申请/专利权人：国网信息通信产业集团有限公司;西安交通大学

申请日：2023-12-29

公开（公告）日：2024-04-05

公开（公告）号：CN117828098A

主分类号：G06F16/36

分类号：G06F16/36;G06N3/045;G06V10/44;G06F18/25;G06N3/08;G06F40/151;G06F40/289

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于预训练模型的电力运检多模态知识图谱表征方法，包括以下步骤：S1：针对电力运检过程中采集到的文本数据经过文本预处理，使用预训练语言模型Bert50作为编码器，进行特征提取与文本向量转换。S2：电力运检图像信息获取，针对电力运检过程中采集到的图像数据及其对应的文本描述信息经过预处理，进行特征提取与向量转换，并将图像向量与其对应的文本描述向量融合。S3：将图像特征向量与文本特征向量进行融合，获得带有充分特征信息的用于构建电力运检知识图谱的特征向量。S4：将融合后的向量作为知识图谱表征实体对应的向量的初始值，使用深度学习模型进行知识图谱表征训练，实现对于电力运检多模态知识图谱的表征。

主权项：1.一种基于预训练模型的电力运检多模态知识图谱表征方法，其特征在于：包括以下步骤：S1：电力运检文本信息获取，针对电力运检过程中采集到的文本数据经过文本预处理，使用预训练语言模型Bert50作为编码器，进行特征提取与文本向量转换；S2：电力运检图像信息获取，针对电力运检过程中采集到的图像数据及其对应的文本描述信息经过预处理，进行特征提取与向量转换，并将图像向量与其对应的文本描述向量融合；S3：文本向量与图像向量融合：将图像向量与文本向量进行融合，获得带有充分特征信息的用于构建电力运检知识图谱的特征向量；S4：将融合后的向量作为知识图谱表征实体对应的向量的初始值，使用深度学习模型进行知识图谱表征训练，实现对于电力运检多模态知识图谱的表征。

全文数据：

权利要求：

百度查询： 国网信息通信产业集团有限公司;西安交通大学 一种基于预训练模型的电力运检多模态知识图谱表征方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD