基于深度学习的机械领域知识图谱构建及应用

针对企业内以分散形式进行存储的设计信息难以重用的问题，融合设计模型库和文本资源库构建机械设计领域知识图谱：通过计算机视觉等技术从历史模型库及文档中获取所需领域知识，对于模型库数据，采用聚类算法减少图谱节点冗余；提出一种新的MachineALBERT预训练模型对通用ALBERT进行参数设计，将该模型作为文本的语义编码层，以Bi-LSTM作为标签预测层，加入CRF作为整体标签优化层，搭建实体识别模型；对于关系抽取模型，共享字符编码层，加入CNN层对文本关系进行分类，将非结构化信息转化为结构化三元组，经实体对齐后存储至图数据库。根据构建完成的图谱建立计算机辅助设计可视化系统，以提供实体查询与知识问答等多种功能，提升产品设计效率。