[發明專利]基于深度知識圖譜的生產工單推薦方法

在審

• 申請號: 202110326133.8
• 申請日: 2021-03-26
• 公開（公告）號: CN113111256A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 吳宏杰
• 申請（專利權）人: 蘇州國利岳康軟件科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36;G06F16/28;G06N3/04;G06N3/08;G06Q10/06
• 代理公司: 蘇州睿昊知識產權代理事務所(普通合伙) 32277
• 代理人: 陳華紅子

1.一種基于深度知識圖譜的生產工單推薦方法，其特征在于，包括：

步驟1：利用知識圖譜存儲生產工單上的屬性特征，建立生產工單知識圖譜；使用知識圖譜中的知識更新技術對生產工單隨時間變化而產生的新數據進行數據分析，動態更新生產工單知識圖譜；

步驟2：將生產工單知識圖譜作為樣本輸入循環神經網絡，訓練樣本得到包括生產廠家隱表示和生產商品隱表示的生產廠家信息；

步驟3：確定目標生產廠家，將其余的生產廠家作為鄰近生產廠家，根據目標生產廠家和鄰近生產廠家的生產廠家信息計算相似度，根據相似度得到生成工單的推薦列表。

2.根據權利要求1所述的基于深度知識圖譜的生產工單推薦方法，其特征在于：所述步驟1中的利用知識圖譜存儲生產工單上的屬性特征，建立生產工單知識圖譜，具體包括：

步驟1.1：從生產工單數據庫中抽取生產工單相關的實體、關系和屬性的知識信息，

步驟1.2：將抽取得到的知識信息進行知識融合，整合形成知識庫，

步驟1.3：對知識庫進行知識加工，得到生產工單知識圖譜。

3.根據權利要求2所述的基于深度知識圖譜的生產工單推薦方法，其特征在于：所述步驟1.1中的所述實體包括商品名稱、廠家名稱、廠家老板姓名、訂購商品者姓名、廠家地址、廠家商品生產記錄、廠家商品搜索記錄，所述關系包括生產記錄、購買記錄、鄰近關系，所述屬性包括商品價格、商品編號、工廠編號、訂單數量、商品規格、商品尺寸；

所述步驟1.2中的知識庫包括商品知識庫、廠家知識庫和生產情況知識庫；

所述步驟1.3中的知識加工包括通過計算機輔助進行本體的構建，根據生產情況進行知識推理，進行保障知識庫質量的質量評估。

4.根據權利要求1所述的基于深度知識圖譜的生產工單推薦方法，其特征在于：所述步驟2中的將生產工單知識圖譜作為樣本輸入循環神經網絡，訓練樣本得到包括生產廠家隱表示和生產商品隱表示的生產廠家信息，具體過程為：

步驟2.1：將t時刻的實體x_e^(t)和t時刻的關系x_r^(t)相加，作為循環神經網絡的總輸入x^(t)；

步驟2.2：初始化t＝0時刻的狀態記憶h⁽⁰⁾、x⁽⁰⁾的樣本的權重U、輸出的權重V、上一層狀態記憶的權重W，U、V、W的初值取值均為區間[-0.1,0.1]上的任一隨機數，將x⁽⁰⁾輸入循環神經網絡中的第一層隱層；

步驟2.3：根據此時的x^(t)計算狀態記憶h^(t)＝f(W×h^(t-1)+U×x^(t))，其中f為激活函數；

步驟2.4：根據此時的h^(t)計算輸出o^(t)＝g(V×h^(t))，其中g為激活函數；

步驟2.5：更新權重U、V、W，將輸出o^(t)作為循環神經網絡中的下一層隱層的輸入，進入t＝t+1時刻；

步驟2.6：重復步驟2.3～2.5，直到樣本經過循環神經網絡的每一層隱層，訓練完成，將此時的o^(t)輸出，得到生產廠家信息。

5.根據權利要求4所述的基于深度知識圖譜的生產工單推薦方法，其特征在于：所述步驟2.3中的所述f為sigmoid函數或者tanh函數，所述步驟2.4中的所述g為softmax函數。

6.根據權利要求4所述的基于深度知識圖譜的生產工單推薦方法，其特征在于：所述步驟2.5中更新權重U、V、W的方法為使用BPTT算法更新權重U、V、W。