首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于焦点损失函数的知识图谱实体识别故障诊断分析方法 

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!

申请/专利权人:金川集团镍钴有限公司

摘要:本发明提出了一种基于焦点损失函数的矿井提升机故障诊断方法。该方法通过融合焦点损失函数和专业词典将模型的注意力集中在关键的故障样本上,提高对故障样本的识别准确率,即在条件随机场(层融入焦点损失函数,引入平衡因子与调制系数改进交叉熵损失,减少负类样本和易分类样本的权重,缓解数据样本分布不平衡问题在实体识别中造成的影响。采用词汇集合匹配方法构建了矿井提升机领域词典,在BERT(BidirectionalEncoderRepresentationsfromTransformers)底层中融入了词向量这有助于确定词边界,从而取得更好的实体识别效果,进一步提高模型识别效果。

主权项:1.一种基于焦点损失函数的知识图谱实体识别故障诊断分析方法,其特征在于:步骤1:数据预处理;首先通过人工收集矿井提升机领域专业词汇形成初始领域词典,然后为该词典中专业词汇的每个字符建立词典,同时进行向量化处理,之后根据词典自动为每个字符匹配出潜在词汇,形成字词对输入到模型进行训练;步骤2:在实体识别模型中引入焦点损失函数;条件随机场是一种基于概率图模型的无监督学习方法,件随机场的核心思想是将输入序列作为条件随机场的观测序列,将标注序列作为隐状态序列,然后基于这些序列构建联合概率分布对序列进行标注,条件随机场考虑了相邻标记之间的关系,可以更好地捕捉标记之间的依赖关系,校对标签间的关联性,降低错误标签的输出概率,得到全局最优的标签序列;步骤3:构建矿井提升机领域词典;所述构建矿井提升机领域词典包括构建字词对序列模块和词典适配器模块;步骤4:故障诊断实现;实验采用精确率(P,precision)、召回率(R,recall)和F1分数(F1-score)作为评估模型性能的指标,并选取F1作为综合性指标对模型性能进行评价: 式中TP表示成功识别到的正确实体个数,FN表示未成功识别到的正确实体个数,FP表示非实体的个数。

全文数据:

权利要求:

百度查询: 金川集团镍钴有限公司 一种基于焦点损失函数的知识图谱实体识别故障诊断分析方法

免责声明
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。