[發明專利]一種生產過程知識挖掘與遷移方法、智能終端及存儲介質

在審

• 申請號: 202110326211.4
• 申請日: 2021-03-26
• 公開（公告）號: CN113094351A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 任浩;桂衛華;陳志文;蔣朝輝;陽春華;柴毅;駱偉超;曹婷;張超波
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F16/23;G06F16/2458;G06Q50/04
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 溫宏梅;劉芙蓉

1.一種生產過程知識挖掘與遷移方法，其特征在于，包括：

獲取數據樣本集，對所述數據樣本集中不同模態的若干數據進行整合，得到所述數據樣本集對應的第一特征知識向量；

將所述第一特征知識向量輸入預先設置的情境編碼模型，得到所述第一特征知識向量對應的第一情境編碼向量和第一情境編碼損失向量；

將所述第一特征知識向量和所述第一情境編碼向量輸入預先設置的業務計算模型，得到所述第一特征知識向量對應的第一業務目標向量；

根據所述第一情境編碼向量和所述第一業務目標向量對預先建立的難例知識庫中的難例數據樣本進行更新，并根據更新后的所述難例數據樣本對所述情境編碼模型和所述業務計算模型的模型參數進行更新。

2.根據權利要求1所述的生產過程知識挖掘與遷移方法，其特征在于，所述對所述數據樣本集中不同模態的若干數據進行整合，得到所述數據樣本集對應的第一特征知識向量的步驟包括：

獲取所述數據樣本集中不同模態的若干數據對應的投影函數，根據所述投影函數對若干所述數據進行知識投影，得到各個所述數據對應的特征空間；

根據預設的融合函數對各個所述數據對應的特征空間進行融合，得到所述數據樣本集對應的第一特征知識向量。

3.根據權利要求1所述的生產過程知識挖掘與遷移方法，其特征在于，所述情境編碼模型包括編碼器和解碼器，所述將所述第一特征知識向量輸入預先設置的情境編碼模型，得到所述第一特征知識向量對應的第一情境編碼向量和第一情境編碼損失向量的步驟包括：

將所述第一特征知識向量輸入所述編碼器，得到所述第一特征知識向量對應的第一情境編碼向量；

將所述第一情境編碼向量輸入所述解碼器，得到所述第一特征知識向量對應的重構知識向量；

根據所述重構知識向量和所述第一特征知識向量，得到所述第一特征知識向量對應的第一情境編碼損失向量。

4.根據權利要求1所述的生產過程知識挖掘與遷移方法，其特征在于，所述業務計算模型包括特征提取器和調制解調器，所述將所述第一特征知識向量和所述第一情境編碼向量輸入預先設置的業務計算模型，得到所述第一特征知識向量對應的第一業務目標向量的步驟包括：

將所述第一特征知識向量輸入所述特征提取器中，得到所述第一特征知識向量對應的第二特征知識向量；

將所述第一情境編碼向量和所述第二特征知識向量輸入所述調制解調器中，得到所述第一特征知識向量對應的第一業務目標向量。

5.根據權利要求1所述的生產過程知識挖掘與遷移方法，其特征在于，所述根據所述第一情境編碼損失向量和所述第一業務目標向量對預先建立的難例知識庫中的難例數據樣本進行更新的步驟包括：

將所述第一情境編碼損失向量與預設第一閾值進行比較，以及將所述第一業務目標向量和預設的實際業務目標向量的差值與預設第二閾值進行比較；

當所述第一情境編碼損失向量大于所述第一閾值和/或所述差值大于所述第二閾值時，將所述數據樣本集存儲到預先建立的難例知識庫中，以對所述難例知識庫中的難例數據樣本進行更新。

6.根據權利要求1所述的生產過程知識挖掘與遷移方法，其特征在于，所述根據所述難例數據樣本對所述情境編碼模型和所述業務計算模型的模型參數進行更新的步驟包括：

獲取所述難例數據樣本的樣本數，將所述樣本數與預設第三閾值進行比較；

當所述樣本數大于所述第三閾值時，對所述難例數據樣本進行整合，得到所述難例數據樣本對應的第三特征知識向量；

根據所述第三特征知識向量對所述情境編碼模型和所述業務計算模型的模型參數進行更新。