摘要
本发明公开了一种设备维修语料智能处理与知识抽取方法，包括：首先对原始语料进行预处理，并构建领域语料库；然后基于对比学习框架，融合领域语义知识对语料进行语义增强表示学习；接着提出创新的序列到序列生成神经网络模型，通过特殊标记指导实现文本级、断句级和实体级等多粒度知识的并行高质量抽取；随后基于认知图谱技术，将抽取的多源异构知识融合构建具有可解释性的图嵌入知识库，支持灵活的知识推理服务；最后，基于构建的知识库开发设备故障诊断系统、个性化维修方案生成以及预防性维护决策等智能应用。该发明较现有技术实现了突破性进展，融合多项人工智能技术创新，在理论意义和应用价值上都具有重大贡献。
