一种基于知识图谱的家庭电器识别方法与系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116028853A(43)申请公布日2023.04.28(21)申请号202310111912.5G06F17/16(2006.01)(22)申请日2023.02.14G06N20/00(2019.01)(71)申请人华北电力大学地址102206北京市昌平区北农路2号(72)发明人杨俊峰龚钢军杨佳轩武昕陆俊苏畅(74)专利代理机构北京东方盛凡知识产权代理有限公司11562专利代理师许佳(51)Int.Cl.G06F18/24(2023.01)G06F18/25(2023.01)G06F18/213(2023.01)G06F16/36(2019.01)G06F16/28(2019.01)权利要求书2页说明书10页附图2页(54)发明名称一种基于知识图谱的家庭电器识别方法与系统(57)摘要本发明公开了一种基于知识图谱的家庭电器识别方法与系统，方法包括：采用侵入式技术，获取家庭电器的多源数据；基于多源数据，进行家庭电器实体特征提取以及家庭电器知识抽取；采用嵌入表示技术，对家庭电器知识抽取的结果以及提取的实体特征，进行知识融合；基于知识融合，进行家庭电器的本体构建以及质量评估；基于本体构建、质量评估以及知识推理，构建家庭电器知识图谱；基于知识图谱，获得特征矩阵；采用非侵入式技术，获取待识别家庭电器数据；对待识别家庭电器数据进行预处理，并进行待识别家庭电器特征提取；将待识别家庭电器特征提取的结果与特征矩阵进行匹配，实现家庭电器的识别。增强了家庭电器识别系统的精准性、鲁棒性和可解释性。CN116028853ACN116028853A权利要求书1/2页1.一种基于知识图谱的家庭电器识别方法，其特征在于，包括以下步骤：采用侵入式技术，获取家庭电器的多源数据；基于所述多源数据，进行家庭电器实体特征提取以及家庭电器知识抽取；采用嵌入表示技术，对所述家庭电器知识抽取的结果以及提取的所述实体特征，进行知识融合；基于所述知识融合，进行家庭电器的本体构建以及质量评估；基于所述本体构建、所述质量评估以及知识推理，构建家庭电器知识图谱；基于所述知识图谱，获得特征矩阵；采用非侵入式技术，获取待识别家庭电器数据；对所述待识别家庭电器数据进行预处理，并进行待识别家庭电器特征提取；将所述待识别家庭电器特征提取的结果与所述特征矩阵进行匹配，实现家庭电器的识别。2.根据权利要求1所述的基于知识图谱的家庭电器识别方法，其特征在于，所述多源数据，包括：特征数据、结构化数据、半结构化数据以及非结构化数据。3.根据权利要求2所述的基于知识图谱的家庭电器识别方法，其特征在于，实现所述家庭电器知识抽取的方法为：对所述结构化数据进行映射；对所述半结构化数据以及所述非结构化数据进行实体抽取、关系抽取以及属性抽取。4.根据权利要求3所述的基于知识图谱的家庭电器识别方法，其特征在于，实现所述知识融合的方法为：预设实体对象；采用所述嵌入表示技术，基于所述实体抽取、所述关系抽取以及所述属性抽取，进行实体对齐、属性对齐以及属性值合并，并将所述实体特征链接到所述实体对象上，实现所述知识融合。5.根据权利要求1所述的基于知识图谱的家庭电器识别方法，其特征在于，所述特征矩阵包括典型特征和辅助特征的特征矩阵。6.根据权利要求5所述的基于知识图谱的家庭电器识别方法，其特征在于，所述典型特征的提取方法为：获取家庭电器的功率数据，提取功率波形；将所述功率波形，转换为功率矩阵；基于所述功率矩阵，获取家庭电器的多状态；基于所述家庭矩阵的多状态，获取对应的功率矩阵以及状态标签；将所述对应的功率矩阵以及所述状态标签，存储到所述知识图谱上，实现典型特征的提取。7.根据权利要求5所述的基于知识图谱的家庭电器识别方法，其特征在于，所述家庭电器的识别方法为：将所述典型特征和所述辅助特征表示成向量形式，获得特征向量；基于所述特征向量，获得所述特征矩阵；基于所述特征矩阵，计算所述特征向量欧式距离的最小值；2CN116028853A权利要求书2/2页设置阈值，将所述欧式距离的最小值与所述阈值进行比较，实现家庭电器的识别。8.一种基于知识图谱的家庭电器识别系统，其特征在于，包括：侵入模块、知识抽取模块、知识融合模块、本体构建模块、知识图谱模块、特征矩阵模块、非侵入模块、待识别数据处理模块以及识别模块；所述侵入模块，用于采用侵入式技术，获取家庭电器的多源数据；所述知识抽取模块，用于基于所述多源数据，进行家庭电器实体特征提取以及家庭电器知识抽取；所述知识融合模块，用于采用嵌入表示技术，对所述家庭电器知识抽取的结果以及提取的所述实体特征，进行知识融合；所述本体构建模块，用于基于所述知识融合，进行家庭电器的本体构建以及质量评估；所述知识图谱模块，用于基于所述本体构建、所述质量