TCI 974-2025 制造業(yè)產品的全生命周期數據知識推理技術規(guī)范_第1頁
TCI 974-2025 制造業(yè)產品的全生命周期數據知識推理技術規(guī)范_第2頁
TCI 974-2025 制造業(yè)產品的全生命周期數據知識推理技術規(guī)范_第3頁
TCI 974-2025 制造業(yè)產品的全生命周期數據知識推理技術規(guī)范_第4頁
TCI 974-2025 制造業(yè)產品的全生命周期數據知識推理技術規(guī)范_第5頁
已閱讀5頁,還剩6頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

ICS35.240.50CCS

J07團 體 標 準T/CI974—2025制造業(yè)產品的全生命周期數據知識推理技術規(guī)范Fulllifecycledataknowledgereasoningtechnicalspecificationsformanufacturingproducts2025-04-21發(fā)布 2025-04-21實施中國國際科技促進會 發(fā)布T/CI974—2025T/CI974—2025II目 次前言 II112范引文件 13語定義 14識取整和示 2整架構 2數接層 2數清層 2知整與征層 2知推層 3應層 35法建求 3數采集 3數清和處理 3整不來的據 3知表以知譜的建 3知推理 4評指標 46用景 5故溯源 5供鏈控 6決輔助 6T/CI974—2025T/CI974—2025IIII前 言本文件按照GB/T1.1—2020《標準化工作導則第1部分:標準化文件的結構和起草規(guī)則》的規(guī)定起草。本文件由中國國際科技促進會歸口。(本文件主要起草人:宋軒、來曉、馮德帆、謝洪彬、張家祺、趙家興、雷裕珍、劉雙雪、黃天律、王慶領、張靜遠、李佳奇、范子沛、袁飛、王澤愷、楊華民、張浩然、張凌宇、張昕、宋小龍、劉妍、周時瑩、李長龍、高仕寧、孔祥明、孫宗姚、陳欣、陳瑤、王為、田博。T/CI974—2025T/CI974—2025PAGEPAGE1制造業(yè)產品的全生命周期數據知識推理技術規(guī)范本文件沒有規(guī)范性引用文件。下列術語和定義適用于本文件。實體entity關系relationship用于連接實體之間關聯、描述或者表達相互之間關系的概念,其說明兩個或多個實體之間的聯系、依賴、關聯或者其他形式的連接方式。這些關系可以是有向的或無向的,具有不同的語義含義和屬性。三元組triple(h,r,t)htr關知識圖譜knowledgegraph知識推理knowledgereasoning)或),頭()整體架構標準制造業(yè)產品的全生命周期數據知識推理技術從數據接入開始,對于數據進行預處理以及格式圖1 知識理術架圖數據接入層數據清洗層知識整合與表征層基于用戶的需求構建所需要的應用,其中包括但不限于故障溯、供應鏈調控、決策輔助等。——半結構化數據:具有某種程度上的結構,但不符合傳統(tǒng)的表格形式。傳感器數據,日志文件等屬于半結構化數據,這部分數據需要手動建立數據的提取規(guī)則。——非結構化數據:非結構化數據是指沒有固定格式和明確結構的數據,以自然語言、圖像、音頻或視頻的形式存在。視頻監(jiān)控錄像、文本文件、音頻文件等屬于非結構化數據。這部分數據需要借助文本分析,語音識別等技術進行處理。新采集的數據并不能直接投入應用,應經過數據的清洗和預處理環(huán)節(jié),提高知識圖譜構建準確度。主要的步驟包括以下步驟:響;cd源自不同部門以及系統(tǒng)的數據應使用整合算法進行處理,主要包括以下三種:——實體消歧:借助語義向量的相似性以及聚類結果判斷兩個實體的語義是否一致,融合不同表征的相同實體;——構建區(qū)塊鏈存儲數據:采用去中心化不可篡改的區(qū)塊鏈技術存儲全部的數據,確保數據的安全性以及可追溯性;——聯邦學習:在無法提供數據的前提下,多個企業(yè)共同訓練一個神經網絡,共享模型的更新情況,無需將數據統(tǒng)一上傳。知識推理——基于規(guī)則的知識推理:人為的設定規(guī)則,依據匹配到的規(guī)則自動生成新的知識。規(guī)則需要手動維護,適用于精度要求較高的簡單場景中?!谶壿嫷闹R推理:考慮常用的謂語邏輯詞,將現有的數據轉換為邏輯表達式,并自動計算多個邏輯表達式合并后的新知識。但是計算復雜度較高,適用于非結構化的文本數據較多的場景?!S機游走:模擬在知識圖譜中隨機游走,依據生成的路徑探索其中節(jié)點的隱含關系。算法存在一定的隨機性,適用于數據量較小的知識圖譜數據集中使用?!硎緦W習:將知識表示為向量的形式,通過向量之間的距離以及相似度實現新知識的推理。適用于大規(guī)模的文本,圖像等非結構化數據。——圖卷積神經網絡:將知識圖譜的節(jié)點和邊轉化為向量或矩陣的形式,對節(jié)點及其相鄰節(jié)點的特征進行聚合和更新,以獲取節(jié)點的表示。方法能夠快速的處理復雜的圖結構數據,并且獲得較高的推理準確率?!獜娀瘜W習:知識推理將被抽象成為在圖上的尋路過程,強化學習訓練智能體來實現自動的尋找知識圖譜中尋路過程的最佳動作選擇策略。該方法主要適用場景為數據變化較大的場景,最終獲得的推理模型能夠有較強的適應性。(MeanRank)????=1∑|??|

????????……………(1) ??——三元組集合;|??|——三元組集合個數。

|??|

??=1 ??????????????????????(MeanReciprocalRanking)????=1∑|??|

1 ……………(2) ??——三元組集合;|??|——三元組集合個數。

|??|

??=1??????????????????????????????5.6.3 ??位命中率

????????@??=1∑|??|

????????……………(3)式中:

|??|

??=1 ??????????@??——在前??個返回的結果中的命中率。??????????代表第??次推理前??個將結果是否命中,若命中??????????=1,反之??????????=0,??的取值為1,3,10,該指標越大越好,適用于一對一關系的推理過程。5.6.4 ??(????????????@??)????????????@??=1∑|??|

……………(4)式中:

|??|

??=1????????????????num????????????@??——在前??個返回的結果中的召回率;??????????????????——第??次推理返回的前??個結果中正樣本的數量;????????????????num——正樣本的總數。通常??的取值為1,3,10,該指標越大越好,代表所有準確的條目有多少被檢索出來。5.6.5 ??(??????????????????@??)??????????????????@??=1∑|??|??????????????????……………(5)式中:

|??|

??=1 ????????????????????@??——在前??個返回的結果中的準確率;

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論