[發(fā)明專利]一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法

在審

• 申請?zhí)枺?/td>: 202010440437.2
• 申請日: 2020-05-22
• 公開（公告）號(hào): CN111613277A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計(jì)）人: 李學(xué)明;林智勇
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G16C20/20
• 分類號(hào): G16C20/20;G16C20/30;G16C20/70;G06F16/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法，其特征在于：包括以下步驟：

步驟1：按照《危險(xiǎn)化學(xué)品目錄(2015版)》確定所需的目標(biāo)危險(xiǎn)化學(xué)品，然后到網(wǎng)站上爬取其相關(guān)信息，包括了CAS號(hào)、SMILES表達(dá)式、理化性質(zhì)、不相容化學(xué)品、儲(chǔ)存運(yùn)輸方式等，將上述爬取的相關(guān)數(shù)據(jù)存儲(chǔ)至mysql數(shù)據(jù)庫中。

步驟2：提取出危險(xiǎn)化學(xué)品基本性質(zhì)知識(shí)。對每一個(gè)化學(xué)品，對其進(jìn)行SMILES表達(dá)式的解析，將其分解為數(shù)個(gè)原子、離子和化學(xué)基團(tuán)。將化學(xué)品、SMILES表達(dá)式、每一個(gè)不同的原子、離子和化學(xué)基團(tuán)均定義為一個(gè)實(shí)體，再利用SMILES表達(dá)式，找出這些實(shí)體之間的關(guān)系。將所有的實(shí)體和關(guān)系組合成三元組信息保存在數(shù)據(jù)庫中。

步驟3：人工錄入所有危險(xiǎn)化學(xué)品之間的不相容性質(zhì)知識(shí)。具體包括兩個(gè)不相容實(shí)體和實(shí)體之間的不相容關(guān)系，將所有的不相容信息組合成三元組信息保存在數(shù)據(jù)庫中。

步驟4：提取危險(xiǎn)化學(xué)品其他性質(zhì)知識(shí)。將數(shù)據(jù)庫中每一條記錄中的每一個(gè)字段均定義為一個(gè)實(shí)體，將化學(xué)品相關(guān)信息表的列屬性名均定義為一個(gè)關(guān)系，將所有的實(shí)體和關(guān)系組合成三元組信息保存在數(shù)據(jù)庫中。

步驟5：構(gòu)建并應(yīng)用ChIncomTrans知識(shí)表示模型。從數(shù)據(jù)庫中提取所有的三元組信息，使用ChIncomTrans模型將每個(gè)實(shí)體和關(guān)系都映射到低維向量空間中，使用模型將其均表示為向量形式的存在，從而完成了知識(shí)表示的過程。

2.根據(jù)權(quán)利要求1所述的一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法，其特征在于步驟2中，其對每一個(gè)化學(xué)式的SMILES表達(dá)式解析的具體步驟為：

步驟2.1：解析SMILES表達(dá)式中包含的原子與離子。將化學(xué)品作為一個(gè)實(shí)體，解析出的原子或者離子作為另一個(gè)實(shí)體，實(shí)體間關(guān)系定義為“包含原子”或“包含離子”，將三元組保存在數(shù)據(jù)庫中。

步驟2.2：解析SMILES表達(dá)式中包含的化學(xué)基團(tuán)，將化學(xué)品作為一個(gè)實(shí)體，化學(xué)基團(tuán)作為另一個(gè)實(shí)體，實(shí)體間關(guān)系定義為“包含基團(tuán)”，將三元組保存在數(shù)據(jù)庫中。

步驟2.3：解析SMILES表達(dá)式中包含的非單鍵化學(xué)式。將化學(xué)品作為一個(gè)實(shí)體，非單鍵化學(xué)式實(shí)體作為另一個(gè)實(shí)體，實(shí)體間關(guān)系定義為“包含非單鍵化學(xué)式”，將三元組保存在數(shù)據(jù)庫中。

步驟2.4：解析SMILES表達(dá)式中包含的單鍵化學(xué)式及位置信息。先將化學(xué)品作為一個(gè)實(shí)體，單鍵化學(xué)式實(shí)體作為另一個(gè)實(shí)體，實(shí)體間關(guān)系定義為“包含非單鍵化學(xué)式”，將三元組保存在數(shù)據(jù)庫中。再將解析出的單鍵化學(xué)式按照在SMILES表達(dá)式中出現(xiàn)的順序進(jìn)行編號(hào)，對兩兩間距為dis的單鍵化學(xué)式進(jìn)行三元組的添加：將編號(hào)較小的化學(xué)式定義為一個(gè)實(shí)體，編號(hào)較大的化學(xué)式定義為另一個(gè)實(shí)體，實(shí)體間關(guān)系定義為“dis+‘_place_before’”，將三元組保存在數(shù)據(jù)庫中。

3.根據(jù)根據(jù)權(quán)利要求1所述的一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法，其特征在于：所述步驟4中危險(xiǎn)化學(xué)品的其他性質(zhì)知識(shí)由步驟1的危險(xiǎn)化學(xué)品相關(guān)知識(shí)中提取組合三元組而來，包括中文名、通用俗名、化學(xué)品英文名稱、英文名、技術(shù)說明書編碼、生產(chǎn)企業(yè)名稱、地址、生效日期、有害物成分、含量、危險(xiǎn)性類別、侵入途徑、健康危害、環(huán)境危害、燃爆危險(xiǎn)、皮膚接觸、眼睛接觸等。

4.根據(jù)權(quán)利要求1所述的一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法，其特征在于：所述步驟5中ChIncomTrans知識(shí)表示模型訓(xùn)練過程為：

步驟5.1：先從數(shù)據(jù)庫中獲取所有保存的三元組信息，除了此三元組信息，另外新建兩個(gè)文檔分別存儲(chǔ)實(shí)體和關(guān)系。

步驟5.2：將實(shí)體、關(guān)系分別初始化為向量，則每一個(gè)三元組可以用三個(gè)向量來表示，表示形式為(頭實(shí)體向量,關(guān)系向量，尾實(shí)體向量)，用來表示上述向量。定義距離向量用表示距離向量的大小。

步驟5.3：計(jì)算出所有的三元組中每個(gè)頭實(shí)體所對應(yīng)出現(xiàn)的平均尾實(shí)體數(shù)和每個(gè)頭實(shí)體所對應(yīng)出現(xiàn)的平均尾實(shí)體數(shù)并根據(jù)得到的結(jié)果確定負(fù)樣例中替換頭實(shí)體和尾實(shí)體的概率為按照此概率對一定數(shù)量的正樣例三元組信息生成對應(yīng)的負(fù)樣例三元組，將全部新三元組添加到三元組列表中。

步驟5.4：定義損失函數(shù)并利用梯度下降法更新每個(gè)三元組中的頭實(shí)體向量實(shí)體間關(guān)系向量和尾實(shí)體向量

步驟5.5：重復(fù)上述步驟5.3和步驟5.4后一定次數(shù)或者梯度下降法誤差小于訓(xùn)練終止誤差后，最終得到了所有的實(shí)體和關(guān)系的向量表示結(jié)果，從而完成危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示過程。

5.根據(jù)權(quán)利要求1所述的一種危險(xiǎn)化學(xué)品領(lǐng)域的知識(shí)表示方法和權(quán)利要求3所述的ChIncomTrans知識(shí)表示模型訓(xùn)練過程，其特征在于：在所述的模型訓(xùn)練過程中，經(jīng)實(shí)驗(yàn)分析，在模型的超參數(shù)設(shè)置為：初始化的向量維度為50維；梯度下降法單次迭代大小為5000；訓(xùn)練終止誤差為0.001；訓(xùn)練最大次數(shù)為400次；“不相容”間隔γ₁為5；非“不相容”間隔γ₂為1；梯度下降法學(xué)習(xí)率0.01的情況下，模型取得了較好的知識(shí)表示效果。