知识图谱多源反馈闭环更新方法、装置、设备及介质与流程

本技术涉及知识图谱，尤其涉及知识图谱多源反馈闭环更新方法、装置、设备及介质。

背景技术：

1、知识图谱作为结构化的语义知识库，在电力设备智能运维、工业故障诊断、智能客服等垂直领域中承担着知识表示与推理的核心角色。随着行业规程的持续更新和业务需求的动态变化，知识图谱需要快速响应知识形态的演变，持续保持与下游应用实际需求的一致性。

2、当前，知识图谱的更新维护主要依赖由运维人员根据业务经验或零星反馈，手动定位问题并人工修正；二是采用定时批量更新机制，按预设周期对知识图谱进行集中处理。然而，手动方式依赖个人经验，缺乏系统性；定时更新方式则只能在固定节点触发，无法对下游应用中暴露的突发性知识缺陷作出及时响应。下游应用的实际反馈与知识图谱的更新动作之间缺少有效衔接，导致知识缺陷难以被及时发现和精准修复。

3、因此，如何利用下游应用产生的多源反馈数据驱动知识图谱进行错误排查并进行更新，是本领域亟待解决的技术问题。

技术实现思路

1、本技术的主要目的在于提供一种知识图谱多源反馈闭环更新方法、装置、设备及介质，旨在解决现有技术中如何利用下游应用产生的多源反馈数据驱动知识图谱进行错误排查并进行更新的技术问题。

2、为实现上述目的，本技术提供了一种知识图谱多源反馈闭环更新方法，该方法包括以下步骤：获取下游应用与目标知识图谱进行交互时产生的多源反馈数据；将多源反馈数据按照预设的数据模版进行结构化处理，得到结构化反馈数据；基于结构化反馈数据，利用预设的缺陷匹配规则对结构化反馈数据进行缺陷的初步诊断，并将未被缺陷匹配规则命中的结构化反馈数据输入至异常检测模型进行缺陷的深层诊断，根据初步诊断结果和深层诊断结果得到知识缺陷事件；根据知识缺陷事件，生成知识图谱修复工单；对知识更新工单进行复核，并根据复核后的知识更新工单生成知识图谱的更新操作内容；根据更新操作内容对目标知识图谱进行修复更新，得到更新完成的知识图谱。

3、可选地，上述基于结构化反馈数据，采用规则匹配与机器学习模型互补的方式进行缺陷诊断，得到知识缺陷事件，包括：根据预设的缺陷匹配规则对结构化反馈数据进行匹配，基于匹配结果确定目标知识图谱的第一类缺陷事件，其中，预设的缺陷匹配规则用于根据结构化反馈数据中的统计指标筛选典型缺陷；将未被预设的缺陷匹配规则命中的结构化反馈数据输入至异常检测模型进行识别，根据异常检测模型的输出结果确定目标知识图谱的第二类缺陷事件，其中，异常检测模型用于提取多维度特征以识别潜在缺陷；汇总第一类缺陷事件和第二类缺陷事件，得到知识缺陷事件。

4、可选地，上述根据预设的缺陷匹配规则对结构化反馈数据进行匹配，基于匹配结果确定目标知识图谱的第一类缺陷事件，包括：根据结构化反馈数据中携带的知识点标识以及量化表现指标，统计目标知识图谱中结构化反馈数据对应知识点的交互结果表现数据；当交互结果表现数据反映的准确度低于第一质量阈值时，判定目标知识图谱中对应知识点存在知识内容偏差缺陷；根据结构化反馈数据中携带的知识点标识及满意度关联字段，统计目标知识图谱中结构化反馈数据对应知识点的查询结果质量分数；当查询结果质量分数低于第二质量阈值的发生频次达到预设频次阈值时，判定目标知识图谱中对应知识点存在知识覆盖缺失缺陷；将目标知识图谱中存在知识内容偏差缺陷的知识点，以及存在知识覆盖缺失缺陷的知识点进行汇总，得到第一类缺陷事件。

5、可选地，上述将未被预设的缺陷匹配规则命中的结构化反馈数据输入至异常检测模型进行识别，根据异常检测模型的输出结果确定目标知识图谱的第二类缺陷事件，包括：根据未被规则匹配的结构化反馈数据，提取多维度特征，多维度特征至少包括反馈的行为统计特征和目标知识图谱中关联节点的结构特征；将多维度特征输入至异常检测模型，得到目标知识图谱存在缺陷的置信度，以及各个预设缺陷类型下的概率分布；当置信度超过预设模型阈值时，以未被预设的缺陷匹配规则命中的反馈数据对应的知识点标识确定缺陷知识定位，以概率分布中概率最大的缺陷类型作为实际缺陷类型；根据实际缺陷类型、对应的缺陷置信度、缺陷知识定位，以及未被预设的缺陷匹配规则命中的反馈数据对应的原始交互记录，确定第二类缺陷事件。

6、可选地，上述将未被规则匹配的反馈数据输入至异常检测模型进行识别，确定目标知识图谱的第二类缺陷事件，包括：根据未被规则匹配的反馈数据，提取多维度特征，多维度特征至少包括反馈的行为统计特征和目标知识图谱中关联节点的结构特征；将多维度特征输入至异常检测模型，得到目标知识图谱存在缺陷的置信度，以及各个预设缺陷类型下的概率分布；当置信度超过预设模型阈值时，以未被规则匹配的反馈数据对应的知识点标识确定缺陷知识定位，以概率分布中概率最大的缺陷类型作为实际缺陷类型；根据实际缺陷类型以及对应的缺陷置信度，确定第二类缺陷事件。

7、可选地，上述根据知识缺陷事件，生成知识图谱修复工单，包括：根据知识缺陷事件中的缺陷知识定位，从目标知识图谱中确定关联图谱节点；根据知识缺陷事件中的缺陷类型，从预设的修复策略库中匹配对应的建议操作类型和候选更新内容；根据知识缺陷事件携带的触发来源信息，确定知识图谱修复工单的触发来源字段；将触发来源字段、缺陷类型对应的问题描述、关联图谱节点、缺陷类型、建议操作类型以及候选更新内容封装为结构化工单数据，得到知识图谱修复工单。

8、可选地，上述根据复核后的知识更新工单生成知识图谱的更新操作内容，包括：根据复核后的知识更新工单中携带的缺陷知识定位和修复处理建议，确定目标知识图谱中待更新的实体节点或关系边；根据修复处理建议中指示的修复操作类型，生成对应的图谱原子操作指令，图谱原子操作指令的类型包括实体属性值修改、关系边增删或三元组替换；将图谱原子操作指令封装为目标知识图谱可执行的更新操作内容。

9、可选地，上述知识图谱多源反馈闭环更新方法，还包括：根据触发知识缺陷事件产生的反馈数据，提取反馈数据对应的交互问题，构建测试问题集；将访问目标知识图谱的用户划分为对照组和实验组，对照组使用更新前的知识图谱，实验组使用更新完成的知识图谱；在预设测试周期内，分别获取对照组和实验组针对测试问题集的表现指标；当实验组的表现指标优于对照组且满足预设提升条件时，判定更新完成的知识图谱通过验证；当实验组的表现指标未满足预设提升条件时，判定更新完成的知识图谱未通过验证，并将目标知识图谱回滚至更新前的版本。

10、此外，为实现上述目的，本技术实施例还提出一种知识图谱多源反馈闭环更新装置，该装置包括：数据采集模块、数据预处理模块、缺陷诊断模块和图谱修复模块。具体的，

11、数据采集模块，用于获取下游应用与目标知识图谱进行交互时产生的多源反馈数据；

12、数据预处理模块，用于将反馈数据获取模块输出的多源反馈数据，按照预设的数据模板进行结构化处理，得到结构化反馈数据；

13、缺陷诊断模块，用于基于结构化反馈数据，利用预设的缺陷匹配规则对结构化反馈数据进行缺陷的初步诊断，并将未被缺陷匹配规则命中的结构化反馈数据输入至异常检测模型进行缺陷的深层诊断，根据初步诊断结果和深层诊断结果得到知识缺陷事件；

14、图谱修复模块，用于根据缺陷诊断模块输出的知识缺陷事件，生成知识图谱修复工单；以及对工单生成模块输出的知识更新工单进行复核，并根据复核后的知识更新工单生成知识图谱的更新操作内容；以及根据工单复核模块输出的更新操作内容，对目标知识图谱进行修复更新，得到更新完成的知识图谱。

15、此外，为实现上述目的，本技术还提出一种知识图谱多源反馈闭环更新设备，知识图谱多源反馈闭环更新设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的知识图谱多源反馈闭环更新程序，知识图谱多源反馈闭环更新程序配置为实现如上文的知识图谱多源反馈闭环更新方法的步骤。

16、此外，为实现上述目的，本技术还提出一种存储介质，存储介质上存储有知识图谱多源反馈闭环更新程序，知识图谱多源反馈闭环更新程序被处理器执行时实现如上文的知识图谱多源反馈闭环更新方法的步骤。

17、本技术提出的一个或多个技术方案，至少具有以下技术效果：通过获取下游应用交互产生的多源反馈数据，使更新触发信号直接来源于实际应用场景，克服了更新需求发现滞后的问题。通过对多源反馈数据进行结构化处理，将异构数据转换为标准结构，避免了因格式差异导致的诊断盲区。采用规则匹配与机器学习模型互补的方式进行缺陷诊断，实现了对典型缺陷的快速捕获与隐蔽缺陷的深度识别，降低了漏检风险。根据知识缺陷事件生成修复工单，将诊断结果转化为结构化修复任务，减少了人工梳理定位的工作量。对工单进行复核并生成更新操作内容，在自动化处理基础上引入人工把关，避免了错误更新。根据更新操作内容执行修复更新，使知识缺陷得以有序闭环修复，保障了知识图谱与下游应用需求的一致性。