的步 骤2具体为： 利用构建的知识图谱， 针对单个产品， 提取以该产品为出发点的知识图谱子图， 并针对 提取出来的实体计算实体相关度指标， 提出指标值低于预设阈值的实体， 同时删除其相应 的关系。 10.根据权利要求1所述的一种基于知识图谱的碳足迹获取方法， 其特征在于， 所述的 步骤3中碳足迹量的计算方法为： 碳足迹量 ＝活动数据*排 放系数 其中， 活动数据具体为来自于碳排放源的换算当量； 排放系数具体为单位活动所产生 的碳排放量。权　利　要　求　书 2/2 页 3 CN 114564543 A 3