哈尔滨工业大学佟为明获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉哈尔滨工业大学申请的专利基于知识图谱的SESRI设备管理架构及方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116226406B 。
龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310249906.6,技术领域涉及:G06F16/36;该发明授权基于知识图谱的SESRI设备管理架构及方法是由佟为明;万杰;李中伟;逄龙;金显吉;杨璐杉;初旭设计研发完成,并于2023-03-15向国家知识产权局提交的专利申请。
本基于知识图谱的SESRI设备管理架构及方法在说明书摘要公布了:本发明公开了一种基于知识图谱的SESRI设备管理架构及方法,所述设备管理架构包括数据存储层、知识抽取层、知识表示层和应用展示层数据存储层,其中:数据存储层负责为知识抽取层提供设备原始数据支撑;知识抽取层负责从提取实体和关系结构化信息,为知识表示层提供设备关键信息;知识表示层负责将知识抽取层提取出的实体和关系整合成三元组的形式,选用Neo4j图数据库进行存储,将知识以图的形式进行展现;应用展示层负责提供人机交互界面,实现数据的可视化。本发明实现了SESRI的设备管理,解决了SESRI中实验设备数量多且设备资料冗杂,导致设备信息检索速度慢、实验过程各设备之间关联难以表达等问题。
本发明授权基于知识图谱的SESRI设备管理架构及方法在权利要求书中公布了:1.一种基于知识图谱的SESRI设备管理的方法,其特征在于所述方法包括如下步骤: 步骤S101:获取SESRI设备领域的知识; 步骤S102:定义SESRI设备知识图谱本体的实体及其关系,建立SESRI设备本体模型; 步骤S103:使用OWL搭建SESRI设备本体模型; 步骤S104:采用基于不确定性的样本选择策略选择优质未标注样本,其中:使用CRF作为提供序列样本后验概率的模型,通过计算未标注样本的序列置信度来衡量样本的不确定性,基于最低置信度原则进行样本选择,批量选择序列置信度值高的序列样本,并从中选择信息密度大的样本,其具体选择方法如下: 1计算 2计算 3计算 4计算 其中,是序列样本对应的最可能的标签序列,为对应的序列样本置信度,为序列置信度,表示序列样本的长度,为所有标签数,为标签个数,表示根据当前模型的预测结果,序列中位置为的字符的边缘概率,为未标注样本池中的其他样本数量,表示未标注样本池中的第个样本,为样本与样本的相似度,为样本的代表性,代表样本的信息含量,样本的信息密度; 步骤S105:使用中文传统的数据集实体标注方法BIOES对挑选出的优质未标注样本进行标注,构建实体识别语料库; 步骤S106:采用基于BERT-BiLSTM-CRF的迁移学习算法抽取设备实体; 步骤S107:使用SPO三元组形式对设备信息进行关系抽取,搭建关系抽取实验的原始语料库; 步骤S108:采用双重注意力机制算法对设备实体间的关系进行抽取; 步骤S109:将抽取到的三元组导入Neo4j图数据库中,将知识以图的形式进行展现; 步骤S110:采用HTML、CSS以及JavaScript编写设计人机交互界面,使用Echarts展现直观、生动、可交互、定制化的数据可视图表,实现数据的可视化。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励