工艺知识的智能检索方法及装置、电子设备、存储介质与流程
本技术涉及智能制造,特别涉及一种工艺知识的智能检索方法及装置、电子设备、计算机可读存储介质、计算机程序产品。
背景技术:
1、在服装制造行业中,缝纫机的正确参数设置(如机针型号、线张力、送布牙高度、针距、转速等)对成品质量至关重要。当前,行业普遍面临以下技术问题:
2、工艺参数配置高度依赖人工经验:缝纫参数配置主要依赖老师傅的个人经验。新人需要经历漫长的跟师学习周期才能独立完成参数设置,且不同操作工之间的工艺一致性差,参数调整缺乏标准化依据。当出现“起皱”“跳线”“断针”等问题时,操作人员往往通过试错方式调整参数,效率低下且易引入新问题。
3、工艺知识分散,缺乏结构化沉淀:缝纫工艺参数和相关知识散落在设备手册、pdf文档、历史工艺单以及老师傅的口头传授中,缺乏统一、结构化的知识库管理。
4、通用ai助手不适用于专业工业场景:现有大语言模型虽能回答通用问题,但缺乏对缝纫领域专业参数的系统性理解,无法提供准确、可执行的参数建议。传统rag(检索增强生成)系统多面向通用文本问答,未针对高结构化工业参数(如数值型、枚举型字段)进行优化,检索精度不足。
技术实现思路
1、本技术提供工艺知识的智能检索方法及装置、电子设备、存储介质,用以实现高精度、可执行的缝纫参数推荐。
2、第一方面,本技术实施例提供了一种工艺知识的智能检索方法,包括:
3、将用户提问内容转换为提问向量;
4、在已构建的工艺知识库中,查询与所述提问向量语义相似度最高的多个相似知识单元;
5、在所述用户提问内容中进行面料实体信息抽取,若获取到面料实体信息,从所述多个相似知识单元中提取与所述面料实体信息匹配的多个候选知识单元;
6、将所述用户提问内容与所述多个候选知识单元进行关键词匹配,得到每个候选知识单元对应的关键词匹配度;
7、根据每个候选知识单元对应的关键词匹配度和语义相似度,从所述多个候选知识单元中筛选出目标知识单元。
8、在一实施例中,在已构建的工艺知识库中,查询与所述提问向量语义相似度最高的多个相似知识单元之前,所述方法还包括:
9、构建包含多个知识单元的工艺知识库,每个知识单元包括指定品类和指定子类面料的结构化工艺知识以及工艺语义向量。
10、在一实施例中,所述结构化工艺知识包括文本文档字段;所述构建包含多个知识单元的工艺知识库,包括:
11、对所述文本文档字段进行向量化,生成所述工艺语义向量。
12、在一实施例中,所述结构化工艺知识还包括结构化工艺参数,所述构建包含多个知识单元的工艺知识库,包括:
13、基于预定义正则模板与领域规则,对输入的非结构化文本进行分层解析,得到结构化工艺参数;
14、将所述结构化工艺参数、工艺约束规则、参数耦合关系及设备适配性声明输入大语言模型,生成工艺指导内容,将所述工艺指导内容作为所述文本文档字段。
15、在一实施例中,所述基于预定义正则模板与领域规则,对输入的非结构化文本进行分层解析,得到结构化工艺参数包括:
16、提取所述非结构化文本中冒号前缀的复合关键词,并根据预设分隔符,将所述复合关键词拆分为品类字段和子类字段;
17、采用命名实体识别规则从所述非结构化文本中提取厚度信息,并根据预置的厚度-模式映射表,确定面料模式分类字段;
18、将所述非结构化文本中的工艺参数转换为结构化键值对形式,并对单位进行统一标准化。
19、在一实施例中,所述基于预定义正则模板与领域规则,对输入的非结构化文本进行分层解析,得到结构化工艺参数,还包括:
20、若存在部分字段缺失,根据工艺约束规则,进行缺失字段的填补。
21、在一实施例中,所述若存在部分字段缺失,根据工艺约束规则,进行缺失字段的填补,包括:
22、若所述非结构化文本中缺失面料模式分类字段,根据子类字段确定对应的面料模式分类字段;
23、若所述非结构化文本中缺失针板型号字段,根据所述面料模式分类字段和已确定的机针型号字段,确定针板型号字段。
24、在一实施例中,在所述用户提问内容中进行面料实体信息抽取,包括:
25、从所述用户提问内容中进行品类标识和子类标识的提取;
26、若所述子类标识缺失,将预设的指定标识作为子类标识;
27、若所述用户提问内容中不包含品类标识和子类标识,但包含所述品类标识的同义词和/或所述子类标识的同义词,根据同义词映射规则,确定所述用户提问内容包含的品类标识和/或子类标识。
28、在一实施例中,在所述将用户提问内容转换为提问向量之前,所述方法还包括:
29、对所述用户提问内容进行意图分类,得到意图分类结果;
30、若所述意图分类结果指示参数查询类意图,触发知识检索任务。
31、若所述意图分类结果指示故障诊断类意图,触发故障诊断任务。
32、在一实施例中,在所述将用户提问内容转换为提问向量之前,所述方法还包括:
33、采用滑动窗口机制,提取最近多轮对话内容;
34、当所述多轮对话内容长度大于阈值时,将所述多轮对话内容压缩为摘要。
35、在一实施例中,在所述从所述多个候选知识单元中筛选出目标知识单元之后,所述方法还包括:
36、对检索到的所述目标知识单元,按缝纫机控制面板字段格式化输出。
37、第二方面,本技术实施例还提供了一种工艺知识的智能检索装置,包括:
38、向量转换模块,用于将用户提问内容转换为提问向量;
39、单元查询模块,用于在已构建的工艺知识库中,查询与所述提问向量语义相似度最高的多个相似知识单元;
40、单元匹配模块,用于在所述用户提问内容中进行面料实体信息抽取,若获取到面料实体信息,从所述多个相似知识单元中提取与所述面料实体信息匹配的多个候选知识单元;
41、匹配度计算模块,用于将所述用户提问内容与所述多个候选知识单元进行关键词匹配,得到每个候选知识单元对应的关键词匹配度;
42、目标筛选模块,用于根据每个候选知识单元对应的关键词匹配度和语义相似度,从所述多个候选知识单元中筛选出目标知识单元。
43、第三方面,本技术实施例还提供了一种电子设备,包括:
44、存储器,用于存储计算机可执行指令;
45、处理器,用于执行所述存储器中存储的计算机可执行指令时,实现上述工艺知识的智能检索方法。
46、第四方面,本技术实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,实现上述工艺知识的智能检索方法。
47、第五方面,本技术实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机可执行指令,所述计算机可执行指令存储在计算机可读存储介质中;
48、其中,电子设备的处理器从所述计算机可读存储介质中读取所述计算机可执行指令,并执行所述计算机可执行指令时,实现上述工艺知识的智能检索方法。
49、本技术实施例提供的技术方案,通过事先构建的工艺知识库,查询用户提问内容对应的目标知识单元,使新员工无需长期跟师学习即可获得准确、可执行的参数配置建议,显著缩短培训周期并降低操作失误率。在目标知识单元的查询过程中,通过先进行语义匹配,然后进行面料实体信息过滤,再进行关键词匹配度和语义匹配度的融合筛选,确保召回结果既语义相关又严格限定于目标工艺场景,避免了传统rag系统因泛化过度导致的推荐偏差。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com