买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京飞安航空科技有限公司

摘要：本发明涉及数据聚类技术领域，具体涉及一种基于知识图谱的机务管理方法，该方法先获取各个飞机的目标类型数据对应的词矩阵；利用ISODATA算法，对各个词矩阵进行迭代聚类处理，在获取初次偶数迭代之后每偶数次迭代时对应的合并簇的最多对数时，执行合并簇的最多对数计算模块，获得每个确定簇；根据每个确定簇生成目标类型数据对应的知识图谱，基于知识图谱进行机务管理。本发明通过自适应确定的初次偶数迭代之后每偶数次迭代时对应的合并簇的最多对数，有效提高了聚类结果的准确性，进一步提升了机务管理效果，适用于数据管理领域。

主权项：1.一种基于知识图谱的机务管理方法，其特征在于，包括以下步骤：获取预设时段内待管理机场中各个飞机的目标类型数据，构建各个飞机的目标类型数据对应的词矩阵；其中，所述目标类型数据为维修记录数据；利用ISODATA算法，对各个词矩阵进行迭代聚类处理，在获取初次偶数迭代之后每偶数次迭代时对应的合并簇的最多对数时，执行合并簇的最多对数计算模块，获得每个确定簇；其中，所述确定簇为迭代聚类处理结束时对应的各个聚类簇；根据每个确定簇生成目标类型数据对应的知识图谱，基于知识图谱进行机务管理；其中，所述合并簇的最多对数计算模块的实现步骤包括：将初次偶数迭代之后的任意一偶数次迭代作为目标偶数次迭代，计算目标偶数次迭代时每个待定簇内各个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度；根据相似度确定每个待定簇内词矩阵的集中度；其中，所述待定簇为迭代聚类处理未结束时对应的各个聚类簇；根据每个待定簇内各个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度，利用孤立森林算法，确定目标偶数次迭代时每个待定簇内词矩阵的异常度；根据异常度确定每个待定簇内词矩阵的分离度；根据每个待定簇内词矩阵的集中度和分离度确定目标偶数次迭代时每个待定簇的合并度；根据每个待定簇的合并度确定目标偶数次迭代时对应的合并簇的最多对数；计算目标偶数次迭代时每个待定簇内各个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度，包括：对于目标偶数次迭代时任意一个待定簇内的任意两个词矩阵，将两个词矩阵中同一行中相同元素的总个数记为第一相似因子；根据两个词矩阵中故障类型行和维修内容行以及预先获取的关联矩阵，确定第二相似因子；其中，所述关联矩阵的每一行由多个关联故障构成；根据待定簇对应的词矩阵个数、各个第一相似因子和各个第二相似因子，确定目标偶数次迭代时待定簇内各个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度；根据两个词矩阵中故障类型行和维修内容行以及预先获取的关联矩阵，确定第二相似因子，包括：将两个词矩阵的其中一个词矩阵作为基准词矩阵，将基准词矩阵以外的另一个词矩阵作为对比词矩阵；在基准词矩阵的故障类型行和维修内容行中，选取与关联矩阵中元素相同的元素为基准元素，确定每个基准元素在关联矩阵中对应的多个关联故障元素；在对比词矩阵的故障类型行和维修内容行中，统计与每个基准元素在关联矩阵中对应的多个关联故障元素相同的元素总个数，将元素总个数作为第二相似因子；所述目标偶数次迭代时待定簇内各个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度的计算公式为： ；式中，为目标偶数次迭代时第i个待定簇内第a个词矩阵与簇内其本身以外的其他各词矩阵之间的相似度，N为目标偶数次迭代时第i个待定簇内词矩阵个数，为目标偶数次迭代时第i个待定簇内第a个词矩阵与第b个词矩阵之间的第一相似因子，为目标偶数次迭代时第i个待定簇内第a个词矩阵与第b个词矩阵之间的第二相似因子，i为目标偶数次迭代时待定簇的序号，a和b均为第i个待定簇内词矩阵的序号，a不等于b；根据每个待定簇内词矩阵的集中度和分离度确定目标偶数次迭代时每个待定簇的合并度，包括：对于任意一个待定簇，计算待定簇内词矩阵的集中度的反比例值，将集中度的反比例值与分离度的乘积作为待定簇的合并度；根据每个待定簇的合并度确定目标偶数次迭代时对应的合并簇的最多对数，包括：基于每个待定簇的合并度，对所有的合并度按照从大到小的顺序进行排列，获得合并度序列；计算合并度序列中前一个合并度与后一个合并度之间的比值，确定最大比值的分子序号，将最大比值的分子序号的一半作为目标偶数次迭代时对应的合并簇的最多对数。

全文数据：

权利要求：

百度查询： 北京飞安航空科技有限公司 基于知识图谱的机务管理方法