一个典型的知识图谱应用建设案例

2020-08-19 09:40

我相信绝大多数读者并不从事装备设计领域，因此没必要深入了解“多信号流图”，但这种图形化模式的提出对知识图谱建设非常有借鉴价值。对应到传统信息化软件的设计你会发现，UML就是一种图形化的建模方式，类图属于软件静态关系的图形化描述，时序图、状态图、序列图等等是软件动态关系的图形化描述，部署图是软件物理结构的图形化描述，因此在知识建模过程中，可以考虑建立自有的图形化描述，提高知识抽取的工程化能力。

下图总结了采用知识图谱建设方法论，进行装备故障诊断时各个阶段的主要工作，包括：

一个典型的知识图谱应用建设案例

1、知识建模阶段，对装备、功能（控制、分离、引导、连接……）、输入输出（能量、物质、信号）等基本概念的抽象，以及利用“多信号流图”进行图形化描述（类似面向对象的 UML 方式）；

2、知识抽取阶段，可以在研发过程中设计装备的“多信号流图”，对于研发阶段没有进行这方面设计的可以从维修手册中抽取。用多信号流图可以产生故障树与故障相关矩阵。

3、知识验证阶段，可以利用相关矩阵推断新增加的知识是否有效，也可以验证测试是否完备，例如两个故障模式在故障矩阵中故障特征是一致的，就可能需要增加测试点；

4、利用故障知识图谱，可以在开发实时诊断的应用，利用推理机实时确定故障发生的部件，产生故障应急的预案等等。

感谢胡政博士为本文提供的案例，他曾是国防科技大学装备综合保障技术重点实验室的核心成员，我国装备保障领域的知名专家。他创办的湖南擎新公司，专注于大型装备的实时故障诊断、检测技术的研究与实践，完成了多项重大武器装备的故障诊断知识图谱的建设。

3总结

企业软件从流程化开始起步，逐步实现数据化，今天我们希望它能够更加智能化。而目前智能化还主要体现在图像识别、语音识别的应用，究其原因是目前以机器学习为核心的技术并不能满足很多场景，诸如缺少大量数据、结果不够明确、需要明晰推理过程。而建立专业领域知识图谱，正是将人工智能应用从简单应用转向知识密集但数据缺少的复杂应用。

《老焦专栏｜解开知识图谱神秘的面纱》、《老焦专栏｜知识图谱建设方法论》，在这一系列的三篇文章酝酿了很长时间，借鉴了企业软件流行的面向对象方法，提出了一个工程化实施知识图谱建设的方法论，包括知识建模中的领域划分、概念与关系建模，知识抽取的自动化、非自动化方法，最后列举了知识图谱的四种应用形式，并通过一个装备故障监测的示例，讲解了如何基于知识图谱进行推理、如何在知识图谱建模时类似 UML 的方式建立知识模型。

后面我们还会针对知识图谱这一话题，进行持续的探讨，敬请期待。

<上一页 1 2 3