Knowledge graph completion method for industrial equipment fault diagnosis based on heterogeneous graph attention
Yajie Ma, Yang Liu, Jiang Bin, Zehui Mao, Jianwei Liu, Wenjing LIU · Scientia Sinica Informationis · 2023
针对工业设备故障诊断知识图谱故障实体属性残缺、故障关系链接缺失的问题, 本文提出了一种基于知识图谱异构图注意力网络(Knowledge Graph Heterogeneous Graph Attention Network, KGHAN)模型的工业设备故障诊断知识图谱补全方法, 通过对故障实体概念补全和故障关系链接补全完善了工业设备故障诊断知识图谱. 所提KGHAN模型在异构图注意力网络模型的基础上, 融合了故障知识结构信息和故障图结构信息, 有效的表征了故障实体和故障关系的嵌入表示, 提高了故障实体概念补全任务的准确率和故障关系链接补全任务的命中率. 将所提工业设备故障诊断知识图谱补全方法应用在国内某企业的工业设备故障运维数据上, 结果表明, 故障实体概念补全任务的准确率提高了约10%, 故障关系链接补全任务的命中率提高了约37%, 验证了方法的有效性.