公开(公告)号：CN115496131B

公开(公告)日：2023-06-13

申请号：CN202211053039.0

申请日：2022-08-30

Applicant: 北京华控智加科技有限公司

Inventor： 邓羽丰 ,  刘加 ,  卢回忆

IPC: G06F18/241 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/20

Abstract: 本申请提出了一种基于多个预训练神经网络的设备健康状态分类方法，该方法包括：获取待分类设备的历史音频数据，并通过预训练数据集和分类目标函数对多个神经网络进行预训练；通过历史音频数据对多个预训练神经网络进行循环迭代训练；针对每段历史音频数据，获取多个训练完成的神经网络输出的多个决策向量，计算对应的融合决策向量；通过无监督聚类算法对全部的融合决策向量进行聚类，通过专家知识标注每个类对应的设备健康状态；将实时音频数据输入至多个训练完成的神经网络，获得对应的目标融合决策向量，并根据目标融合决策向量所属的类，确定待分类设备的实际健康状态。该方法可以提高设备健康状态分类的准确性，减少数据标注成本。

公开(公告)号：CN117131929A

公开(公告)日：2023-11-28

申请号：CN202311408716.0

申请日：2023-10-27

Applicant: 北京华控智加科技有限公司

Inventor： 李坤 ,  刘加 ,  吕志强 ,  曹宏 ,  邓羽丰

IPC: G06N5/02 ,  G06F16/901

Abstract: 本公开提出一种运维数据的管理方法及装置，涉及知识图谱技术领域。包括：对工业装备运维数据进行处理，以识别其中的事件、实体及实体之间的关系；基于所述事件、实体及实体之间的关系，构建层次化树状的图谱架构，图谱架构中每个节点表示一个实体或事件，每个边表示一个关系或一个条件；根据构建好的图谱架构，将事件、实体及实体之间的关系存储在图数据库中，以形成知识图谱。由此，利用知识图谱技术解决当前工业装备运维领域已有的知识图谱架构所建立的知识图谱不能全面反映出故障事件情况的问题，能够从运维工单中提取设备、故障、现象、解决措施等事件、实体及其关系，构建图谱，反映出故障事件的全貌，方便进行知识查询和应用。

公开(公告)号：CN117171364B

公开(公告)日：2024-02-02

申请号：CN202311414114.6

申请日：2023-10-30

Applicant: 北京华控智加科技有限公司

Inventor： 李坤 ,  刘加 ,  吕志强 ,  曹宏 ,  邓羽丰

IPC: G06F16/36 ,  G06F16/23 ,  G06F40/295

Abstract: 本申请提出一种运维知识图谱更新方法及装置，方法为：接收知识图谱的包含运维文本及知识图谱的更新类型的更新请求后，根据更新类型及知识图谱对应的模式层schema信息，确定目标提示Prompt集，并基于目标Prompt集调用大模型对运维文本进行解析，确定运维文本中包含的第一三元组，然后，利用第一三元组更新知识图谱。由此，基于更新类型确定不同的目标提示Prompt集，实现了在原有知识图谱的基础上对各种更新类型的更新，从而提高了运维知识图谱更新的效率。

公开(公告)号：CN117171364A

公开(公告)日：2023-12-05

申请号：CN202311414114.6

申请日：2023-10-30

Applicant: 北京华控智加科技有限公司

Inventor： 李坤 ,  刘加 ,  吕志强 ,  曹宏 ,  邓羽丰

IPC: G06F16/36 ,  G06F16/23 ,  G06F40/295

Abstract: 本申请提出一种运维知识图谱更新方法及装置，方法为：接收知识图谱的包含运维文本及知识图谱的更新类型的更新请求后，根据更新类型及知识图谱对应的模式层schema信息，确定目标提示Prompt集，并基于目标Prompt集调用大模型对运维文本进行解析，确定运维文本中包含的第一三元组，然后，利用第一三元组更新知识图谱。由此，基于更新类型确定不同的目标提示Prompt集，实现了在原有知识图谱的基础上对各种更新类型的更新，从而提高了运维知识图谱更新的效率。

公开(公告)号：CN115496131A

公开(公告)日：2022-12-20

申请号：CN202211053039.0

申请日：2022-08-30

Applicant: 北京华控智加科技有限公司

Inventor： 邓羽丰 ,  刘加 ,  卢回忆

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/00

Abstract: 本申请提出了一种基于多个预训练神经网络的设备健康状态分类方法，该方法包括：获取待分类设备的历史音频数据，并通过预训练数据集和分类目标函数对多个神经网络进行预训练；通过历史音频数据对多个预训练神经网络进行循环迭代训练；针对每段历史音频数据，获取多个训练完成的神经网络输出的多个决策向量，计算对应的融合决策向量；通过无监督聚类算法对全部的融合决策向量进行聚类，通过专家知识标注每个类对应的设备健康状态；将实时音频数据输入至多个训练完成的神经网络，获得对应的目标融合决策向量，并根据目标融合决策向量所属的类，确定待分类设备的实际健康状态。该方法可以提高设备健康状态分类的准确性，减少数据标注成本。