一种工业润滑油配方数据检索方法与流程

摘要: 本发明涉及工业润滑油配方信息检索,尤其涉及一种工业润滑油配方数据检索方法。背景技术:1、工业润滑油是工业设备正常运转的关键保障,其配方设计涉及基础油选择、添加剂...
一种工业润滑油配方数据检索方法与流程

本发明涉及工业润滑油配方信息检索,尤其涉及一种工业润滑油配方数据检索方法。

背景技术:

1、工业润滑油是工业设备正常运转的关键保障,其配方设计涉及基础油选择、添加剂配伍、性能指标优化及应用场景适配等多个维度。随着工业技术的不断发展,润滑油配方数据呈爆炸式增长,传统的配方检索方法已难以满足高效、精准检索的需求。

2、现有技术中,润滑油配方数据检索主要存在以下问题:

3、第一,检索维度单一。现有检索系统大多仅支持基于配方名称、编号或简单关键词的检索,无法从成分组成、性能指标、工艺参数、应用场景等多个维度进行综合检索。用户需要分别在不同数据库中查询相关信息,检索效率低下。

4、第二,语义理解能力不足。现有系统缺乏对自然语言检索请求的深度理解能力,无法准确识别用户检索意图中的隐含需求和约束条件。例如,当用户输入“高温高压齿轮箱用抗磨润滑油”时,现有系统无法自动解析出“高温高压”对应的温度范围和压力条件,“齿轮箱”对应的设备类型,以及“抗磨”对应的具体性能指标要求。

5、第三,配方相似度计算不精确。现有相似度计算方法多采用简单的文本匹配或单一维度比较,未考虑润滑油配方在成分功能等效性、性能指标关联性、工艺参数兼容性及应用场景适配性等方面的复杂关系,导致检索结果的相关性排序不准确。

6、第四,缺乏领域专业知识支撑。现有通用检索系统未针对工业润滑油领域的专业知识进行优化,无法利用领域内的配伍规律、协同效应、拮抗效应等专业知识对检索结果进行智能扩展和推荐。

7、第五,合规性校验缺失。现有检索系统无法自动校验检索结果中的配方是否符合相关国家标准、行业标准或企业内控标准,用户需要手动核对,增加了工作负担和出错风险。

8、因此,亟需一种能够综合多维度信息、具备语义理解能力、基于领域知识图谱支撑、支持智能相似度计算和自动合规性校验的工业润滑油配方数据检索方法。

技术实现思路

1、本发明的目的在于提供一种工业润滑油配方数据检索方法,以解决现有技术中检索维度单一、语义理解能力不足、配方相似度计算不精确、缺乏领域专业知识支撑及合规性校验缺失的技术问题。

2、为了实现上述目的,本发明采用了如下技术方案:

3、一种工业润滑油配方数据检索方法,包括以下步骤:

4、s1:构建工业润滑油配方领域知识图谱;

5、s2:建立配方多维度向量表示模型,将每个润滑油配方表示为成分维度向量、性能维度向量、工艺维度向量及应用维度向量;

6、s3:接收用户检索请求,通过基于transformer架构的意图识别模型解析用户检索意图,抽取检索实体及检索约束条件;

7、s4:基于所述知识图谱对抽取的检索实体进行语义扩展,利用实体间的协同效应关系和替代关系生成扩展检索条件,构建扩展后的检索查询图;

8、s5:在配方数据库中执行多维度匹配检索,分别计算候选配方与检索条件的成分维度相似度、性能维度相似度、工艺维度相似度和应用维度相似度;

9、s6:根据检索意图对应的应用场景,动态调整各维度相似度的权重系数,综合计算各候选配方的匹配得分,所述权重系数根据应用场景下各维度的重要性通过自适应权重分配算法确定;

10、s7:基于匹配得分对检索结果进行降序排序,并自动校验排序后各配方的合规性,剔除不符合相关标准规范要求的配方,输出最终的检索结果;

11、s8:建立检索结果反馈学习机制,记录用户对检索结果的浏览行为、收藏行为、下载行为及评价信息,基于反馈学习数据,定期更新意图识别模型的参数、知识图谱中实体关系的权重及维度权重映射表,当检测到用户多次检索相似主题时,主动推送关联配方和趋势配方,所述趋势配方基于近期行业技术发展和标准更新动态生成。

12、优选地,步骤s1中所述知识图谱包含基础油实体、添加剂实体、性能指标实体、应用场景实体、标准规范实体,以及实体之间的配伍关系、协同效应关系、拮抗效应关系和替代关系。

13、优选地,步骤s2中所述成分维度向量基于配方中各组分的种类及质量百分比构建,所述性能维度向量基于配方的运动粘度、粘度指数、闪点、倾点、酸值、抗磨性能指标构建,所述工艺维度向量基于配方的制备温度、搅拌速度、调和时间、过滤精度参数构建,所述应用维度向量基于配方的适用设备类型、工作温度范围、负荷条件、转速范围参数构建。

14、优选地,步骤s1中所述构建工业润滑油配方领域知识图谱包括:

15、s11:从润滑油配方数据库、标准文献、技术手册及专利文献中抽取实体,所述实体包括基础油类型、添加剂种类、性能指标名称、应用场景类别、标准规范编号;

16、s12:定义实体间关系类型,包括:基础油与添加剂之间的配伍关系、添加剂之间的协同效应关系、添加剂之间的拮抗效应关系、性能指标与标准规范之间的限定关系、应用场景与性能指标之间的需求关系、基础油之间的替代关系;

17、s13:采用图神经网络对实体和关系进行嵌入学习,生成实体向量表示和关系向量表示;

18、s14:基于嵌入学习结果,构建包含实体节点、关系边及属性特征的知识图谱,并建立知识图谱的动态更新机制,当新增配方数据或发现新的配伍规律时,自动更新图谱中的实体关系和属性权重。

19、优选地,步骤s2中所述建立配方多维度向量表示模型包括:

20、s21:对成分维度向量进行归一化处理,将各组分质量百分比转换为相对含量向量,并引入组分功能标签,所述功能标签包括极压抗磨剂、抗氧化剂、抗腐蚀剂、消泡剂、降凝剂;

21、s22:对性能维度向量进行标准化处理,将各性能指标值映射至统一量纲空间,并引入性能等级标签,所述性能等级标签根据工业润滑油分类标准确定;

22、s23:对工艺维度向量进行离散化处理,将连续工艺参数划分为标准工艺区间,并引入工艺复杂度指数;

23、s24:对应用维度向量进行编码处理,将设备类型、工况条件转换为多维独热编码向量,并引入环境适应性标签;

24、s25:建立四个维度向量之间的关联映射矩阵,表征成分维度与性能维度、性能维度与应用维度之间的内在关联关系。

25、优选地,步骤s3中所述通过基于transformer架构的意图识别模型解析用户检索意图包括:

26、s31:对用户检索请求进行分词和词性标注,识别检索请求中的数值约束、范围约束和比较约束;

27、s32:将分词结果输入预训练的领域语言模型,所述领域语言模型在通用语料库基础上使用润滑油领域技术文献进行增量训练;

28、s33:通过多头自注意力机制捕捉检索请求中的长距离依赖关系,识别隐含检索意图;

29、s34:输出结构化检索意图表示,包括检索目标类型、核心检索实体、约束条件列表及优先级排序。

30、优选地,步骤s4中所述基于知识图谱对检索实体进行语义扩展包括:

31、s41:将抽取的检索实体映射至知识图谱中的对应节点,确定各实体在图谱中的位置及关联关系;

32、s42:对于成分类检索实体,沿配伍关系边查询具有协同效应的关联添加剂,沿替代关系边查询可替代的基础油或添加剂,生成成分扩展集合;

33、s43:对于性能类检索实体,沿需求关系边查询应用场景对性能指标的要求范围,沿限定关系边查询标准规范对性能指标的规定值,生成性能扩展区间;

34、s44:对于应用类检索实体,沿需求关系边反向查询满足该应用场景所需的性能指标组合,生成应用关联性能集合;

35、s45:将原始检索条件与扩展检索条件融合,构建扩展检索查询图,所述扩展检索查询图包含原始检索节点、扩展检索节点及节点间的逻辑关系。

36、优选地,步骤s5中所述计算候选配方与检索条件的多维度相似度包括:

37、s51:计算成分维度相似度,采用改进的余弦相似度算法,考虑组分种类重合度、组分含量偏差度及组分功能等效性,公式为:

38、

39、其中,为检索条件的成分维度向量,为候选配方的成分维度向量,为功能等效性函数,为含量偏差函数,、、为预设权重系数且;

40、s52:计算性能维度相似度,采用加权欧氏距离算法,根据各性能指标在应用场景中的重要性赋予不同权重;

41、s53:计算工艺维度相似度,采用区间匹配度算法,判断候选配方的工艺参数是否落入检索条件指定的工艺区间内;

42、s54:计算应用维度相似度,采用语义匹配度算法,基于应用维度向量的独热编码计算设备类型匹配度和工况条件兼容度。

43、优选地,步骤s6中所述根据应用场景动态调整各维度相似度的权重系数包括:

44、s61:建立应用场景-维度权重映射表,所述映射表基于历史检索日志和专家经验构建,表征不同应用场景下各维度的重要性权重;

45、s62:当检索意图明确指定应用场景时,直接从映射表中查询对应的权重系数;

46、s63:当检索意图未明确指定应用场景时,基于检索请求中的关键词和约束条件,通过分类模型推断应用场景类别,再查询对应权重系数;

47、s64:引入用户反馈机制,根据用户对检索结果的点击行为和评价信息,动态优化权重系数,实现权重系数的自适应调整;

48、s65:综合匹配得分,计算公式为:,其中、、、分别为成分、性能、工艺、应用四个维度的动态权重系数,且。

49、优选地,步骤s7中所述自动校验排序后各配方的合规性包括:

50、s71:提取检索结果中各配方对应的标准规范要求,包括国家标准、行业标准及企业内控标准;

51、s72:将配方的各性能指标实测值或预测值与标准规范中的限定值进行逐项比对;

52、s73:对于超出标准规范限定范围的配方,标记为不合规并记录不合规项;

53、s74:对于标记为不合规的配方,基于知识图谱中的替代关系推荐替代组分或调整方案,使其满足合规性要求;

54、s75:输出包含合规性标识、不合规项说明及调整建议的检索结果列表。

55、本发明还公开了一种工业润滑油配方数据检索系统,包括:

56、知识图谱构建模块,用于构建工业润滑油配方领域知识图谱;

57、向量表示模块,用于建立配方多维度向量表示模型;

58、意图识别模块,用于接收用户检索请求并解析检索意图;

59、语义扩展模块,用于基于知识图谱对检索实体进行语义扩展;

60、相似度计算模块,用于计算候选配方与检索条件的多维度相似度;

61、动态排序模块,用于根据应用场景动态调整权重并计算匹配得分;

62、合规校验模块,用于自动校验检索结果的合规性;

63、反馈学习模块,用于记录用户行为并优化系统参数。

64、本发明的有益效果为:

65、1、本发明构建了专门针对工业润滑油领域的知识图谱,包含独特的实体类型和关系类型(如配伍关系、协同效应关系、拮抗效应关系、替代关系),能够为配方检索提供深入的领域专业知识支撑,实现基于专业知识的智能语义扩展和推荐。

66、2、本发明提出了配方多维度向量表示模型,将润滑油配方从成分、性能、工艺、应用四个维度进行向量化表示,突破了传统单一维度检索的局限,实现了更全面、更精确的配方相似度计算。

67、3、本发明采用基于transformer架构的领域意图识别模型,能够深度理解用户自然语言检索请求中的隐含意图和约束条件,将非结构化的检索请求转换为结构化的检索意图表示,显著提升了语义理解能力。

68、4、本发明提出了动态权重调整机制,根据不同应用场景自动调整各维度相似度的权重系数,使检索结果更贴合实际应用需求,提高了检索结果的相关性和实用性。

69、5、本发明集成了自动合规性校验功能,能够自动比对检索结果与相关标准规范的要求,标记不合规配方并提供调整建议,降低了用户的工作负担和出错风险。

70、6、本发明建立了反馈学习机制,能够根据用户行为持续优化系统参数,实现检索效果的自我提升,具有良好的自适应性和可扩展性。