韋 偉，張 玉，胡 亮

（安徽工業(yè)大學(xué)管理科學(xué)與工程學(xué)院，安徽馬鞍山 210012）

0 引言

卷包設(shè)備具有高精密、高自動化、資產(chǎn)價值高等特點，是卷煙生產(chǎn)企業(yè)的核心生產(chǎn)設(shè)備。設(shè)備故障檢修時，檢修人員通常需要查詢設(shè)備故障維修手冊、故障案例庫等檢修業(yè)務(wù)資料。然而這些設(shè)備故障數(shù)據(jù)資料大部分存儲在各信息系統(tǒng)、系統(tǒng)日志、紙質(zhì)文件及設(shè)備維修專家的頭腦中，存在查詢不便、查詢準(zhǔn)確率不高、檢修工作效率較低、數(shù)據(jù)知識價值不能得到有效利用等問題。知識圖譜作為對知識進行有效管理的一個重要工具，它可以將多源異構(gòu)的故障數(shù)據(jù)相互聯(lián)系，以圖的形式存儲，大大方便卷包設(shè)備故障數(shù)據(jù)資料的檢索復(fù)用，同時也使故障數(shù)據(jù)知識價值得到充分利用。

1 知識圖譜相關(guān)介紹

知識圖譜最早由谷歌公司提出，旨在提升搜索引擎性能，使搜索結(jié)果以精準(zhǔn)的方式反饋給用戶，然而知識圖譜目前還沒有統(tǒng)一的官方定義，劉嶠等人[1]將知識圖譜定義為：以符號形式對現(xiàn)實世界中概念與關(guān)系進行結(jié)構(gòu)化展示的語義知識庫。知識圖譜在數(shù)據(jù)結(jié)構(gòu)上表現(xiàn)為，“節(jié)點和邊”聯(lián)系在一起的有向圖結(jié)構(gòu)，通過把所有不同類的實體和關(guān)系以，諸多類似上述形式的三元組通過實體（節(jié)點）關(guān)系（邊）相互鏈接，從而構(gòu)成較為復(fù)雜的、像網(wǎng)一樣的網(wǎng)狀知識結(jié)構(gòu)即知識圖譜。

依據(jù)應(yīng)用領(lǐng)域與應(yīng)用場景的不同，知識圖譜可以分為通用知識圖譜和領(lǐng)域知識圖譜。知識圖譜搭建方式分為自頂向下、從下向上、上下相結(jié)合3 種，而領(lǐng)域知識圖譜常用自頂向下的構(gòu)建方式，首先定義故障知識圖譜本體，其次基于本體相關(guān)概念關(guān)系的定義對故障數(shù)據(jù)資料進行知識抽取，獲取故障數(shù)據(jù)實例，最后將基于本體概念獲取的數(shù)據(jù)實例經(jīng)知識消歧、知識分類、知識融合、知識存儲導(dǎo)入圖數(shù)據(jù)庫。

在知識圖譜構(gòu)建過程中，知識抽取獲取數(shù)據(jù)實例的質(zhì)量對后續(xù)故障知識圖譜的應(yīng)用尤為重要，為知識圖譜構(gòu)建過程中的研究重點。

2 卷包設(shè)備故障知識圖譜的構(gòu)建

2.1 故障數(shù)據(jù)預(yù)處理

收集與整理卷包機組設(shè)備在檢修業(yè)務(wù)中涉及的相關(guān)數(shù)據(jù)資料，如設(shè)備維修技術(shù)手冊、設(shè)備故障檢修報告、設(shè)備故障檢修分析數(shù)據(jù)、安裝或拆除的部件信息等數(shù)據(jù)資料作為故障知識圖譜的數(shù)據(jù)源。這些數(shù)據(jù)資料大多為以自然語言記錄設(shè)備故障相關(guān)知識，以PDF、Word 形式存儲的非結(jié)構(gòu)化數(shù)據(jù)，故該類數(shù)據(jù)的知識抽取較為負復(fù)雜，需要對數(shù)據(jù)資料進行預(yù)處理，首先需要讀取故障數(shù)據(jù)資料內(nèi)容，其次通過正則表達式、自定義規(guī)則將數(shù)據(jù)整理轉(zhuǎn)化為規(guī)則完整的數(shù)據(jù)，最后將處理后的數(shù)據(jù)存儲為txt 格式。

2.2 故障知識圖譜本體構(gòu)建

基于檢修業(yè)務(wù)相關(guān)故障知識范圍以及檢修業(yè)務(wù)中需要重用的知識信息，定義檢修業(yè)務(wù)中知識本體相關(guān)概念與關(guān)系。首先，定義需要重用的故障知識本體概念?；诒倔w構(gòu)建不交類和避免類循環(huán)的原則，定義概念如設(shè)備（EQUIPMENT）、設(shè)備機型（EQUIPTYPE）、故障（FAULT）、檢修物料（EQUIPBOM）、故障現(xiàn)象（EQUIPFAULTPHEN）、故障原因（EQUIPDAULTCAUSE）、故障措施（EQUIPFAULTMEASURE）、處理效果（EQUIPFAULTEFFECT）、人員（PERSON）等共9 類。

其次，定義本體概念間的關(guān)系，如屬于、就職于、組成、包含、并發(fā)、引發(fā)、影響部位、影響物料、原因、措施、現(xiàn)象、產(chǎn)生、預(yù)防建議、修復(fù)效果、最終結(jié)果等共15 種。

2.3 訓(xùn)練卷包設(shè)備故障知識抽取模型

故障數(shù)據(jù)知識抽取需要借助自然語言處理（NLP）相關(guān)方法，BERT+BILSTM+CRF 聯(lián)合模型為當(dāng)前NLP 知識抽取中使用較多、知識抽取準(zhǔn)確率較高的模型[2]。模型訓(xùn)練的數(shù)據(jù)集來源于故障數(shù)據(jù)預(yù)處理后的.txt 數(shù)據(jù)資料，從中選取1000 項故障頻次較高、對檢修業(yè)務(wù)影響較大的數(shù)據(jù)，并對.txt 數(shù)據(jù)資料中的每行字?jǐn)?shù)進行限定，避免模型訓(xùn)練過程中因過擬合而影響訓(xùn)練結(jié)果。對處理后的模型數(shù)據(jù)集借助“標(biāo)注精靈”，按照B-I-O 方法標(biāo)注本體中定義的9 類概念、19 種概念標(biāo)簽（表1）。

表1 數(shù)據(jù)標(biāo)注的標(biāo)簽

將標(biāo)注的數(shù)據(jù)集按7:3 分為訓(xùn)練集和測試集，模型訓(xùn)練環(huán)境Python 為3.6，Tensorflow 為1.5.0。模型參數(shù)設(shè)置如表2 所示。BERT-BILSTM-CRF 模型訓(xùn)練效果的判別借助混淆矩陣（Confusion Matrix）分別計算出模型的Accuracy（準(zhǔn)確率）、P（精確率）、R（召回率）和F1 值。模型訓(xùn)練（train）數(shù)據(jù)集和測試（test）數(shù)據(jù)集的最優(yōu)訓(xùn)練結(jié)果如表3 所示。

表2 知識抽取模型參數(shù)設(shè)置

表3 知識抽取模型訓(xùn)練結(jié)果

模型經(jīng)訓(xùn)練后，訓(xùn)練集準(zhǔn)確率達98.75，F(xiàn)1 值為91.32，測試集的準(zhǔn)確率達98.59，F(xiàn)1 值為90.75。對該模型的識別效果通過自然語句進一步驗證，可以準(zhǔn)確識別出語句中相關(guān)知識標(biāo)簽（圖1）。

圖1 知識抽取模型效果驗證

2.4 卷包設(shè)備故障知識抽取與融合

（1）故障知識抽取。借助BERT-BILSTM-CRF 模型結(jié)合定義的知識抽取規(guī)則，從文本數(shù)據(jù)資料中抽取故障知識。

（2）故障知識消歧。因不同數(shù)據(jù)源獲取的故障知識，可能會存在知識表達方式不同但表示同一類知識，故需要對此類數(shù)據(jù)進行知識消岐、刪除重復(fù)信息以避免故障知識重復(fù)。

（3）故障知識分類。將經(jīng)過消歧的故障知識，按照標(biāo)簽自動劃分?jǐn)?shù)據(jù)類別。

（4）故障知識融合。主要解決數(shù)據(jù)沖突問題，如一個短語對應(yīng)多個實體的情況。

2.5 故障知識存儲

本文故障知識存儲選擇Neo4j圖數(shù)據(jù)庫[3]，因該數(shù)據(jù)庫以圖的形式存儲和管理知識，在檢索數(shù)據(jù)庫中知識時，只遍歷與檢索知識相關(guān)的節(jié)點，不受總數(shù)據(jù)集大小影響，知識檢索效率較高，且數(shù)據(jù)庫中主要以節(jié)點和邊將知識聯(lián)系組織在一起便于對獲取的知識直觀展示。將獲取的卷包機組設(shè)備故障知識存儲為csv 格式，再以系統(tǒng)中的load 批量導(dǎo)入方式將故障知識導(dǎo)入Neo4j 圖數(shù)據(jù)庫，再借助match 查詢語句獲取知識圖譜相關(guān)故障知識。

以查詢故障知識圖譜中的“煙支破損”為例，match 查詢后獲取到故障知識圖譜中有關(guān)煙支破損相關(guān)知識將以節(jié)點和邊的形式直觀展示（圖2）。

圖2 故障知識圖譜檢索結(jié)果示例

3 結(jié)論

通過構(gòu)建卷包設(shè)備故障知識圖譜，一方面可以使卷煙企業(yè)存儲多年的多源異構(gòu)的設(shè)備故障數(shù)據(jù)資料發(fā)揮信息價值，另一方面還可以輔助設(shè)備故障檢修人員的檢修工作，提高檢修工作效率。此外，還可以通過Neo4j 的cypher 相關(guān)語句對故障知識進行增、刪、改、查等，使故障知識圖譜持續(xù)更新與完善。