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！

龙图腾网获悉大连理工大学申请的专利基于知识图谱的复杂产品装配知识智能推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117216413B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311094003.1，技术领域涉及：G06F16/9536；该发明授权基于知识图谱的复杂产品装配知识智能推荐方法是由金博;曲岳设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于知识图谱的复杂产品装配知识智能推荐方法在说明书摘要公布了：本发明公开了一种基于知识图谱的复杂产品装配知识智能推荐方法，其包括：获取工艺知识图谱，并对知识图谱数据进行嵌入编码；利用快速筛选技术筛选出推荐的候选集，大大节省计算时间；得到候选的零件集后，从原来的知识图谱中切割出包含目标零件与用户零件的子图，并从中提取知识来计算零件之间的相似性；通过提取知识图谱中子图信息，并对其进行细致的编码，让模型可以充分考虑到产品之间的相似度；通过基于迭代相似度计算，让模型的预测效果比较好。

本发明授权基于知识图谱的复杂产品装配知识智能推荐方法在权利要求书中公布了：1.一种基于知识图谱的复杂产品装配知识智能推荐方法，其特征在于，其包括： S1：获取表征工艺知识图谱的三元组数据，所述三元组数据包括两个实体以及实体间的关系； S2：为每个属性构建一个维度为D的属性嵌入向量，所述属性为实体、关系的特点； S3：为每一个实体、关系构建一个维度为D的零件嵌入向量； S4：将所述属性嵌入向量和零件嵌入向量进行相加得到零件嵌入编码； S5：对所述零件嵌入编码进行快速筛选； S6：通过提取知识图谱中的子图信息，精细化计算候选的目标零件集U与用户零件的相似度，具体包括以下步骤： S601：子图提取，首先针对于目标零件节点n和用户零件节点z，分别取它们周围k-跳的周围子图，然后对所述目标零件节点n和用户零件节点z的两个子图求交集，最终去掉独立的点以及与所述两个节点距离大于k的点，得到在所述目标零件节点n和用户零件节点z距离最长k+1的所有路径作为封闭子图； S602：对提取的所述封闭子图进行位置编码，对于所述封闭子图中每一个节点，查找该节点i与目标零件节点的距离disi,target和用户零件节点的距离disi,user并以二元组的形式disi,target,disi,user保存，然后以其与目标零件节点的距离disi,target生成位置编码Positioni,target以及与用户零件节点的距离disi,user生成位置编码Positioni,user； S603：将所述子图节点对应的零件嵌入编码与两个位置编码进行向量相加得到子图节点编码nodei，其计算公式为： nodei＝untii+Positioni,target+Positioni,user 式中，untin为零件嵌入编码； S604：使用图神经网络传递子图的信息，对于第l层图神经网络，其计算公式为： 式中，为关系嵌入编码，为子图节点编码，为图神经网络传递的信息，l＝1,…,L为图神经网络的层数，neighbori指实体i的所有邻居集合，为神经网络的参数，且均为D×D的矩阵；需说明的是，对于第l层图神经网络，其输入 S605：对于目标零件节点n和用户零件节点z的封闭子图，当数据从第l层图神经网络输出后，将所述封闭子图内的所有关系嵌入编码和子图节点编码求和并得子图编码其计算公式为： S7：对于候选零件集U中的零件n，使用递归计算策略计算其对于用户零件z的推荐评分为： 式中，为模型参数，均为D×D的矩阵，为目标零件n的隐语义向量，为用户零件z的隐语义向量，为第l层的推荐预测评分； S8：计算预测评分指标与工程师打的真实评分指标rn,z的均方误差loss，并通过torch.optim.Adam函数对前述所有参数进行更新，直至loss收敛到某个阈值内，所述loss计算公式为： 式中，mean·表示取均值； S9：选择评分指标最大的K个零件，并将所述K个零件以及与其相连的工艺推荐给用户。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。