[發明專利]一種電力數據知識圖生成方法及系統

在審

• 申請號: 202111172149.4
• 申請日: 2021-10-08
• 公開（公告）號: CN113806560A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 肖凱;王曉輝;劉鵬;郭鵬天;季知祥;李道興
• 申請（專利權）人: 中國電力科學研究院有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 孟大帥

本發明公開了一種電力數據知識圖生成方法及系統，所述電力數據知識圖生成方法包括以下步驟：獲取預選中電力專業的各業務系統的業務數據和數據模型；將業務數據轉換為子圖數據；獲取各子圖數據中各圖節點的低維圖表示向量；利用預訓練好的節點連接預測模型，獲得各子圖數據中各圖節點存在連接的概率；基于圖節點的分類及存在連接的概率，更新子圖數據內圖節點間關系以及子圖數據間圖節點間關系，獲得電力數據知識圖。本發明能夠根據模型預測的圖節點連接概率來完成圖數據間關聯建立與修正，實現了電力多專業領域分散圖數據的高效融合生成，提升了電力數據知識圖表達的準確性。

技術領域

本發明屬于電力數據處理技術領域，特別涉及一種電力數據知識圖生成方法及系統。

背景技術

隨著電力領域業務融合應用的不斷發展，基于深度學習的算法模型對業務間數據融合的需求也越來越高。電力領域業務經過十多年的發展，基于專業劃分形成了不同的領域數據，業務間存在數據壁壘，各類算法模型需要的跨專業數據樣本加工成本極高，成為全業務數據融合亟待解決的難題。

目前在電力領域還缺乏圖生成、表示及融合方法的研究，現有傳統的圖生成、表示方法主要集中于譜方法、結合網絡結構的節點內容表示方法以及基于深度學習的方法，這些現有傳統方法多數只利用了圖數據的網絡信息，忽略了同樣具有重要作用的節點特征信息；另外，現有方法在節點信息降維映射成低維空間向量的過程中，需要為不同的圖挖掘任務單獨設計目標函數，領域相關性較強，可擴展性較差。

發明內容

本發明的目的在于提供一種電力數據知識圖生成方法及系統，以解決上述存在的一個或多個技術問題。本發明中利用深度學習算法，提出融合電力圖數據節點特征與網絡特征的低維向量表示模型，能夠根據模型預測的圖節點連接概率來完成圖數據間關聯建立與修正，實現了電力多專業領域分散圖數據的高效融合生成，提升了電力數據知識圖表達的準確性。

為達到上述目的，本發明采用以下技術方案：

本發明的一種電力數據知識圖生成方法，包括以下步驟：

獲取預選中電力專業的各業務系統的業務數據和數據模型；

對于每個業務系統，基于獲取的數據模型和業務系統的數據處理規則，將業務數據轉換為子圖數據；

獲取各子圖數據中各圖節點的低維圖表示向量；

基于各子圖數據中各圖節點的低維圖表示向量，利用預訓練好的節點連接預測模型，獲得各子圖數據中各圖節點存在連接的概率；

對于各子圖數據中各圖節點，基于圖節點的分類及存在連接的概率，更新子圖數據內圖節點間關系以及子圖數據間圖節點間關系，獲得電力數據知識圖。

本發明的進一步改進在于，所述對于每個業務系統，基于獲取的數據模型和業務系統的數據處理規則，將業務數據轉換為子圖數據的步驟具體包括：

所述業務數據為結構化數據時，轉換處理規則及過程包括：

如果結構化數據中任意兩個表的主鍵相同，屬性集不相交，則只構建一個圖節點，對屬性集合并；

如果結構化數據中任意兩個表的主鍵相同，屬性集相交，則在圖中構建兩個圖節點，圖節點間關系中增加兩圖節點的屬性交集；

如果結構化數據中任意兩個表的主鍵相同，屬性集存在包含關系，則在圖中構建兩個圖節點，圖節點間關系增加包含關系。

本發明的進一步改進在于，所述對于每個業務系統，基于獲取的數據模型和業務系統的數據處理規則，將業務數據轉換為子圖數據的步驟具體包括：

所述業務數據為非結構化數據時，轉換處理規則及過程包括：

將非結構化數據轉換為文本格式的數據；