(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210956760.4 (22)申请日 2022.08.10 (71)申请人 深圳联友科技有限公司 地址 518031 广东省深圳市福田区深南中 路2010号东风大厦22楼2211、 2212、 2213房 (72)发明人 蒋宇芳　林上钧　 (74)专利代理 机构 深圳市顺天达专利商标代理 有限公司 4 4217 专利代理师 高占元 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/126(2020.01)G06F 40/295(2020.01) G06F 40/30(2020.01) G06N 20/00(2019.01) (54)发明名称 基于知识图谱搜索汽车维修数据的方法 (57)摘要 本发明提供了一种基于知识图谱搜索汽车 维修数据的方法， 在步骤S1中， 故障识别单元获 取用户端输入的汽车故障信息的文本， 并对输入 的故障信息的文本进行故障识别得到故障对并 将得到的故障对发送至候选答案生成单元； 能够 降低汽车故障售后维修时候的沟通成本， 在短时 间内知道到汽车故障的相关问题， 节省了售后维 修的时间； 通过利用自然语言 处理和KBQA的技术 高效解决了汽 车故障维修， 汽车故障原因等相关 信息的咨询； 解决了传统的机器人问答系统的说 法表泛化问题。 高效的利用结构化后的历史信息 来解决相关的汽车知识的咨询从而不被说法表 多样化问题约束； 其候选答案是基于历史数据， 更加可靠 。 权利要求书2页 说明书5页 附图2页 CN 115033679 A 2022.09.09 CN 115033679 A 1.一种基于知识图谱搜索汽车维修数据的方法， 其特 征在于， 所述方法包括以下步骤： S1， 故障识别单元获取用户端输入的汽车故障信息的文本， 并对输入的故障信息的文 本进行故障识别得到故障对并将得到的故障对发送至候选答案生成单 元； S2， 所述候选答案生成单元将接收到的所述故障对及发生条件输入到知识图谱中生成 侯选答案并同时产生从输入到答案的关系路径， 将生成的候选答案发送至侯选答案排序单 元； S3， 所述候选答案排序单元根据历史的侯选答案对各个故障对发生的原因进行计数， 并将接收到的所述候选答案进 行排序后输出与输入的汽车故障信息的文本最匹配的N个答 案。 2.根据权利要求1所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 所述步 骤S1还包括以下步骤：  S11， 所述故障识别单元从云端随机抽取多条历史的汽车故障信息的文本， 将抽取的 历史的汽车故障信息的文本作为样本数据， 再利用标注工具对抽取的历史的汽车故障信息 的文本进 行人工标注， 主要标注的信息为历史的汽车故障信息的文本中的故障模式和故障 模型的关系， 其中故障模式包括备件和现象， 所述故障模型 的关系包括原因故障对和结果 故障对。 3.根据权利要求2所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 所述步 骤S1还包括以下子步骤：  S12， 根据步骤S11获取已标注的历史的汽车故障信息的文本数据， 对该历史的汽车故 障信息的文本进 行BIO序列标注后再对历史的汽 车故障信息的文本进 行向量编码， 将BIO序 列标注和向量编码结合得到模型 的训练数据， 再进一步训练实体识别模型， 并识别历史的 汽车维修保养的文本中的备件词和现象。 4.根据权利要求3所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 所述步 骤S1还包括以下子步骤： S13， 基于步骤S11抽取标注的多条历史的汽车故障信息的文本数据， 将每条历史的汽 车故障信息的文本数据中已标注的故障对作为正样本， 其中未标注的故障对作为负样本构 建数据集， 基于构建的数据集进行训练深度语义判别模型得到m个备件和n个现象， 其中所 述故障对由一个备件和一个现象组成， 对备件和现象进行笛卡尔积， 可得m*n个故障对， 并 根据训练的故障对筛 选模型从m*n的故障对中筛 选出有效的故障对。 5.根据权利要求4所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 所述步 骤S1还包括以下子步骤： S14， 将步骤S13中得到的有效的故障对通过故障对标准化模型对备件和现 象进行标准 化， 由专家预先标注和总 结部分标准化备件表和现象标准化表， 根据历史的汽车故障信息 的文本数据训练词向量模型对故障对中的备件和现象分别推荐标准化表中最匹配的N个答 案， 再利用专家标注的文件训练语义判别模型， 判断步骤S13中的备件和现象与推荐的最匹 配的N个答案进行语义判断， 判断是否一 致， 若一致则进行相关标准 化。 6.根据权利要求1所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 所述步 骤S2还包括以下子步骤： S21， 将汽车故障信息的文本识别的结果和所需查询的关系作为输入得到候选答案， 其权　利　要　求　书 1/2 页 2 CN 115033679 A 2中识别的结果是故障对， 所需查询的关系可以是发生 故障对的原因、 并发故障对、 故障对的 故障码或故障对的主备件或 从备件。 7.根据权利要求6所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 当使用 单跳单实体查询时其关系路径为输入单个故障对实体， 查询在某个条件下其 发生的原因得 到候选答案 。 8.根据权利要求7所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 当使用 单跳双实体查询时其关系路径为输入两个故障对实体， 查询在某个条件下其 发生的原因得 到候选答案 。 9.根据权利要求8所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 当使用 双跳单实体查询时其关系路径为输入单个故障对实体， 查询在某个条件下故障对发生的原 因得到候选答案 。 10.根据权利要求9所述的基于知识图谱搜索汽车维修数据的方法， 其特征在于， 当使 用双跳双实体查询时其关系路径为输入两个故障对实体， 查询在某个条件 下故障对发生的 原因得到候选答案 。权　利　要　求　书 2/2 页 3 CN 115033679 A 3