基于超关系的露天矿穿孔爆破知识图谱构建与决策方法
本发明属于智慧矿山知识工程,具体涉及一种基于超关系的露天矿穿孔爆破知识图谱构建与决策方法。
背景技术:
1、煤炭是我国的主体能源,露天开采对煤炭资源高效利用与能源稳定供应具有重要作用。爆破是露天矿生产作业的关键环节,穿孔、装药、填塞等工序的作业质量,直接决定爆破效果,同时影响后续采装、运输工序的作业效率。随着智慧矿山建设持续推进,传统依靠人工经验、依托分散资料完成爆破设计的作业模式,已无法适配复杂工况下的知识组织、参数优化以及智能决策的实际需求。
2、露天矿穿孔爆破相关知识分散在爆破安全规程、专业教材、研究报告以及各类专业文献之中,存在知识来源繁杂、专业术语密集、表达形式不统一、知识关联关系复杂的特点。传统数据库仅可实现结构化数据的存储与检索,无法充分表征穿孔、装药、填塞各工序之间的语义关联,也难以描述各工序与空间环境、规程规范、现场工况之间的复合逻辑约束,易引发安全隐患与效率损耗。
3、知识图谱作为复杂领域知识组织与智能推理的重要技术,近些年在工业智能化领域得到大量应用。现有矿业领域知识图谱已经在冲击地压防治、边坡安全管控、设备运维、爆破安全管理等场景落地;针对露天矿穿孔爆破方向,现有技术能够对穿爆实体、业务关联关系、工程信息做结构化表达,实现安全知识检索、智能问答以及简单辅助决策功能。但现有方案大多侧重工程信息关联、安全知识整理以及业务查询类应用,对爆破设计过程中多因素耦合关系、多约束条件及复杂决策语义的表达能力不足,难以支撑复杂工况条件下的智能爆破设计与知识推理。
4、产生上述技术短板的原因在于,露天矿穿孔爆破涉及地质条件、台阶结构、设备性能、钻孔参数、炸药性能等多重影响因素,爆破设计属于多约束条件下的复杂决策任务;同时,钻孔、装药、填塞、连线各工序之间存在时空关联与动态依赖关系,形成由实体关系、约束条件、规则依据等共同作用的复杂语义结构。常规三元组架构的知识图谱难以表达上述多维约束关系和复杂语义,制约了复杂工况下的知识推理与智能决策效果。因此,现有技术尚缺少一种能够对露天矿穿孔爆破中的多维约束关系和复杂语义进行有效组织与推理的知识表示及决策方法。
技术实现思路
1、针对上述现有技术存在的问题,本发明提供一种基于超关系的露天矿穿孔爆破知识图谱构建与决策方法,该方法显著提高了露天矿穿孔爆破复杂工况的知识组织能力、知识表达完整性、知识一致性与决策过程的可追溯性,为复杂工况下的智能爆破设计与知识推理提供了有效支撑。
2、为了实现上述目的,本发明提供一种基于超关系的露天矿穿孔爆破知识图谱构建与决策方法,包括以下步骤:
3、步骤1:多源数据采集与文本预处理;采集露天矿穿孔爆破领域的多源权威文本,经版式解析、文本净化、句式筛选和来源关联,形成适合实体识别与关系抽取的结构化语料库,为后续知识抽取提供数据基础;
4、步骤2:穿爆领域本体及关系模式构建;采用自顶向下与自底向上相结合的混合构建策略,建立三层穿爆领域本体框架,围绕作业流程推进、空间承载、对象作用和异常事件影响构建四类关系模式,并限定实体类别与关系类别之间的允许对应关系;
5、步骤3:穿爆知识主三元组抽取;依据穿爆领域本体及关系模式,对结构化语料库进行实体识别和关系抽取;先通过语义编码层与条件随机场层构成的实体识别模型识别工序、设备、材料、空间对象及工况事件实体;再依据关系模式约束生成候选实体对,通过实体标记与关系分类模型抽取基础关系,最终形成头实体-基础关系-尾实体形式的主三元组,并关联来源信息;
6、步骤4:穿爆知识超关系提取;将主三元组与待提取的超关系类型组合,利用预设查询模板构造查询,通过基于片段抽取的机器阅读理解模型从上下文语段中抽取答案片段,解码为空间约束、环境前置、专家规则映射和参数动态建议四类修饰语,并挂载于主三元组的基础关系上形成超关系事实;
7、步骤5:知识融合与图谱构建;对不同候选语段中抽取的主三元组和超关系事实进行实体对齐与冲突消解:对存在名称差异或实体歧义的实体进行语义消歧和统一表示;对不同来源中存在冲突的知识依据来源优先级进行判断和可信度更新;对不存在名称差异、实体歧义或内容冲突的知识单元直接进行拼接和归并;将融合后的主三元组和超关系事实写入图数据库,构建露天矿穿孔爆破超关系知识图谱;
8、步骤6:现场工况关联推理与决策输出;获取露天矿穿孔爆破现场工况信息,将其映射为超关系知识图谱中的标准实体,沿四类关系进行关联检索,匹配空间约束和环境前置筛选适用知识单元,最终输出孔网参数、装药填塞方案或异常工况处置建议,并输出相应的规则依据及来源信息。
9、作为一种优选,在步骤1中,多源数据采集与文本预处理过程如下:
10、s11:多源文本采集;采集露天矿穿孔爆破领域的强制性标准文件、权威教材、研究报告和专业文献,形成多源文本数据集;
11、s12:版式解析与文本净化;对采集的多源文本进行版式解析和文本净化,去除目录、参考文献列表、图表标题及其他非正文内容,并按照自然段和完整语句对正文进行切分;
12、s13:候选语句筛选;基于穿孔爆破领域词典和句式模板设置文本筛选规则,保留包含规范性表达的强制性条款,保留包含因果关系或组成关系的陈述语句,保留完整描述参数取值、条件约束或机理过程的语句或段落,剔除纯公式推导、一般性背景介绍及与露天矿穿孔爆破无关的章节或语段;根据上述规则从多源文本中获得候选语句或段落;
13、s14:来源信息关联;对每一候选语句或段落关联对应的来源信息,来源信息包括文件名称和文件类别;所关联的来源信息用于后续知识融合过程中实体歧义或知识冲突的判断以及最终决策结果的规则追溯,形成穿孔爆破领域结构化语料库。
14、作为一种优选,在步骤2中,穿爆领域本体及关系模式构建的过程如下:
15、s21:混合构建策略;采用自顶向下与自底向上相结合的混合构建策略;通过自顶向下部分确定本体的基本范畴、分类边界与主干结构,保证模式层具有统一性和稳定性;通过自底向上部分结合规程文本、教材知识、研究文献及专家经验对具体概念和关系进行补充,使本体贴合露天矿穿孔爆破场景的真实工况;
16、s22:三层本体框架构建;
17、穿爆领域本体采用如下三层本体框架:
18、第一层为顶层概念层,包括发生体和延续体,发生体用于表示随时间展开的作业过程和事件,延续体用于表示在一定时间范围内持续存在的空间、材料、设备和执行主体;
19、第二层为领域过渡层,包括处于同一层级的作业工序、关键事件和独立延续体,其中作业工序和关键事件属于发生体,独立延续体属于延续体;
20、第三层为业务实体层,包括与作业工序、关键事件和独立延续体分别对应的具体领域对象:
21、s23:四类关系模式构建;围绕穿孔爆破作业流程推进、空间对象承载、对象作用以及异常事件影响,构建四类关系模式;
22、第一类为时序推进关系,表示不同作业工序之间的先后衔接关系;
23、第二类为空间承载关系,表示作业工序、关键事件与三维空间拓扑之间的空间关联;
24、第三类为作用与消耗关系,表示执行主体与装备对作业工序的执行作用以及作业工序对物理实体与材料的消耗作用;
25、第四类为扰动关系,表示地质异常事件、设备故障事件对作业工序的干扰作用;
26、s24:实体类别集合与关系类别集合限定;根据三层本体框架建立实体类别集合,根据四类关系模式建立关系类别集合,并限定不同实体类别之间允许建立的关系类型。
27、作为一种优选,在s22中,作业工序包括穿孔工序、装药工序、填塞工序、连线工序、起爆工序和爆后检查工序;关键事件包括地质异常事件和设备故障事件;独立延续体包括三维空间拓扑、物理实体与材料以及执行主体与装备,其中三维空间拓扑包括台阶、爆区、掌子面、岩层和炮孔等空间对象,物理实体与材料包括炸药、填塞材料和起爆器材等对象,执行主体与装备包括爆破员、安全员、钻机和装药设备。
28、作为一种优选,在步骤3中,穿爆知识主三元组抽取的过程如下:
29、s31:实体识别模型构建;采用由语义编码层和条件随机场层构成的实体识别模型;语义编码层用于提取候选语句中各字符的上下文语义特征,条件随机场层用于学习相邻实体标签之间的转移约束,避免产生不符合bio标注规则的标签组合;
30、设输入文本序列为,其中表示输入文本序列中的第个字符,表示输入文本序列的长度;将输入文本序列输入语义编码层,得到各字符对应的上下文隐层表示,其中表示第个字符对应的上下文隐层向量表示;将上下文隐层向量输入全连接层,映射为实体标签空间中的发射得分,其中为可学习权重矩阵,为偏置项,表示第个字符在各实体标签上的发射得分;
31、s32:标签序列全局约束;实体识别任务采用bio标注方式;同时引入条件随机场层对标签转移关系进行全局约束;对于给定输入序列和预测标签序列,条件随机场层定义序列整体得分如下:
32、
33、式中,表示第个字符被标注为标签的发射得分,表示标签转移到标签的转移得分,为条件随机场层学习得到的标签转移矩阵,和为序列起始与终止位置的特殊标签;
34、模型训练阶段通过最大化正确标签序列的条件概率进行参数优化,条件概率定义如下:
35、
36、式中,表示输入序列的所有可能标签序列集合;
37、模型解码时采用维特比算法获得整体得分最高的合法标签序列;
38、s33:全词掩码预训练;语义编码层采用全词掩码方式进行预训练,使由多个字符构成的工程术语在掩码和编码过程中保持完整语义,提高作业工序、装备、材料和空间对象等专业实体的边界识别能力;
39、s34:候选实体对生成;完成实体识别后,根据步骤2建立的关系模式对识别出的实体进行配对,生成候选实体对,对不符合关系模式约束的实体类型组合予以排除;
40、s35:关系抽取;采用基于实体标记的关系抽取模型,在输入文本中分别使用第一实体标记符和第二实体标记符标记候选实体对中的头实体与尾实体,使语义编码层能够显式定位待判断的两个实体;
41、采用实体起始标记位置对应的隐层向量作为实体语义表示,提取头实体与尾实体的语义表示并进行向量拼接,其中为头实体起始标记位置对应的隐层向量,为尾实体起始标记位置对应的隐层向量,表示向量拼接,为实体对关系表示向量;
42、将关系表示输入全连接层与softmax分类器实现关系类别预测,如下式所示:
43、
44、式中,为关系分类权重矩阵,为偏置项,为给定输入时关系类别的预测概率;
45、模型训练采用交叉熵损失函数,其中为第个样本的真实关系标签,为模型对第个样本的预测概率;
46、s36:主三元组形成与来源关联;根据预测概率确定候选实体对之间的基础关系,按照头实体-基础关系-尾实体的形式形成主三元组;将获得的主三元组与其对应的候选语段及来源信息建立关联,作为后续构造查询问题和提取超关系修饰语的基础。
47、作为一种优选,在步骤4中,穿爆知识超关系提取的过程如下:
48、s41:查询问题构建;
49、将主三元组与待提取的超关系类型组合,根据预设查询模板构造自然语言查询问题;
50、针对头实体-基础关系-尾实体形式的主三元组,分别构造如下查询问题:提取空间约束修饰语时,构造询问该基础关系在何种空间位置或空间范围内成立的查询问题;提取环境前置修饰语时,构造询问该基础关系成立需要满足何种现场条件或对象状态的查询问题;提取专家规则映射时,构造询问该基础关系对应何种规范要求、技术规则或工程依据的查询问题;提取参数动态建议时,构造询问在特定条件下应采取何种施工措施或参数调整建议的查询问题;
51、s42:查询与上下文联合编码;将构建的查询语句与对应的上下文段落拼接,形成标准输入序列送入机器阅读理解模型进行联合编码;模型对该序列进行联合编码计算,输出包含问题意图与局部上下文语境交互的深层特征向量表示;
52、设上下文序列为,问题序列为,其中为上下文长度,为问题长度,为隐层维度,为实数集,的第行与的第行均为维向量;计算上下文与问题之间的相似性矩阵如下式所示:
53、
54、式中,为可学习权重矩阵,表示向量拼接,表示逐元素相乘,为与对应元素相乘所得的维向量;
55、基于相似性矩阵分别获得上下文到问题的注意力表征和问题到上下文的注意力表征,如下式所示:
56、
57、式中,softmax沿问题维度对每一上下文位置归一化,为上下文到问题的注意力表征;
58、计算问题到上下文的注意力表征,如下式所示:
59、
60、式中,表示沿的列方向取每个上下文位置对所有问题词的最大相似度,得到维向量;为归一化后的维注意力权重向量;为问题到上下文的注意力表征,是上下文表示按加权求和所得的维向量;
61、引入上下文自注意力selfattn,将上述三部分拼接得到最终的联合表征,如下式所示:
62、
63、式中,按行广播至后再与逐元素相乘,表示在隐层维度上的拼接;
64、s43:答案片段预测;将联合特征表示输入多层编码器,在编码器输出端设置两个相互独立的全连接层,分别预测上下文序列中各字符作为答案片段起始位置和终止位置的概率,如下式所示:
65、
66、
67、式中,、为可学习权重矩阵,为编码器输出的上下文表示;、分别为各字符作为答案片段起始位置和终止位置的概率分布;
68、取满足且使最大的区间作为最终抽取的超关系修饰语片段;
69、s44:超关系解码与嵌套封装;根据查询问题对应的超关系类型,对预测得到的答案片段进行语义映射:将表示关系成立空间位置或空间范围的答案片段映射为空间约束;将表示关系成立所依赖的现场条件或对象状态的答案片段映射为环境前置;将表示规范条款、技术规则或工程依据的答案片段及其来源信息映射为专家规则映射;将表示施工措施、参数取值或参数调整要求的答案片段映射为参数动态建议;
70、在不改变主三元组头实体-基础关系-尾实体基本结构的基础上,将空间约束、环境前置、专家规则映射和参数动态建议作为多维修饰语挂载于基础关系,形成能够同时表达实体关联、成立条件、规则依据和参数建议的超关系事实,并将其作为步骤五知识融合与图谱构建的输入。
71、作为一种优选,在步骤5中,知识融合与图谱构建的过程如下:
72、s51:知识单元拼接与实体对齐;以步骤4形成的挂载有空间约束、环境前置、专家规则映射和参数动态建议中一个或多个的主三元组作为待融合知识单元,以待融合知识单元中的头实体和尾实体作为连接位置,将不同候选语段中抽取的知识单元拼接至统一的知识网络;当一个知识单元的头实体或尾实体与另一知识单元中的实体指向同一工程对象或业务概念时,将对应实体节点合并,并保留各知识单元原有的基础关系及其挂载的超关系修饰语;针对不同知识单元中同一工程对象存在别名、简称、近义表达或书写形式不一致的问题,根据实体名称、上下文语义以及实体所属作业工序进行相似性判断,将指向同一物理对象或业务概念的实体进行对齐;
73、完成实体对齐后,以标准实体替换各待融合知识单元中的对应头实体或尾实体,并合并指向同一对象的实体节点;
74、s52:冲突消解与可信度更新;对于完成实体对齐后具有相同或语义等价的头实体、基础关系和尾实体的知识单元,比较其所挂载的空间约束、环境前置、专家规则映射和参数动态建议,判断是否存在内容冲突;
75、当内容差异是由空间位置、环境条件或适用对象不同造成时,将其分别保留为适用于不同条件的超关系事实,不作为知识冲突处理;
76、当知识单元具有相同或相互重叠的适用条件,但其参数取值、施工措施或规则要求相互矛盾时,判定为知识冲突,并根据各知识单元关联的文件类别确定来源优先级:强制性标准文件对应强约束级,表示必须遵守的安全要求和强制性技术要求;权威教材对应技术指导级,表示具有普适性的工程原理、设计方法和施工指导;研究报告和专业文献对应工程实践级,表示特定工程场景下的研究结论和实践经验;当冲突知识单元对应不同来源优先级时,优先保留较高优先级来源对应的知识单元;当冲突知识单元具有相同来源优先级时,保留相应的多来源知识,根据相同知识在不同来源中的抽取频次更新其联合可信度,并保存各知识单元对应的文件名称和文件类别;
77、s53:图谱构建;将完成拼接、实体对齐和冲突消解的知识单元写入图数据库,形成覆盖穿孔、装药、填塞、连线、起爆和爆后检查等作业工序以及地质异常、空间拓扑、施工装备和爆破材料等领域对象的露天矿穿孔爆破超关系知识图谱。
78、作为一种优选,在步骤6中,现场工况关联推理与决策输出的过程如下:
79、s61:工况信息获取与实体映射;获取露天矿穿孔爆破现场的工况信息,工况信息包括岩石性质、台阶结构、炮孔参数、炮孔状态、炸药类型、装备能力和异常事件,并将工况信息映射为超关系知识图谱中的标准实体;
80、s62:关联检索;根据当前决策任务确定目标作业工序,以目标作业工序和现场工况实体为起点,沿时序推进关系、空间承载关系、作用与消耗关系以及扰动关系进行关联检索,获得与目标作业工序相关的空间对象、材料、装备、关键事件和后续作业工序;
81、s63:约束匹配与决策输出;读取检索所得基础关系上挂载的空间约束、环境前置、专家规则映射和参数动态建议,将现场工况与空间约束及环境前置进行匹配,筛选适用于当前工况的超关系知识单元;当检索到多个决策结果时,根据各知识单元的适用条件、来源优先级和可信度进行筛选,输出相应的孔网参数、装药填塞方案或异常处置建议,并同时输出对应的文件名称和文件类别。
82、作为一种优选,在s63中,孔网参数包括底盘抵抗线、孔距或排距等;装药填塞方案包括炸药类型、装药结构或填塞长度;异常工况处置建议包括炮孔堵塞、起爆网路异常或拒爆情况下的检查和处置流程。
83、本发明针对现有露天矿穿孔爆破知识组织方式难以完整表达多维约束关系和复杂语义、多源知识存在术语不统一与冲突、决策依据难以追溯的问题,提供一种基于超关系的露天矿穿孔爆破知识图谱构建与决策方法。该方法通过构建穿爆领域三层本体框架和四类关系模式,在主三元组基础上引入超关系建模机制,将空间约束、环境前置、专家规则映射和参数动态建议挂载于基础关系,并经知识融合与现场工况关联推理,实现复杂工况下的穿孔爆破知识组织、智能推理与决策支持。
84、与现有技术相比,本发明具有如下技术优点:
85、1、通过构建以发生体和延续体为顶层概念、以作业工序、关键事件和独立延续体为同级领域过渡概念、以穿孔、装药、填塞、连线、起爆和爆后检查等工序以及台阶、炮孔、炸药、钻机等工程对象为业务实体的三层本体框架,并建立时序推进、空间承载、作用与消耗和扰动四类关系模式,为实体识别、候选实体对生成和关系抽取提供统一的实体分类依据与关系约束,提高知识抽取的一致性和规范性。
86、2、在传统主三元组基础上引入超关系建模机制,将空间约束、环境前置、专家规则映射和参数动态建议作为修饰语挂载于基础关系,能够同时表达基础关系成立的空间位置、现场条件、规则依据及相应参数建议,突破了常规三元组难以表达多维约束和复杂语义的局限,显著提高露天矿穿孔爆破复杂工况知识的表达能力。
87、3、通过对多源非结构化文本进行版式解析、句式筛选和来源关联,结合采用全词掩码方式保持穿孔爆破专业术语整体语义的实体识别、以条件随机场层约束标签转移的序列标注、基于实体标记的关系抽取以及基于查询模板和片段抽取的超关系提取,实现从文本到主三元组和超关系事实的自动化构建,减少人工整理工作量,提高穿孔爆破知识抽取和图谱构建的效率与准确性。
88、4、通过实体对齐统一同一工程对象的不同名称,并在不同来源的主三元组或超关系事实发生冲突时,依据强制性标准、权威教材、研究报告和专业文献对应的强约束级、技术指导级、工程实践级三级来源优先级进行冲突判断,按优先级取舍或依抽取频次更新联合可信度,提高图谱知识表达的一致性和可靠性。
89、5、通过将现场空间位置、岩性条件、台阶结构、炮孔参数及装备参数等工况信息映射为图谱标准实体,沿四类关系进行关联检索,并匹配空间约束和环境前置筛选适用知识单元,输出孔网参数、装药填塞方案或异常工况处置建议,同时给出相应的规则依据及其来源信息,实现决策结果的可解释、可追溯。
90、该方法通过本体约束、超关系建模、自动化抽取、知识融合和关联推理的协同,提高了露天矿穿孔爆破复杂工况的知识组织能力、知识表达完整性、知识一致性与决策过程的可追溯性,为复杂工况下的智能爆破设计与知识推理提供了有效支撑。
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