基于知识表示学习的工业云机器人制造能力服务推荐方法

TP391%TH166; 随着工业云机器人的广泛应用,服务信息爆炸式增长造成服务信息过载,为了快速有效地从海量制造服务中为用户推荐优质可靠的服务,提出一种基于知识表示学习的工业云机器人制造能力服务推荐方法,从工业云机器人制造能力服务知识图谱的构建出发,对工业云机器人制造任务信息、制造能力信息、服务功能信息和非功能信息进行描述;为提高知识推荐的速度,引入知识表示学习,将实体和关系表示为低维稠密的向量,实现实体和关系的语义联系的高效计算.针对大多数翻译模型负样本生成采用随机替换的方法导致模型预测精度低的问题,提出了一种新的负样本生成策略,将其与TransE结合,在FB15K数据集上验证了负样本生成...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 29; no. 3; pp. 719 - 730
Main Authors 邓霄, 徐文君, 刘佳宜, 田思思, 胡洋
Format Journal Article
LanguageChinese
Published 武汉理工大学宽带无线通信与传感器网络湖北省重点实验室,湖北 武汉 430070%中国舰船研究设计中心,湖北 武汉 430064 01.03.2023
武汉理工大学信息工程学院,湖北 武汉 430070
Subjects
TransE算法
工业云机器人
知识图谱
服务推荐
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2023.03.003

Cover

More Information
Summary:TP391%TH166; 随着工业云机器人的广泛应用,服务信息爆炸式增长造成服务信息过载,为了快速有效地从海量制造服务中为用户推荐优质可靠的服务,提出一种基于知识表示学习的工业云机器人制造能力服务推荐方法,从工业云机器人制造能力服务知识图谱的构建出发,对工业云机器人制造任务信息、制造能力信息、服务功能信息和非功能信息进行描述;为提高知识推荐的速度,引入知识表示学习,将实体和关系表示为低维稠密的向量,实现实体和关系的语义联系的高效计算.针对大多数翻译模型负样本生成采用随机替换的方法导致模型预测精度低的问题,提出了一种新的负样本生成策略,将其与TransE结合,在FB15K数据集上验证了负样本生成策略的有效性,实验结果证明本文所提方法在进行链接预测时具有更高的准确率.
ISSN:1006-5911
DOI:10.13196/j.cims.2023.03.003