摘" 要： 電子產(chǎn)品的調(diào)試步驟繁多，導(dǎo)致不同產(chǎn)品的調(diào)試工藝路線設(shè)計(jì)復(fù)雜，且工藝路線的確定本身具有極強(qiáng)的經(jīng)驗(yàn)性和復(fù)雜性。為實(shí)現(xiàn)電子產(chǎn)品調(diào)試工藝路線的快速、規(guī)范、便捷化設(shè)計(jì)，提出一種基于知識圖譜的電子產(chǎn)品調(diào)試工藝路線推薦方法。首先，通過分層規(guī)劃構(gòu)建了電子產(chǎn)品模型和調(diào)試工藝路線模型，定義兩者之間的屬性關(guān)系，完成本體模型構(gòu)建；然后，使用TranSparse模型獲取知識圖譜中的全部實(shí)體和關(guān)系，并進(jìn)行低維向量表示，由此進(jìn)行知識推理，得到定性的調(diào)試工藝路線，同時(shí)計(jì)算屬性之間的語義相似度，得到更準(zhǔn)確的推薦模型；最后，以某一電子產(chǎn)品為實(shí)例，驗(yàn)證所提方法的研究思路及相關(guān)算法的合理性和科學(xué)性，可應(yīng)用在工藝知識殘缺的情況下，電子產(chǎn)品調(diào)試領(lǐng)域工藝路線的快速設(shè)計(jì)。

關(guān)鍵詞： 電子產(chǎn)品； 工藝路線； 知識圖譜； 本體構(gòu)建； 低維向量； 語義相似度

中圖分類號： TN06?34； TP391.3" " " " " " " " " 文獻(xiàn)標(biāo)識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2025）08?0013?06

Research on knowledge graph based debugging process route recommendation

method for electronic products

XIAO Wulong1， WANG Yanjun2， XIAO Yong2， ZHANG Shilong1， DAI Yinqiao1， ZHAI Yahui1， XIONG Ying1

（1. Southwest Jiaotong University， Chengdu 610031， China; 2. The No.10 Institute of CETC， Chengdu 610036， China）

Abstract： The debugging steps of electronic products are numerous， which leads to the complexity of debugging process route design for different products， and the determination of the process route itself is highly empirical and complex. In order to realize the fast， standardized， and convenient design of debugging process routes， a method of debugging process route recommendation based on knowledge graph for electronic products is proposed. The electronic product model and debugging process route model are constructed by means of hierarchical planning， and the attribute relationship between them is defined to complete the ontology model construction. The TranSparse model is used to obtain all the entities and relationships in the knowledge graph and perform low?dimensional vector representation， from which knowledge reasoning is performed to obtain qualitative debugging process routes， and the semantic similarity between attributes is calculated to obtain a more accurate recommendation model. Taking an electronic product as an example， the rationality and scientificity of the research ideas and related algorithms of the proposed method are verified. It can be applied to the rapid design of process routes in the field of electronic product debugging when process knowledge is incomplete.

Keywords： electronic product; process route; knowledge graph; ontology construction; low?dimensional vector; semantic similarity

0" 引" 言

電子產(chǎn)品工藝路線設(shè)計(jì)屬于調(diào)試工藝設(shè)計(jì)中最重要的環(huán)節(jié)之一。目前，調(diào)試工藝設(shè)計(jì)師在設(shè)計(jì)調(diào)試工藝路線之前，須消化諸多產(chǎn)品設(shè)計(jì)文件，包括產(chǎn)品規(guī)范、測試細(xì)則、調(diào)試說明等，從這些文件中提煉調(diào)試需求，如調(diào)試流程、測試項(xiàng)目、測試頻點(diǎn)等信息，再結(jié)合個(gè)人經(jīng)驗(yàn)設(shè)計(jì)調(diào)試工藝路線。在調(diào)試工藝路線設(shè)計(jì)過程中，采用文本編輯的方式進(jìn)行，內(nèi)容主要用文字形式進(jìn)行描述，存在術(shù)語描述不一致問題，注重“給人看”[1?2]。電子產(chǎn)品調(diào)試工藝路線過程復(fù)雜，流程環(huán)節(jié)眾多，不同的電子產(chǎn)品的調(diào)試工藝路線各不相同，但又存在相同或類似的環(huán)節(jié)，以及面對一個(gè)新的電子產(chǎn)品，如何根據(jù)已有的工藝模板快速得到可借鑒的工藝路線方案，確定該產(chǎn)品的調(diào)試工藝路線。

針對以上問題，如何提高調(diào)試工藝的指導(dǎo)性，實(shí)現(xiàn)調(diào)試工藝路線快速、便捷、規(guī)范化設(shè)計(jì)[3?5]，并滿足調(diào)試工藝路線推薦的服務(wù)需求變得尤為重要。隨著人工智能快速發(fā)展，基于知識庫的推薦技術(shù)在許多領(lǐng)域得到很好的應(yīng)用，本體模型目前已應(yīng)用于對裝配工藝分類、屬性、條件等進(jìn)行知識圖譜構(gòu)建[6?8]；文獻(xiàn)[9]基于知識圖譜對工藝知識推薦方法進(jìn)行研究，提高了生產(chǎn)系統(tǒng)工藝知識推薦的預(yù)測率；文獻(xiàn)[10]根據(jù)已有結(jié)合本體和規(guī)則推理的研究，提出一種基于SWRL的推理機(jī)制框架，該框架在OWL本體中引入了規(guī)則表示，彌補(bǔ)了OWL、DL在推理機(jī)制上的不足；文獻(xiàn)[11]基于描述邏輯將本體知識庫中的邏輯概念關(guān)系用語義網(wǎng)規(guī)則語言（Semantic Web Rule Language， SWRL）表示，將構(gòu)建的本體和規(guī)則放入Pellet推理機(jī)中推理出新知識；文獻(xiàn)[12]提出一種將自動(dòng)編碼器的網(wǎng)絡(luò)結(jié)構(gòu)與基于知識圖譜的語義信息相結(jié)合的方法，以解決推薦算法中數(shù)據(jù)稀疏的問題；文獻(xiàn)[13?14]以用戶中心為理念，應(yīng)用知識推送技術(shù)并設(shè)計(jì)工藝知識推送算法，實(shí)現(xiàn)工藝制定過程中相關(guān)知識的推送；文獻(xiàn)[15]提出一種集成加工車間隱式知識的知識圖譜決策框架；文獻(xiàn)[16]考慮到關(guān)系的多語義性以及不同實(shí)體與關(guān)系之間的確定性，提出一種面向多語義關(guān)系的知識圖譜表示方法——TransC；文獻(xiàn)[17]結(jié)合大數(shù)據(jù)處理方法，搭建了一個(gè)基于知識圖譜的智能決策平臺；文獻(xiàn)[18]為解決推薦模型面對長文本推薦任務(wù)存在的推薦信息獲取不準(zhǔn)確的問題，提出一種基于知識表示增強(qiáng)的類案推薦模型。

目前的研究未見對電子產(chǎn)品調(diào)試工藝路線推薦方法進(jìn)行研究，且現(xiàn)有基于知識圖譜的推薦方法對電子產(chǎn)品不適用。本文對電子產(chǎn)品模型以及調(diào)試工藝路線模型進(jìn)行構(gòu)建，定義兩者之間的屬性關(guān)系，完成本體模型構(gòu)建；使用TranSparse模型來獲取知識圖譜中的全部實(shí)體和關(guān)系并進(jìn)行低維向量表示，計(jì)算各屬性之間的相似度，加權(quán)融合后得到更準(zhǔn)確的推薦模型。實(shí)驗(yàn)結(jié)果表明，所提推薦方法能減少調(diào)試工藝設(shè)計(jì)人員時(shí)間，提高調(diào)試工藝設(shè)計(jì)效率，可以在工藝知識殘缺的情況下實(shí)現(xiàn)調(diào)試工藝路線的快速生成，最終使調(diào)試工藝路線設(shè)計(jì)達(dá)到標(biāo)準(zhǔn)化、規(guī)范化、快速化。

1" 模型構(gòu)建

1.1" 本體構(gòu)建方法

本體構(gòu)建方法有IDEF5法、骨架法、TOVE法、METHONTOLOGY法、SENSUS法、七步法、循環(huán)獲取法和五部循環(huán)法等[19]。其中，七步法是由斯坦福大學(xué)開發(fā)的主要用于領(lǐng)域本體構(gòu)建的方法[20]，該方法較為成熟，被廣泛應(yīng)用于本體構(gòu)建，但缺少檢查評估以及用戶反饋的環(huán)節(jié)，導(dǎo)致無法評估本體模型構(gòu)建是否合理，是否滿足應(yīng)用需求。本文使用改進(jìn)的七步法進(jìn)行本體構(gòu)建，在其中添加評價(jià)指標(biāo)，使得調(diào)試工藝路線本體的構(gòu)建更加合理。定義本體評價(jià)指標(biāo)為產(chǎn)品豐富度、工藝豐富度、關(guān)系豐富度、屬性豐富度[21]，如表1所示。

根據(jù)評價(jià)指標(biāo)對所構(gòu)建的本體進(jìn)行評價(jià)，產(chǎn)品豐富度、工藝豐富度、關(guān)系豐富度和屬性豐富度計(jì)算結(jié)果分別為0.87、0.92、0.90和0.12。結(jié)果顯示：前三者豐富度較高，說明本體關(guān)系多樣性得到較好的應(yīng)用；屬性豐富度較低，說明本體豐富度整體較為合理，本體模型構(gòu)建較為完整。本文將上述本體評價(jià)指標(biāo)融入改進(jìn)的七步法中，使用Protégé進(jìn)行本體構(gòu)建，并使用OWL（Ontology Web Language）本體描述語言進(jìn)行程序化表示，具體流程如圖1所示。

1.2" 產(chǎn)品本體構(gòu)建

產(chǎn)品模型是用于定義和描述被調(diào)試產(chǎn)品有關(guān)調(diào)試信息的模型，為調(diào)試工藝程序設(shè)計(jì)提供標(biāo)準(zhǔn)文件。依據(jù)行業(yè)標(biāo)準(zhǔn)SJ/T 11144—1997《電子產(chǎn)品分類與代碼》修訂版以及相關(guān)產(chǎn)業(yè)產(chǎn)品標(biāo)準(zhǔn)，定義產(chǎn)品模型的類為產(chǎn)品類型、接口信息、產(chǎn)品狀態(tài)控制方式和調(diào)試指標(biāo)參數(shù)。其中：產(chǎn)品類型又分為子類整機(jī)型和模塊型；接口信息又分為子類接口信號類型和接口信號方向。產(chǎn)品本體模型可視化圖如圖2所示。

1.3" 調(diào)試工藝路線本體構(gòu)建

調(diào)試工藝路線是指電子產(chǎn)品在調(diào)試過程中所需調(diào)試工序，經(jīng)過安全性和成本等測算后組合而成的工藝路線。調(diào)試工藝路線的構(gòu)建是電子產(chǎn)品實(shí)現(xiàn)標(biāo)準(zhǔn)化、規(guī)范化和快捷生產(chǎn)的重要步驟之一。依據(jù)行業(yè)標(biāo)準(zhǔn)文件QJ 3155—2002和相關(guān)產(chǎn)業(yè)產(chǎn)品生產(chǎn)方法，將調(diào)試工藝路線按工藝順序分為調(diào)試準(zhǔn)備、供電檢查、恒定濕熱調(diào)試、高低溫調(diào)試、應(yīng)力試驗(yàn)和電老煉六大類。每一類分別包含了該工序的一般調(diào)試工步以及相關(guān)參數(shù)指標(biāo)。例如，恒定濕熱調(diào)試包含了接口單元調(diào)試、音頻單元調(diào)試和信號單元調(diào)試等調(diào)試工步，以及調(diào)試溫度、相對濕度和溫度容差等參數(shù)指標(biāo)。調(diào)試工藝路線本體模型可視化圖如圖3所示。

1.4" 本體實(shí)例可視化

屬性是對象具有的特征或者參數(shù)，分為數(shù)據(jù)屬性和對象屬性兩類。數(shù)據(jù)屬性用來表示類與具體數(shù)值類型的關(guān)系，對象屬性用來表示類與類之間的關(guān)系。Protégé軟件中使用owl：topObjectProperty對OWL對象屬性進(jìn)行定義，使用owl：topDataProperty對OWL數(shù)據(jù)屬性進(jìn)行定義。根據(jù)所設(shè)計(jì)的產(chǎn)品本體模型和調(diào)試工藝路線本體模型以及它們的層次結(jié)構(gòu)，產(chǎn)品模型與調(diào)試工藝路線間的關(guān)系包括產(chǎn)品所含工序工步、工藝路線的工序順序、產(chǎn)品類型與工藝路線的關(guān)系等。根據(jù)這些關(guān)系，定義了以下屬性：產(chǎn)品所含工序（has_route）、產(chǎn)品所含工步（has_steps）、下一個(gè)工序（next_process）、上一個(gè)工序（front_process）、產(chǎn)品類型與工藝路線關(guān)系（relative_to）等，并且在建模過程中除了對類和屬性進(jìn)行定義外，還需要對類和屬性進(jìn)行約束。

OWL可以對屬性的傳遞性（transitive）、對稱性（symmetric）、函數(shù)性（functional）等特性進(jìn)行定義。通過對屬性進(jìn)行定義和約束，并為各類添加實(shí)例，完成本體實(shí)例可視化，得到的調(diào)試工藝路線知識譜圖（部分）如圖4所示。

2" 調(diào)試工藝路線推薦

本文電子產(chǎn)品調(diào)試工藝路線推薦流程如圖5所示。首先使用OWL構(gòu)建產(chǎn)品本體模型及調(diào)試工藝路線本體模型，并實(shí)例化將其作為知識庫，通過知識圖譜嵌入將三元組轉(zhuǎn)化為低維向量；然后對不同的屬性設(shè)置權(quán)重，得到相似度計(jì)算方法，建立全局相似度計(jì)算方法；最終通過輸入產(chǎn)品特征參數(shù)得到工藝路線推薦結(jié)果。

2.1" 知識圖譜嵌入

知識圖譜嵌入使用分布式表示的思想，將目標(biāo)表示為密集的、實(shí)值的和低維的向量，同時(shí)在向量中保留知識圖譜中的結(jié)構(gòu)與語義信息，可以彌補(bǔ)傳統(tǒng)知識圖譜向量表示的不足。知識圖譜嵌入模型中，基于翻譯的模型應(yīng)用最為廣泛，其中包括TransE、TransH、TransR等[22]。

知識圖譜由知識三元體組成，包括頭實(shí)體[h]、關(guān)系[r]、尾實(shí)體[t]，對于每一個(gè)三元組可表示為[（h，r，t）]形式。知識圖譜嵌入是將知識圖譜中的實(shí)體與關(guān)系投影到一個(gè)低維連續(xù)向量空間內(nèi)，進(jìn)而可以快速計(jì)算實(shí)體之間的語義相似度。翻譯模型旨在通過將關(guān)系表示為頭實(shí)體到尾實(shí)體的翻譯來學(xué)習(xí)嵌入。針對知識中存在關(guān)系鏈接實(shí)體的數(shù)量不一致的問題，本文選取TranSparse（share）模型進(jìn)行知識圖譜嵌入[23]。該方法會為每個(gè)關(guān)系構(gòu)建一個(gè)稀疏投影矩陣[Mr（θr）]和一個(gè)平移向量[r]，表示由關(guān)系鏈接的實(shí)體對數(shù)量，[Nr*]表示最大數(shù)量（關(guān)系[r*]鏈接的實(shí)體對數(shù)量最多），并為矩陣[Mr*]設(shè)置最小稀疏度[θmin（0≤θmin≤1）]，那么矩陣的稀疏度定義為：

式中：[Nr]指關(guān)系[r]鏈接的實(shí)體對的數(shù)量，如果數(shù)量越多，則投影矩陣的稀疏度越小，矩陣越密集（即非0元素個(gè)數(shù)越多）；[Nr*]表示鏈接實(shí)體對數(shù)最多的值。

頭尾實(shí)體會共享稀疏矩陣[Mr（θr）]，評分函數(shù)為：

式中[fr（h，t）]表示[hp+r]與[tp]之間的差別。

2.2" 相似度計(jì)算

針對不同產(chǎn)品選取最具代表性的屬性進(jìn)行表示，屬性又可分為文本型屬性、數(shù)值型屬性和符號型屬性三種類型。共選取了11個(gè)屬性，其中：文本型屬性有產(chǎn)品類型；數(shù)值型屬性有信號范圍、加電電流、加電時(shí)間、檢測頻率、檢測時(shí)間和調(diào)試帶寬；符號型屬性有接口信號類型、接口信號方向、產(chǎn)品狀態(tài)控制方式和工藝參數(shù)。

考慮到產(chǎn)品不同屬性具有不同作用和不同程度的影響，需要對屬性賦予權(quán)重。采用粗糙集理論進(jìn)行屬性權(quán)重的計(jì)算，依據(jù)屬性的重要度對特征屬性進(jìn)行權(quán)重賦值，去除不發(fā)揮作用的屬性，能夠提高結(jié)果的合理性，提升分析精度。對于文本類型屬性，其相似度無法直接被計(jì)算機(jī)度量，而基于矢量運(yùn)算得到的知識圖譜實(shí)體向量能夠反映實(shí)體間的相似性。使用經(jīng)知識圖譜嵌入后獲取的各調(diào)試工藝路線的分布式低維向量作為各屬性的數(shù)值化表示，利用歐氏距離計(jì)算相似度，如式（3）所示。[Sim（i，j）=1-Ii-Ij22Ii-Ij22+1] （3）

式中：[Ii]和[Ij]分別代表推薦屬性向量和其他屬性向量。

對于數(shù)值類型屬性，采用基于海明距離的相似度計(jì)算方法，如式（4）所示。

式中：[max（i）]、[min（i）]分別代表該屬性[i]可取的最大值和最小值。對于符號類型屬性，當(dāng)其屬性相同時(shí)，定義相似度為1，屬性值不同時(shí)，定義相似度為0，公式如下：

式中：[Xi0]與[Xij]分別代表第i個(gè)屬性的值。將不同屬性的相似度通過加權(quán)后進(jìn)行融合，即得到全局相似度：

式中：[ωi]為第[i]個(gè)屬性的權(quán)重；[Sim（X0，Xj）]為全局相似度。

3" 實(shí)例驗(yàn)證

以某一電子產(chǎn)品為例，將此電子產(chǎn)品的屬性與知識庫中的屬性進(jìn)行相似度匹配，對本文所提方法進(jìn)行驗(yàn)證。對于該電子產(chǎn)品，其文本類型屬性值為導(dǎo)航類，數(shù)值類型屬性值分別為0.2 A、1工時(shí)、6 kHz、1工時(shí)、23 ℃、60%和0.1 MPa，符號類型屬性值為射頻信號、輸入和離散線。以下為本體推理中部分實(shí)例展示。輸入文本類型屬性值為導(dǎo)航類產(chǎn)品，推理得到與其相關(guān)的產(chǎn)品，且展示了相互之間的關(guān)系和實(shí)例，如圖6所示。

輸入數(shù)值類型屬性工時(shí)，推理得到相關(guān)工時(shí)值為0.5工時(shí)和1工時(shí)，且展示了與工時(shí)相關(guān)的產(chǎn)品名稱，如圖7所示。輸入符號類型屬性值接口信號方向，推理得到相關(guān)值輸入、輸出和輸入/輸出，且展示了各值關(guān)系，如圖8所示。其余部分值推理與上述類似，得到相關(guān)屬性后，進(jìn)行相似度計(jì)算。應(yīng)用粗糙集理論，通過屬性重要度計(jì)算出各屬性的權(quán)重值，權(quán)重值計(jì)算公式如下：

計(jì)算出權(quán)重后，將各屬性值與知識庫中的屬性值進(jìn)行相似度匹配，表2為案例屬性值與知識庫中屬性值數(shù)據(jù)。

根據(jù)公式計(jì)算出各屬性的相似度，進(jìn)行加權(quán)計(jì)算，得到全局相似度，計(jì)算結(jié)果如下：

結(jié)果顯示，根據(jù)本文提供方法，推薦了一條相似度較高的電子產(chǎn)品調(diào)試工藝路線，可以根據(jù)該調(diào)試工藝路線進(jìn)行調(diào)整，得到該電子產(chǎn)品推薦工藝路線，見表3。

4" 結(jié)" 語

本文應(yīng)用改進(jìn)的七步法建立一個(gè)電子產(chǎn)品調(diào)試工藝的本體模型。從調(diào)試工藝路線出發(fā)，將不同電子產(chǎn)品的調(diào)試步驟轉(zhuǎn)化為電子產(chǎn)品調(diào)試工藝本體知識庫中結(jié)構(gòu)化的知識，使用TranSparse模型獲取知識圖譜的全部實(shí)體和關(guān)系，并進(jìn)行低維向量表示，計(jì)算各屬性之間的相似度，加權(quán)融合后得到推薦模型，進(jìn)行各類電子產(chǎn)品調(diào)試路線的可視化推理，從而降低調(diào)試過程的成本，提高工藝執(zhí)行的效率。本文所提方法是本體技術(shù)在電子產(chǎn)品調(diào)試領(lǐng)域中一次有意義的探索。

注：本文通訊作者為熊鷹。

參考文獻(xiàn)

[1] 周陽明.基于Python語言的自動(dòng)測試系統(tǒng)通用軟件平臺實(shí)現(xiàn)[J].電子設(shè)計(jì)工程，2019，27（5）：81?85.

[2] 任俊杰，李媛.基于PLC和串口通信的壓力儀表自動(dòng)調(diào)試系統(tǒng)設(shè)計(jì)[J].制造業(yè)自動(dòng)化，2022，44（10）：88?91.

[3] 魏良，王娜，任慶武，等.軌道交通車輛的工藝流程標(biāo)準(zhǔn)化[J].城市軌道交通研究，2020，23（5）：167?170.

[4] 柏占偉，胡韶華，范奇恒，等.航天產(chǎn)品數(shù)字化工藝快速編制方法及其應(yīng)用[J].科學(xué)技術(shù)與工程，2016，16（33）：232?238.

[5] 李亞杰，何衛(wèi)平，陳金亮，等.可重構(gòu)流程模型驅(qū)動(dòng)和組件化的MES流程進(jìn)化[J].計(jì)算機(jī)集成制造系統(tǒng)，2013，19（4）：735?744.

[6] 崔祥友，唐敦兵，朱海華，等.基于本體與SWRL的工藝知識表示與語義推理[J].機(jī)械制造與自動(dòng)化，2017，46（3）：6?10.

[7] 喬立紅，朱怡心，ANWER Nabil.幾何增強(qiáng)的裝配工藝本體建模[J].機(jī)械工程學(xué)報(bào)，2015，51（22）：202?212.

[8] 呂盛坪，喬立紅，劉威.制造過程數(shù)據(jù)形式化語義建模[J].機(jī)械工程學(xué)報(bào)，2012，48（10）：184?191.

[9] 楊偉凱，王艷，紀(jì)志成.面向知識圖譜的智能生產(chǎn)系統(tǒng)工藝知識推理方法[J].系統(tǒng)仿真學(xué)報(bào)，2023，35（4）：773?785.

[10] 陳布偉，李冠宇，張俊，等.基于語義網(wǎng)規(guī)則語言的推理機(jī)制框架設(shè)計(jì)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（4）：847?849.

[11] 徐順航，楊長春，徐筱，等.面向智慧旅游的文物領(lǐng)域本體構(gòu)建及推理[J].計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（8）：2321?2326.

[12] 陳濤，劉學(xué)軍，張伯君.融合知識圖譜語義信息的推薦方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（11）：3047?3052.

[13] 王涌泉.基于三維CAPP系統(tǒng)的工藝數(shù)據(jù)應(yīng)用的研究[D].濟(jì)南：山東大學(xué)，2019.

[14] ZHOU B， BAO J S， LI J， et al. A novel knowledge graph?based optimization approach for resource allocation in discrete manufacturing workshops [J]. Robotics and computer?integrated manufacturing， 2021， 71（3）： 102160?102179.

[15] TAI J J， LI H T， DU Y F， et al. A knowledge?based automated design system for mechanical products based on a general knowledge framework [J]. Expert systems with applications， 2021： 178： 114960?114971.

[16] 周航，劉學(xué)軍，張伯君.面向多語義關(guān)系的知識圖譜表示學(xué)習(xí)方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2021，42（1）：220?225.

[17] 王姝婷，劉曉冰，周軍華，等.基于本體的復(fù)雜產(chǎn)品維修工程案例知識表示及重用方法[J].系統(tǒng)工程與電子技術(shù)，2022，44（2）：557?568.

[18] 惠欣恒，白雄文，王紅艷，等.基于知識表示增強(qiáng)的類案推薦模型[J].計(jì)算機(jī)工程與設(shè)計(jì)，2023，44（8）：2399?2407.

[19] 張旭，朱勤東.環(huán)保領(lǐng)域本體的構(gòu)建研究[J].微型機(jī)與應(yīng)用，2015，34（10）：92?95.

[20] 張文君，姚遠(yuǎn)，吳鏑，等.面向服務(wù)的RP領(lǐng)域本體構(gòu)建方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（17）：3899?3902.

[21] 劉宇松.本體構(gòu)建方法和開發(fā)工具研究[J].現(xiàn)代情報(bào)，2009，29（9）：17?24.

[22] 趙曄輝，柳林，王海龍，等.知識圖譜推薦系統(tǒng)研究綜述[J].計(jì)算機(jī)科學(xué)與探索，2023，17（4）：771?791.

[23] 徐有為，張宏軍，程愷，等.知識圖譜嵌入研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2022，58（9）：30?50.

作者簡介：肖武龍（2000—），男，四川眉山人，碩士研究生，主要研究方向?yàn)闄C(jī)器學(xué)習(xí)。

王燕君（1974—），女，山西人，碩士研究生，高級工程師，研究方向?yàn)檎{(diào)試技術(shù)、射頻通信。

肖" 勇（1987—），男，四川宜賓人，工程師，主要從事產(chǎn)品自動(dòng)測試技術(shù)的研究與應(yīng)用。

張世龍（2000—），男，河北滄州人，碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)。

代尹翹（2000—），男，湖北宜昌人，碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)。

翟雅徽（2000—），男，四川眉山人，碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)。

熊" 鷹（1974—），男，湖北武漢人，碩士研究生，講師，研究方向?yàn)橛?jì)算機(jī)視覺、機(jī)器學(xué)習(xí)。

收稿日期：2024?06?17" " " " " "修回日期：2024?08?07

基金項(xiàng)目：四川省重大科技專項(xiàng)項(xiàng)目（2022ZDZX0007）